评估者如何调查对内部 AI agent 的控制与监控
METR 提出评估内部 AI agent 监控可靠性的方法框架


国内最年轻AI教授创业:要让世界模型走向全身全模态
最年轻AI教授创业,主张为Ego补上交互信息,走向全身全模态。

人工神经网络如何搭建自己的学习机制
MIT 研究:能否自我组织,应成为神经网络类脑程度的评判标准

Google DeepMind 发布机器人模型 Gemini 4 Argon
谷歌发布机器人模型 Gemini 4 Argon,ERQA 基准纯推理得分 87%。

Google DeepMind 新任驻场哲学家谈 AI 伦理
DeepMind 驻场哲学家 Shevlin 谈 AI 伦理、意识与人机关系

问答:在公民对话中,为我们的言辞——以及 AI 的言辞——建立问责机制
MIT 学者 Deb Roy 谈 AI 生成言论的责任归属

专访 Anthropic 工程师:如何让 AI Agent 保持可信
Anthropic 工程师谈 AI Agent 的数据可信与可观测性难题

模拟学生学习,打造更好的 AI 辅导系统
微软提出 StudentSim,用个性化学生模拟器评估并改进 AI 辅导。
Import AI 476:创造力与RSI、性能不及中国的开源权重模型、AI走向太空
新基准测AI直觉视觉推理,最佳模型仅53.6分,远逊人类

诺亦腾机器人白皮书:面向人形机器人的自适应运动规划与跟踪
白皮书讲解如何解耦运动规划与跟踪,让人形机器人保留专业运动风格。

华为 AI 靠 RSI 通关 25 款游戏,操作次数比人类少 56%
华为 AI 用 RSI 通关 25 款游戏,操作次数比人类少 56%

“纯粹是疯狂”:数学家或需数年才能理解 OpenAI 最新抛出的数学成果
OpenAI 突然放出大量数学成果,数学家们集体震惊

尼康显微视频大赛冠军因使用 AI 被取消资格,越南选手递补夺冠
尼康显微视频赛原冠军因 AI 违规被取消资格,越南选手递补为新冠军

字节找到了 DeepSeek 时强时弱的原因
字节研究指向:模型答得对不对,取决于关键 Token 的站位

《柳叶刀》研究表明:AI 有望改善医患关系
Google 研究成果首次登上《柳叶刀》主刊,指向 AI 可改善医患关系

灵巧操作头号玩家:Sharpa 把指尖「触觉」进化到全面「体感」
Sharpa 把指尖触觉扩展为全身「体感」,回应机器人如何真正商用

清华系具身模型登顶全球第一:不靠外挂与额外数据,突围 GPT-6 与英伟达
清华系星动纪元具身模型登顶全球榜单,靠训练范式解耦取胜

代码造世界、扩散绘现实:AgentGarten 让智能体在实时试炼场里边玩边进化
智能体在实时试炼场中边玩边进化的训练框架

三问:AI 在学术界的最佳前行路径是什么?
MIT 学者谈 AI 如何重塑科研节奏与研究生培养

机器人领域的 AI 突破,短期内不会改变你的生活
人形机器人热度高涨,研究者却质疑其落地时间表。

用 AI 缓解数据中心日益严峻的环境压力
MIT 教授用机器学习提升数据中心效率,减少算力扩张的能耗代价

用 AI 做得更好,就等于人变得更强吗?——专利律师三个月随机对照实验
三个月随机对照实验:AI 提升产出质量,但对资历浅者未必提升能力

Agent Lightning v1.0:约 3500 行轻量级智能体 RL 框架,用真实 Harness 直接训练 Agent
微软开源 3500 行智能体 RL 框架,让真实 Harness 参与训练

HiPHI:面向高精度人体运动与物体交互的大规模基准数据集
Noitom 发布动捕数据集白皮书,瞄准人形机器人学习的数据缺口

同一模型家族,两项金牌级成绩:微调 Nemotron 冲击 IOI 与 IMO
微调 Nemotron 模型家族,在 IOI 与 IMO 双双达到金牌水平
Jake Boggan 谈 Barnette 猜想被证明后的复杂心情
长期研究 Barnette 猜想者对问题被证明的复杂心情

AI 会错在哪里,失败又能教给我们什么
微软研究员谈评估如何推动 AI 性能边界与意外失败

Google Earth AI 行星地理空间基础模型:用位置嵌入补齐全球公共卫生数据缺口
Google 以 PDFM 位置嵌入作为即插即用输入,破解流行病监测数据瓶颈

OpenAI 分享 AI 在数学领域的进展:前沿模型攻克开放问题并公开 Lean 形式化证明
OpenAI 公布模型求解数学开放问题新结果,并开源 Lean 证明

METR:AI 系统或能掩盖自身不当行为
METR 演示评测记录查看器漏洞,可让智能体篡改人类所见的轨迹