你敢信？GPT-5的电脑操作水平只比人类低2%了
你敢信？GPT-5的电脑操作水平只比人类低2%了Agent（智能体）是最近一段时间的人工智能热点之一，将大语言模型的能力与工具调用、环境交互和自主规划结合起来，使其能够像虚拟助理一样完成复杂任务。 其中「计算机使用智能
来自主题: AI技术研报
9295 点击 2025-10-05 21:34
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
Agent（智能体）是最近一段时间的人工智能热点之一，将大语言模型的能力与工具调用、环境交互和自主规划结合起来，使其能够像虚拟助理一样完成复杂任务。 其中「计算机使用智能
暴晒+ 沥青 + 锡板 = 世界上第一张照片？ 听起来有些像是化学实验，但这正是被学界普遍认可的世界上第一张照片——《勒格哈的窗外景色》的诞生方式，尽管具体年份仍有争议，但也即将度过 200 岁的生日
近日，微软和多家公司、高校、研究机构组成的联合团队在生物科学领域发现了一个重大的“零日漏洞”。他们利用开源的人工智能蛋白质设计工具，基于 72 种已知危险蛋白，模拟生成了 7 万多种原始有害蛋白质的变体，并将它们放入 4 种现有的生物安全筛查系统中。
十月AI战场，热闹得不像话。Sora 2刚刚亮相，Gemini 3.0就已蓄势待发。网友内测demo流出，前端和web编码强到离谱。坊间传闻，Gemini 3.0最晚下周上线。今天，谷歌内部研究人员在X上，频频发文暗示——BIG THINGS！
终于，Nano Banana正式开放API了！ 现在大家不仅可以直接在Google AI Studio里基于Nano Banana，手动搓出属于自己的App，还可以通过Gemini API接入任意发挥了。
大模型最让人头疼的毛病，就是一本正经地「瞎编」。过去，只能靠检索补丁或额外训练来修。可在NeurIPS 2024 上，谷歌抛出的新方法SLED却告诉我们：模型其实知道，只是最后一步忘了。如果把每一层的「声音」都纳入考量，它就能从幻觉中被拉回到事实。
“TreeSynth” 就这样起源于作者们最初的构想：“如何通过一句任务描述生成海量数据，完成模型训练？” 同时，大规模 scalibility 对合成数据的多样性提出了新的要求。
Sora2太卷了。居然能预测ChatGPT的输出、渲染HTML？！让它模拟“给ChatGPT发信息”，它不仅生成了画面，还来了一段有问有答的“交互”。先是编了一个问题：Write a playful haiku about a cat staring out the window.（写一首关于猫凝视窗外的俏皮俳句。）
来自斯坦福大学、哥伦比亚大学、摩根大通AI研究院、卡耐基梅隆大学、英伟达提出了一种数据采集与策略学习框架DexUMI——利用人手作为自然接口将灵巧操作技能迁移至多种灵巧手。该框架通过硬件与软件的双重适配，最大限度缩小人手与各类灵巧手之间的具身差异。
Sora 2火爆全球！上线不到24小时便冲上苹果商店榜单前三，凭借「1换4」邀请码机制和「Cameo自我上传」玩法，引爆社交传播。奥特曼亲自下场，让邀请码成为稀缺资源，被黄牛炒至175美元。Sora既带来全民狂欢，也引发OpenAI内部争议。