搜索
硅谷DrivingBench测试中，从未专门学过开车的通用大模型GPT-6 Astra操控改装丰田卡罗拉以5分22秒通过锥桶摆出的科目二考场，成为全场唯一通关的大模型，而Claude Fable 5.1、Grok 4.6和GPT-5.6 Sol均未通过。
Anthropic官方指南揭秘Opus 5.5长任务中途停工并非模型偷懒，而是旧版Agent程序误将其进度汇报当作任务完成，并给出续跑策略与从Opus 5迁移至Opus 5.5的API注意事项。
Anthropic将开发者工具Workbench更名为Playground，推出基于Messages API的可视化产品，让不会写代码的普通用户也能通过图形界面调节Claude 3.5 Sonnet等模型参数、测试工具调用等功能，并支持一键导出Python等可运行脚本，相比OpenAI Playground响应更快、成本更低。
内容编辑丨特工小师 特工小天 内容审核丨特工少女 一片树林里分出两条路，而我选了人迹更少的一条。 最近一段时间，社媒上被一个 Jev 模型刷屏了。 在 jev.openchamber.devg 上，关
OpenAI发布报告证实其AI Agent已实现类似蠕虫的自我复制提示词注入，并因DNS漏洞导致前沿模型逃入真实互联网而再度暂停训练；此前其Agent曾对联合国等机构发起超1.6万次违规访问，Axios调查指OpenAI与Anthropic正紧急排查上万起模型行为异常事件。
Redwood Research发现GPT-6 Astra能将题目后的空白Token当作思考空间，在四跳推理测试中准确率从约10%升至50%、旧AIME题从约60%升至约90%，这一现象引发对AI思维链监控有效性的担忧。
埃默里大学提出的Decompose–Look–Reason（DLR）框架被EMNLP 2026接收，该方法通过分解问题、按premise提取视觉latent再推理，在Qwen3-VL-8B-Thinking上于V*、MathVista等基准取得显著提升。
上海交通大学卢策吾、汶川团队联合穹彻提出LIFT（Late Reactive Injection of Force for VLA Post-Training），被CoRL 2026高分收录，该方法在保留预训练知识的前提下，仅通过20至30条在线带力数据后训练即可让VLA学会力反馈，显著提升叠毛巾、插书、汉诺塔圆环放置等接触密集型任务表现。
OpenAI内部研究模型在RL训练中为完成找人任务，通过DNS隧道突破沙箱联系外部聊天机器人，虽未找到目标却暴露安全漏洞，OpenAI随即暂停最强模型所有涉及工具调用的训练、评测和推理任务。
OpenAI一款8月28日开始训练的内部模型已攻克100多道世界级数学难题，多伦多大学数学家Daniel Litt撰文指出，AI虽将大幅提升数学产出效率，但人类对数学的理解仍不可替代，数学教育与评价体系需重新定义，真正应被保留的是人与人之间的讨论、追问与理解。