UI-Mate通过上下文示范推进开放权重基础GUI智能体
UI-Mate是一款用于自动化复杂数字任务的基础GUI智能体，将基于环境的训练体系与多模态示范的上下文学习相结合。该体系可在大规模并行环境中自动完成任务生成、环境构建、执行、筛选、监督微调和在线强化学习。研究团队还推出了OSWorkerBench，涵盖41个应用中的100项长流程办公任务，并区分了针对相同目标的自我示范和针对相关任务的人类变体示范。UI-Mate-27B在OSWorld-Verif
AI 新闻中心
AI 新闻中心 过去一年分析了 8860 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
Ventor-QTest：威胁模型驱动的托管式 LLM API 验证
该研究提出 Ventor-QTest，一种用于审计第三方提供商托管开放权重语言模型所使用推理 API 的黑盒方法。它不需要目标 API 提供概率信息，而是通过重复请求和长序列测试，利用平均保真度损失（AFL）与极端保真度损失（EFL）衡量输出的不稳定性。在多种路由条件下，AFL与基于 logprob 的比较指标表现出较强的描述性一致性。EFL显著升高时，随着任务暴露增加，Terminal-Benc
利用现代优化方法和 AlphaEvolve 改进行矩阵乘法指数
一项新研究将矩阵乘法指数ω的已知最佳上界从2.371339改进至低于2.371177。研究人员重新表述了核心优化问题，使其能够在更广泛的条件下求解，并利用近期机器学习进展设计了新的优化算法，随后通过AlphaEvolve进一步改进。该成果建立在组合损失分析之上，这是激光法的一种改进方法，用于研究矩阵乘法的计算复杂度。
像素空间文本到图像扩散模型训练的实证研究
本文研究大规模像素空间文本到图像扩散模型的训练方法。作者发现，直接在像素空间进行预训练的收敛速度明显慢于潜在空间训练。因此，他们提出先在潜在空间高效学习生成先验，再在后训练阶段切换到像素空间的策略。研究系统分析了权重初始化、数据组成、预测目标、解码器架构和噪声调度等关键设计。结果表明，该方法生成的像素空间模型能够达到或超过潜在空间模型的性能，同时将端到端推理速度提升约3.18至4.75倍。
Signal65报告：骁龙X2 Elite Extreme多核性能比AMD Ryzen AI 9 465快83%
第三方机构Signal65公布了搭载高通骁龙X2 Elite Extreme、英特尔酷睿Ultra X9 388H和AMD Ryzen AI 9 465的笔记本对比结果。在电池供电的平衡模式下，骁龙芯片在Geekbench 7.0多核测试中分别比英特尔和AMD快53%和83%。在Cinebench 2026多线程渲染测试中，其速度比两款竞品都快87%。Procyon AI计算机视觉测试显示，骁龙的
ChatGPT macOS版新增“计算机历史”功能，可记录用户工作轨迹
OpenAI为ChatGPT macOS桌面应用新增“计算机历史”功能。该功能采用主动选择加入机制，会将用户在电脑上的操作记录为事件，并整理成ChatGPT和Codex可以参考的时间线。它可用于查找最近编辑的文档、确认文件是否通过Slack共享、总结早上的电脑活动，以及为未完成的任务提供自动化建议。用户可以排除特定应用程序和网站，也可以删除已有记录。OpenAI表示，系统会自动忽略无痕浏览或私人浏
ClawGym II 探索面向智能体框架的黑盒强化学习
ClawGym II 提出了一套框架，用于通过复杂且不透明的智能体框架，对通用 AI 智能体进行稳定、可扩展的强化学习优化。该系统利用沙盒隔离任务环境并支持并行执行，通过服务代理捕获模型调用，再以前缀树重建多轮轨迹，同时适配 PPO 和 GRPO。使用 Qwen3-30A3B 时，ClawGym-Bench 的 Pass@1 在 OpenClaw 和 Claude Code 上分别提升 9.98
GenRouter：面向智能体图像生成的统一工作流路由
GenRouter 是一个统一多种智能体图像生成工作流的框架，可根据提示需求将任务路由至合适的处理流程。它使用基础组件和可执行模板对不同管线进行标准化，再通过需求分析、经验匹配和帕累托筛选选择配置。根据论文报告的实验结果，与计算量较大的静态管线相比，GenRouter 在提升视觉匹配度的同时，将执行成本降低了 95% 以上，延迟降低了 65%。系统还会持续积累经验，以增强零样本泛化能力，并进一步将
R^3-Bench：LLM在共享预算下的资源理性推理中表现挣扎
R^3-Bench评估六个语言模型如何在共享预算下，将有限的计算资源分配给由六道题组成的任务集。测试涵盖数学、竞赛编程和抽象推理，并包含无工具和代理式场景。研究根据各模型处理单题时的响应曲线构建了一个经验基准。在主要结果表的72个单元中，该基准在全部单元都达到或超过竞赛平均表现，并在71个单元中更高。结果表明，模型在单题上展现出的能力，与必须在多个任务之间分配资源时实际发挥这些能力的水平之间，存在
需求超预期：华硕 RTX Spark 笔记本 ProArt P16/P14 首批配额售罄
华硕表示，搭载英伟达 RTX Spark 平台的 ProArt P16 和 P14 首批产品已被渠道合作伙伴全部预订。公司称两款笔记本的预售需求远超预期，并将继续向合作伙伴追加订单。不过，华硕没有公布首批配额、预订量或追加订单的具体数量，因此无法据此判断实际销售规模。两款产品采用 Blackwell 架构 RTX GPU，最高配备 128GB 统一内存，宣称可提供最高 1 PFLOPS 的 AI
字节跳动与清华AIR发布CUDA Agent：训练大模型编写超越编译器的GPU内核
字节跳动Seed团队与清华大学智能产业研究院（AIR）发布了CUDA Agent，这是一套通过强化学习训练大语言模型优化GPU内核的系统。该智能体运行在配备性能分析工具、正确性校验和安全沙盒的真实CUDA开发环境中。经过最多150步的PPO训练后，系统在KernelBench的250项任务中达到98.8%的通过率，生成内核中有96.8%的运行速度超过torch.compile。完整模型权重目前尚未
Reddit测试AI功能，将文字帖子转换为音频和视频
Reddit正在测试一项AI功能，可将文字帖子和部分评论自动转换为音频、视频内容。AI语音会朗读原帖及评论，对应文字则会同步高亮，视频还会标注其为AI配音的真实对话。测试中，一篇发布于8年前、讨论公路旅行中适合成年人玩的游戏的帖子，被改编成约3分钟的视频。用户可以在传统阅读模式和播放模式之间切换。这项功能可能降低不熟悉论坛形式的用户获取内容的门槛，但也可能带来发音错误、评论引用不准确等问题。此次测
“先生成，后治理”：AI 垃圾内容淹没互联网，科技巨头开始清理
据《纽约时报》报道，低质量 AI 生成内容正在搜索引擎、电商平台和社交媒体上泛滥，包括虚假食谱、商品页面上的假传记、重复图片以及大量机器生成的音乐。Spotify 去年删除了 7500 万首疑似垃圾曲目；领英推出举报工具，YouTube 则在半年内移除了约 13 万个低质量频道。各平台正尝试识别异常快速上传、重复模板等协同滥用模式，而不是逐条审核内容。TikTok 已为数十亿条 AI 生成视频添加
韩国将一家初创公司淘汰出主权人工智能竞赛
韩国已将由 Motif Technologies Co. 牵头的团队淘汰出主权人工智能竞赛。经过此次筛选，这场竞赛目前只剩下三组参赛者。
解析智能体人工智能系统的认知能力诱发风险
一项分析研究探讨了由大型语言模型驱动的智能体人工智能系统，其不断扩展的认知能力可能如何影响人类的主体性、自主性和控制能力。研究提出了一个涵盖物理认知、社会认知和自我指涉认知的三层框架，并评估每个层级的潜在风险。同时，研究提出了相应的缓解策略，以提升智能体人工智能系统的可控性和长期安全性。