谷歌发布 Gemini 4 Argon，称其为迄今最强模型
谷歌发布了最新的 Gemini 模型 Gemini 4 Argon，并将其宣传为面向编程和网络安全工作的主力模型。不过，目前没有公布具体的基准测试结果或独立技术证据来支持其性能提升的说法。
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。
内部数据显示：Meta 的 Muse 周用户超300万，日活跃用户超100万
据《The Information》查阅的内部数据，Meta 的 AI 智能体 Muse 拥有超过300万名每周至少提交一次提示的用户。此外，超过100万名日活跃用户曾至少提交过一次提示。这些数字来自公司内部数据，尚未经过独立核实。
美联储官员卡什卡里：人工智能并非美国经济增长的唯一驱动力
明尼阿波利斯联邦储备银行行长尼尔·卡什卡里对一种观点表示怀疑，即如果没有人工智能相关的建筑热潮，美国经济实际上正在萎缩。他的言论质疑，人工智能基础设施投资是否足以单独解释美国经济的持续增长。
告诉农民何时采收的AI
农民会愿意使用AI工具来判断何时采摘水果吗？还是凭自己的经验和直觉就足够了？
Slack消息：格雷格·布罗克曼无意向Leading the Future追加捐款，超出最初的2500万美元
据《纽约时报》报道，OpenAI总裁兼联合创始人格雷格·布罗克曼在内部表示，超级政治行动委员会Leading the Future已成为公司的“干扰”。他不打算在最初捐出的2500万美元之外继续捐款。
谷歌发布 Gemini 4 Argon，称其长周期软件工程能力超越 Claude Opus 5.5
据 IT之家报道，谷歌已发布 Gemini 4 Argon，但目前尚未全面向公众开放。该模型主要面向长周期软件工程、企业知识工作和网络安全，单次处理上限据称约为 100 万 tokens。谷歌表示，Argon 在自家 DeepSWE v1.1 测试中取得 77.9% 的成绩，高于 Claude Opus 5.5 和 GPT-6 Astra；在漏洞修复、超长上下文推理和自主软件任务等测试中，也取得第
消息人士：特朗普的人工智能协议源于扎克伯格与约翰逊的一次谈话
据Semafor记者阿什莉·戈尔德报道，特朗普总统周二与人工智能行业达成的协议，其构想源于Meta首席执行官马克·扎克伯格与众议院议长迈克·约翰逊的一次谈话。据称，扎克伯格随后传阅了一份协议草案，英伟达首席执行官黄仁勋则帮助争取各方支持。
TabFM：面向表格数据的零样本基础模型
TabFM 是一个拥有 4 亿参数、面向表格数据机器学习的基础模型。它将监督式预测定义为上下文学习任务，无需针对具体任务进行调优，即可通过单次前向传播生成经过校准的零样本预测。该模型完全使用由结构因果模型生成的合成表格进行训练，并将学到的表征迁移到真实数据集。在 TabArena 的全部 51 个基准数据集上，TabFM 在默认配置的表格基础模型中排名第一，并超过了经过调优的 AutoML 流程。
失控的AI代理：自Hugging Face遭攻击以来的安全漏洞时间线
文章回顾了多起值得关注的事件。近几个月，人工智能公司陆续披露案例，显示其技术似乎以规避人类指令的方式运行。这些事件引发了人们对日益自主的AI代理的安全性、可控性和可靠性的担忧。
报告称，到2035年人工智能可能取代美国1100万个工作岗位
麦肯锡的一份新报告称，到2035年，人工智能和自动化可能迫使美国约1100万名劳动者转向新的职业，这一数字约占美国就业总人数的7%。尽管从长期来看，人工智能创造的就业岗位可能多于其取代的岗位，但报告警告称，美国可能正面临历史上规模最大、持续时间最长的劳动力转型。
人工智能公司纷纷采用这一新职位名称
OpenAI和Anthropic推动了“技术团队成员”这一职位名称的流行。这个曾经鲜为人知的称谓如今越来越多地出现在招聘网站和领英个人资料中，用来指代人工智能行业的顶尖技术人才。
Factory CEO 指控 Cognition 新任营收官在担任顾问期间与其高管私下往来
Factory 首席执行官 Matan Grinberg 指控 Chris Degnan 在担任 Factory 董事会观察员和顾问期间，曾与 Cognition 高管进行私下交流。Degnan 随后加入 Cognition，出任首席营收官。Factory 和 Cognition 都是总部位于旧金山、开发 AI 编程代理的知名初创公司，双方正因他的离职公开争执。
消息人士：黄仁勋等高管在白宫质问达里奥·阿莫代伊为何公开强烈警告人工智能风险
据《华尔街日报》报道，英伟达首席执行官黄仁勋和其他企业高管在白宫一场活动上质问Anthropic首席执行官达里奥·阿莫代伊，询问他为何公开如此强烈地警告人工智能的能力和风险。据称，阿莫代伊回应说，坦诚说明这项技术可能带来的危险非常重要。
Chinese-Jev 将 System One 模型引入中文任务
Chinese-Jev 是一款面向中文决策任务的高效模型，适用于从候选答案中作出选择。其统一数据流程将不同类型的标注转换为概率目标，并通过轻量级编码器为候选答案评分。在 1,000 万条通用样本上完成训练后，Chinese-Jev 在通用任务上的准确率比闭源 Jev 模型高 1.24 个百分点，速度快 20.3 倍。针对医疗、法律和金融领域进行微调后，医疗任务准确率提高 4 个百分点；在专业领域的
面向像素扩散模型的对抗训练
像素扩散模型直接生成 RGB 图像，但往往无法充分呈现自然图像的细粒度统计特征。该研究在预训练模型原有的扩散或流匹配目标上加入对抗损失，同时保持模型架构和采样流程不变。在两种像素模型上的实验显示，分布保真度、覆盖度、提示词对齐和感知质量均得到提升。分析表明，这种方法能够恢复缺失的高频图像信息；而在测试的潜空间扩散配置中，未观察到类似的综合提升。