价值几何：通过任务向量组合对齐语言模型的伦理偏好
一项研究提出了一个包含12,000个二选一困境的数据集，涵盖诚实、公正与自主性之间的两两价值冲突，并提供印地语、阿拉伯语、西班牙语和中文译本。在未指定政策时，GPT-5-mini在测试的五种语言中都稳定地偏好诚实而非自主性。小型Llama-3.2模型则明显偏向第一个选项；但普通微调和直接偏好优化能够有效消除这一偏差，使准确率提升至98%以上。研究人员还将任务向量与通用指令遵循向量进行正交化，以分离
AI 新闻中心
AI 新闻中心 过去一年分析了 1725 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。
五菱缤果 Pro 推送 OTA 升级，尊享款新增车机网联功能
上汽通用五菱已开始为缤果 Pro 330km 和 403km 尊享款车型分批推送 OTA 升级。升级完成后，车主将在 2 个工作日内获得 3 年车机无限流量权益。本次更新新增语音控车功能，以及灵犀 AI 中枢大模型，并将 DeepSeek 融合到车机系统中。系统可识别 10 种中国方言，包括粤语、四川话、陕西话、河南话、山东话和上海话等。
亚马逊云科技 Bedrock 接入月之暗面 Kimi K3 模型
亚马逊云科技已将月之暗面开发的 Kimi K3 模型接入 AI 平台 Amazon Bedrock。据现有信息，Kimi K3 是一款开放权重模型，原生支持视觉能力，拥有 100 万 Token 的上下文窗口，并宣称参数规模达到 2.8 万亿。该模型主要面向长时间编程任务和大规模文档分析。Bedrock 将为其提供与闭源模型相同的安全边界，包括统一的访问控制、加密和审计机制。Kimi K3 还是
上汽荣威家越07开启预售，首搭豆包座舱助手，13.78万元起
上汽荣威已在中国开启家越07预售，共推出三款车型，预售价13.78万元起。该车搭载豆包座舱助手，支持FaceID账号识别与记忆、豆包App联动、方言和外语，并可通过语音联动车辆功能。驾驶辅助系统由Momenta R7世界模型与专用AI芯片XHEART X7组成。据官方介绍，该系统支持单侧余量20厘米的狭窄垂直泊车，覆盖300多种车位场景，并提供离车泊入、一键贴边以及城市和高速NOA功能。车辆采用增
疑似内测泄露：Claude Opus 5.5 或以更低 API 价格测试
开发者消息称，Anthropic 可能正以“claude-wafer-eap”为内部代号测试 Claude Opus 5.5。未经官方确认的价格信息显示，输入每百万 Token 可能收费 4 美元，输出每百万 Token 收费 20 美元，缓存读取费用也将明显下降。部分开发者还声称，新模型在 3D 生成、代码重构和长程任务规划方面有所提升；Claude Fable 5.2 也被指正在测试中。不过，
阿里巴巴任命刘大一恒掌舵通义千问团队
据两名知情员工透露，阿里巴巴已任命资深AI研究员刘大一恒担任Qwen（通义千问）大语言模型团队负责人。今年以来，Qwen团队经历多轮组织重组，此次任命进一步明确了这一核心AI产品线的管理架构。任命时点恰逢阿里巴巴年度云栖大会开幕前夕，刘大一恒在大会官网演讲嘉宾名单中位列显要位置，仅次于集团主席蔡崇信和首席执行官吴泳铭。
OceanBase 登顶国际 Data Agent 榜单，超过多项 GPT 和 Claude 方案
OceanBase 表示，其 Data Agent 方案 Scout 在国际数据智能体基准 DAB 中以 90.62% 的准确率排名第一，成为首个准确率超过 90% 的参评方案。该系统基于国产数据库 OceanBase 和大模型 GLM-5.2 构建，超过了多项基于 GPT、Claude 等模型的 Data Agent 方案。DAB 不仅考察自然语言转 SQL，还评估系统理解复杂数据、选择数据、规
FRAUDSkill：面向音频反欺诈检测的结构化冻结权重技能优化
FRAUDSkill是一种无需修改大型音频语言模型内部权重的适配框架。该方法转而优化外部技能程序、路由专属策略和决策规则，以执行三阶段流程：识别服务场景、检测欺诈，并在必要时分类欺诈类型。研究还结合验证引导的多路径推理，以提高输出对既定流程的遵循程度。在TeleAntiFraud基准测试中，FRAUDSkill取得73.50%的Macro-F1，相比共享冻结模型基线提升31.96个百分点，同时将无
研究人员使用 GPT-6 Astra 破解1918年德国一战无线电讯息
据报道，一名研究人员使用 GPT-6 Astra 破解了一段在第一次世界大战期间、于1918年发送的德国无线电讯息。该讯息被列入德国科学门户网站 ScienceBlogs.de 整理的50个著名未解密码之中。报道只介绍了模型的一次具体应用，没有提供相关技术方法的细节，也未说明破解结果是否经过独立验证。
校准教师与学生之间的差异以改进策略内蒸馏
策略内蒸馏通过学习更强教师模型与策略内学生模型之间的逐 token 差异，提升推理模型的能力。但这种差异不仅反映教师与学生之间的能力差距，也包含教师自身产生的偏差；在使用特权信息时，这一问题会进一步加剧。研究提出校准策略内蒸馏（Cal-OPD），通过正向和负向特权干预估计教师自身的偏差区域，并只保留超出该区域的差异作为优化信号。在数学推理基准测试中，Cal-OPD仅保留原始差异的约52%至65%，
Paint-Anything 实现图像生成与编辑中的任意颜色精准控制
Paint-Anything 提出了一种基于 24 位十六进制颜色值的统一接口，使用户能够在图像生成和编辑时指定对象的目标颜色。该方法结合真实图像中的对象级颜色监督，以及像素与指定颜色完全一致的纯色锚点，以减少阴影造成的标注误差。研究团队还构建了 Paint-500K 数据集和 Any Color Benchmark，用于评估对象级颜色还原度。在 FLUX.2-4B 上，与基础模型相比，该方法在生
中国大模型周调用量达67.46万亿Token，连续21周领先美国
根据OpenRouter最新数据，全球AI大模型周调用量达129万亿Token，其中中国大模型周调用量达67.46万亿Token，环比增长10.28%，连续21周超越美国。DeepSeek V4.1-Flash以15.8万亿Token的调用量跃居第一，智谱GLM5.3Flash和腾讯混元Hy4preview分列第二和第三。尽管DeepSeek新模型降低了KV缓存并下调了Token单价，但由于其输出
CodeMidas：直接利用源代码扩展智能体编码强化学习环境
CodeMidas 是一个自动化管线，旨在通过直接从现有源代码中生成任务，来扩展编码智能体（Agent）的强化学习（RL）环境。与依赖 Issue 或 Commit 等开发遗留产物的传统方法不同，CodeMidas 利用智能体分析代码库、制定行为规范，并验证基于执行的测试。该管线在 23 种编程语言中生成了 5,545 个训练任务。通过 GRPO 算法在此数据集上训练 MiMo-V2.5 模型后，
MintAct：面向数字环境的统一视觉智能体
研究人员推出 MintAct，这是一系列参数规模为 20 亿、40 亿和 80 亿的视觉语言模型。该模型统一支持用户界面定位、移动端、桌面端和网页环境中的多步骤导航，以及视觉工具使用。研究团队构建了可扩展的环境与强化学习基础设施，用于跨领域轨迹数据收集和在线训练。实验结果显示，MintAct 在这些能力上的表现可与各领域专用模型相当，并在 OSWorld-Verified 上取得 48.9 分。研
OmniVBench：面向参考生成视频的大规模基准与数据集
OmniVBench是用于评估多种参考控制视频生成模型的基准，涵盖内容、动作、风格、结构、叙事和多参考等7类任务、18项细分任务。其包含12,172个针对具体案例的检查项，用于评估参考因素是否被准确保留、解耦、绑定到正确目标，并按照指令实现。配套的Omni-R2V数据集包含34万个经过处理的训练样本，主要来自专业视频素材。对开源和闭源模型的评估显示，不同任务类别和评估维度之间仍存在明显性能差距。