时间序列基础模型出现预测崩溃
一项研究发现，时间序列基础模型在预测1,000只美国股票的小时收益率时会出现“预测崩溃”：预测结果近乎扁平，股票排名表现也很差。相比之下，在相同条件下预测交易量时，该现象大幅减弱。研究人员认为，原因包括目标变量的可预测性较低，以及按单个序列优化的目标函数无法识别序列之间的结构。最小化平方误差会导致扁平预测，而直接优化横截面相关性虽能改善排名，却可能使预测幅度放大一个数量级以上。研究提出CalibR
AI 新闻中心
AI 新闻中心 过去一年分析了 1727 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。
Qwen 3.8 27B 展现 17GB 开放权重模型的长上下文与工具调用能力
阿里巴巴旗下 Qwen 研究团队发布了 Qwen 3.8 27B。这是一款采用 Apache 2.0 许可证、具备视觉能力的 270 亿参数语言模型。Simon Willison 表示，这款 17GB 的开放权重模型支持长上下文、有效的工具调用、较强的视觉能力以及合格的代码生成。
Second Thought：LLM智能体行动与观察期间的并行推理
采用ReAct范式的LLM智能体会在推理、行动和观察之间交替进行，但在等待环境响应时，推理会暂停。Second Thought利用这段空闲时间，在每次Thought阶段结束后立即并行启动四个辅助推理分支，并在下一次环境观察到达时合并结果。在三个智能体基准和三个推理模型上，该方法在全部九个模型与基准组合中都降低了平均交互轮数。在其中六个组合中，主线程的顺序解码量最多减少43%，第七个组合基本不变。P
潜在在线策略自蒸馏
该研究提出潜在在线策略自蒸馏（LOPD），旨在帮助 AI 智能体将经验直接融入自身策略。LOPD 不依赖设计者预先制定的特权信息，而是端到端学习这类上下文：系统检索相关经验，并将其组合为连续潜在 token，用于调节自教师模型。学生模型根据任务和交互历史生成轨迹，并在每个访问过的前缀位置获得密集的 token 级监督。研究还引入特权边际目标，以提升训练稳定性。在智能体工具使用和代码生成实验中，LO
PRM-as-a-Judge 1.5：机器人流程评估工具包
PRM-as-a-Judge 1.5是一套用于精细评估机器人操作流程的工具包。它将执行视频转换为密集的进度曲线，并提供衡量失败过程进展、性能下滑后恢复能力以及成功执行质量的多项指标。项目还推出RoboPulse++，用于测试流程奖励模型的可靠性。该套件包含基准测试、指标实现和可视化工具，支持对具身模型进行透明且可复现的评估。
研究显示，仍具活性的成人脑组织可控制机械手弹奏音符
法国研究团队称，他们将取自已故成年人的活性脑组织接入了由电极、麦克风和机械手组成的闭环系统。这些被称为 OPAB 的脑组织外植体接受训练，将三个音符与三根机械手指的动作建立关联。在 16 个样本中，平均模仿准确率从第一天的 31.2% 提升至训练三天后的 58.5%。其中 62.5% 的样本至少学会了两个音符，部分关联在 17 天后仍然保留。研究人员认为，这种能力源于脑组织内部神经连接的变化，而不
将生成作为辅助监督，在不增加推理开销的情况下提升视觉理解
该研究提出GAS，一种面向多模态大语言模型的训练框架，将视觉生成重新定义为表征学习的辅助监督。GAS在解耦的Mixture-of-Transformers架构中采用下一嵌入预测，通过生成任务增强共享视觉路径，同时避免生成梯度直接干扰上层理解模块。训练完成后，生成分支会被移除，因此推理阶段无需额外计算。实验表明，GAS能够提升多模态理解能力，其中在视觉感知和空间理解方面的收益最为稳定。
CPI-Bench：面向真实世界图像编辑的综合实用基准
CPI-Bench是一项用于评估AI图像编辑模型的新基准，重点测试模型在真实应用场景中的表现。它包含三个子集：覆盖多种编辑任务并首次纳入多图像编辑评估的CPI-General-Bench，聚焦高频用户场景的CPI-Practical-Bench，以及评估高难度推理式编辑能力的CPI-Intelligent-Bench。对主流图像编辑模型的评估表明，该基准能够更有效地区分模型在通用编辑、实际部署和高
报道称 SpaceX 以600亿美元收购 AI 编程公司 Cursor
文章声称，SpaceX 在4月启动合作后收购了 AI 编程助手 Cursor。报道称，交易将使 Cursor 获得大规模算力基础设施，用于开发性能更强、成本更低的 AI 模型。Grok 4.6 被描述为双方团队的首项联合成果。不过，文章关于收购事实、交易估值以及可用 GPU 基础设施规模的多项关键说法目前未经证实。
Codex 向所有符合条件的用户开放百万 Token 上下文窗口
OpenAI 已向符合条件的 ChatGPT 账户开放 Codex 约 105 万 Token 的上下文窗口。此前，这项能力仅限通过 API 调用，Plus 和 Pro 订阅用户需要手动配置后才能使用。更大的上下文窗口可以让编程代理在自动压缩历史信息前，处理更多代码、工具输出和完整对话记录，有助于大型代码库重构、复杂调试和长时间开发会话。OpenAI 同时提醒，默认上下文长度是在性能与成本之间权衡
扩展大语言模型预训练中的领域数据重复使用
随着大语言模型规模扩大，为维持适当的 token 与参数比例（TPP），训练 token 预算也必须增加。然而，高质量领域数据比通用网络数据更难扩充。本研究考察了重复使用现有领域数据，能否在避免过拟合的同时，抵消其在训练数据混合中的占比下降。对于固定领域和 TPP，最佳重复次数会随着模型规模扩大而小幅增加。在不同领域之间，最终验证损失越低，通常越能从更多重复中受益；而独有领域数据的数量与最佳重复次
通过主张级可靠性评估提升测试时推理效率
研究提出了主张级可靠性评估（Claim-Level Reliability Assessment，CLR），这是一种无需额外训练、旨在更高效利用推理时计算资源的方法。CLR不再生成更多完整解答，而是从推理轨迹中提取对决策至关重要的主张，并针对性地检查其中是否存在决定性错误。该方法利用了一个不对称性：构建正确解答需要一条完全无误的推理路径，而反驳错误主张只需找到一个决定性缺陷。在四个大语言模型和四个
不再仅限 API 密钥：Codex 的 GPT-5.6 Sol 百万 Token 上下文现可通过 ChatGPT 账号使用
OpenAI 已将 Codex 中 GPT-5.6 Sol 约 100 万 Token 上下文窗口的使用范围扩展至 ChatGPT 账号。该功能此前仅支持 API 密钥，现在 ChatGPT Plus、Pro 等订阅用户也可以手动启用。更大的上下文窗口可让 Codex 在压缩早期信息前保留更多代码、工具输出和对话记录，适用于大型代码库重构、复杂调试和长时间会话。OpenAI 表示，默认上下文长度是
新加坡希望凭借先进人工智能模型的访问权限遏制金融人才流向香港
新加坡希望，更容易获得先进人工智能模型，能够遏制金融人才流向香港。香港金融企业难以使用美国最新的人工智能模型；相比之下，新加坡与美国和中国都保持密切关系，因此在这个城市国家获取最新模型相对容易。
千问办公首发上线GLM-5.3与DeepSeek V4Pro，聚合三款国产旗舰模型
阿里巴巴旗下AI Agent产品“千问办公”于8月14日宣布接入智谱GLM-5.3和DeepSeek V4Pro，用户可在首页“前沿模型”栏目直接选择。加上此前已接入的Qwen3.8-Max，平台现已覆盖阿里巴巴、智谱和DeepSeek三家的旗舰模型。DeepSeek V4Pro据称支持100万Token上下文和最高38.4万Token输出，重点面向长程任务与Agent任务串联。GLM-5.3则据