OpenAI称模型训练调整将增加相当于推理工作量20%的计算开销
OpenAI表示，模型训练流程的调整将使计算开销增加，增幅相当于目前观测到的推理工作量的20%。其中一个原因是扩大对前沿模型思维链过程的多阶段监控。OpenAI称，这部分新增成本不会转嫁给客户。
AI 新闻中心
AI 新闻中心 过去一年分析了 1376 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。
GS-Voxel：用于大规模 3DGS 生成的免拟合结构化潜变量
GS-Voxel 是一个用于大规模 3D Gaussian Splatting（3DGS）场景生成的结构化潜变量框架。它能将无序、空间不规则且经过预优化的 3DGS 重建确定性地转换为稀疏活动体素，无需针对每个场景进行额外优化，同时保留所选图元的位置和渲染属性。分解式 VAE 分别编码体素几何结构与局部高斯属性。随后，图像条件流模型根据卫星视角图像生成航空 3DGS 场景。通过考虑重叠区域的分块推
从语料库到协同演化能力：面向通用图像生成的能力中心化数据设计
该研究提出了一套以能力为导向的数据基础设施，用于训练通用图像生成模型。系统将文本—图像对齐、图像变换和图像—知识关联等专门监督数据结合起来，并按照能力之间的依赖关系，逐步调整任务组合、视觉概念分布、数据质量和图像分辨率。该基础设施包含4.4亿张文生图图像、1.2亿组编辑数据对，以及超过2,700万组图像—实体数据对。研究人员基于这些数据从头训练了30亿和60亿参数的扩散模型，并通过CPI-Benc
A.I.G. 评估 DeepSeek Harness 抵御间接提示注入的能力
一项研究使用 AI-Infra-Guard 评估 DeepSeek Harness（DSH）抵御间接提示注入攻击的能力。研究覆盖 16 个间接内容渠道、文本和文件载体、35 个攻击目标及 12 种攻击方法，共进行了 14,560 次受控执行。研究保留了 DSH 的智能体循环、工具注册、模型适配器和会话事件路径，并通过本地测试工具避免外部副作用。观察到的最高攻击成功率分别为：文本模式下的虚假完成攻击
从序列到结构：面向大语言模型智能体的关系不确定性传播
研究人员提出 RUPA，用于量化大语言模型智能体在完整执行轨迹中的不确定性。该方法不再仅依赖词元概率、预测熵或单步置信度等局部信号，而是将推理状态、工具交互和环境反馈之间的依赖关系表示为有向轨迹图，并在图中传播不确定性，以捕捉执行风险的累积和转移，从而更早发现失败。研究团队使用 6 个开源大语言模型，在 τ-2、Terminal-Bench-2 和 GAIA 基准上进行评估。结果显示，RUPA 的
aDSL：通过代理与程序协同设计实现代理式三维创作
该论文提出了 aDSL，一种面向程序化三维创作的代理中心型领域专用语言，并配套开发了按角色分工的多代理系统。代理不再依赖容易出错的绝对坐标，而是使用表达空间关系的关系运算符来操作几何结构。无需额外训练的“规划—执行—批评”流程会拆解用户请求、生成代码，并根据执行反馈修复错误和约束违规。实验表明，与既有基于大语言模型的方法相比，该方法在文本生成形状和图像生成形状任务中提升了鲁棒性、可控性以及对用户意
StartupBench：基于市场验证的端到端工作流评测通用智能体
StartupBench是一项评估AI智能体执行完整真实工作流程能力的基准测试。它不主要依赖研究人员挑选的任务，而是以已证明拥有用户采用率和实际需求的AI产品为基础，覆盖多个专业领域。研究人员将这些工作流转化为面向交付成果的任务，并通过细致的评分标准进行评估。即使是测试中表现最强的模型，也只能完整完成约30%的任务，尽管在许多任务上取得了明显的部分进展。复杂指令遵循和领域专业知识不足是主要失败原因
Abra：扩展图像扩散模型训练规模
一项系统性研究利用 Abra（一系列受控的流匹配 Transformer），分析文本生成图像扩散模型的扩展规律。研究使用 10^19 至 10^22 FLOPs 的计算量训练模型，覆盖三个数量级。结果显示，扩散模型与语言模型一样，能够以可预测的方式扩展，但要实现最优训练，需要更多数据：每个参数约需 200 个图像 token，约为语言模型 Chinchilla 计算最优建议的十倍。与语言模型不同，
ASI-Bench：人工超级智能的黎明
ASI-Bench是一项用于评估AI系统能否在有限人类指导下开展科学研究并创造新知识的新基准。该基准涵盖11个科学领域的60项项目级研究任务，并逐步减少人类提供的方法指导。在对18种先进代理与模型配置的测试中，系统在获得完整方法指导时的平均得分为50.91；当必须自行选择研究方法时，得分降至26.62。结果表明，当前AI系统仍高度依赖人类指导，距离自主完成端到端的科学研究还有明显差距。ASI-Be
层次化语言模型的动态多字节预测
研究人员提出多字节预测方法，以加快字节级层次化语言模型的推理速度。该方法能够并行生成多个字节，无需增加额外参数，同时对模型性能的影响较小。它采用与模型潜在片段对齐的可变长度预测窗口，并设计了新的注意力掩码机制，在支持并行字节预测的同时保持因果性。在文本生成、指令遵循、问答、摘要和机器翻译等任务上的评估显示，该方法在性能与推理吞吐量之间实现了较好的权衡。
Agentic ESOpt：以最低 GPU 需求微调长程 LLM 智能体
论文提出 Agentic ESOpt，使用进化策略（ES）替代传统强化学习，微调需要长期交互的 LLM 智能体。ES 可以在接近推理阶段的 GPU 显存占用下优化模型全部参数，从而避免沉重的反向传播训练流程，以及长轨迹中的奖励归因难题。该方法在当前模型参数附近采样扰动，评估生成智能体的奖励，并执行在线奖励加权更新；同时通过参数与上下文的协同演化提升适应能力。为平衡探索与适应，方法还采用扰动尺度的余
调查：52%的美国人对人工智能加速融入日常生活感到担忧多于兴奋
皮尤研究中心的一项调查显示，52%的美国人对人工智能在日常生活中的使用增加感到担忧多于兴奋，高于2021年的37%。在30岁以下人群中，这一比例达到55%，表明年轻人的担忧仍在上升。总体来看，近年来美国公众对人工智能的忧虑持续加深。
欧洲央行警告AI投资过热：泡沫破裂或冲击全球经济
欧洲央行警告，当前围绕生成式AI和聊天机器人的投资热潮，可能为市场大幅调整埋下伏笔。欧洲央行5名经济学家和研究人员撰写的文章指出，在投资者和企业期待AI带来前所未有生产力提升的背景下，美国股市估值已接近历史高位。欧洲家庭通过直接或间接方式持有约4400亿欧元的美国科技股，保险公司和养老基金也持有大量相关资产。因此，一旦AI相关股票估值下跌，影响可能从华尔街扩散至欧洲金融市场和实体经济。欧洲央行将当
Anthropic详述Claude加速蛋白质设计和分析化学的两项实验
Anthropic介绍了两项实验，展示Claude如何协助开展蛋白质设计和分析化学工作。该公司表示，结果表明Claude可能帮助生命科学研究人员提高研究速度，但目前信息主要来自Anthropic自身披露。公司还计划推出面向科学家的研究访问计划。
Z.ai 的 GLM-5.3 在 Artificial Analysis Intelligence Index 获得 60 分
据 Artificial Analysis 称，Z.ai 的 GLM-5.3 在启用最大推理设置后，于 Artificial Analysis Intelligence Index 获得 60 分。该成绩与 Kimi K3 持平，比 GLM-5.2 高 7 分，但低于 Opus 5 的 63 分和 Fable 5 的 62 分。如果按计划发布权重，GLM-5.3 可能跻身领先的开放权重模型之列。这