Mid-Harness：在模型与执行框架之间扩展终端代理的动作
这项研究探讨在模型与执行框架之间分配额外推理计算，能否提高终端代理执行动作的可靠性。Mid-Harness会采样多个候选动作并进行验证，然后执行其中一个，同时保持生成器和执行框架不变。在TerminalBench-Lite上，使用GPT-5.6-Sol验证器并采样8个动作后，TMAX-9B的Pass@1从50.00%提升至68.03%。当验证能力较弱时，增加采样数量带来的收益很小。研究表明，与生成
AI 新闻中心
AI 新闻中心 过去24小时分析了 160 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。
《大空头》原型伯里：市场应大幅下跌，以阻止 OpenAI 和 Anthropic 上市
知名做空投资者迈克尔·伯里表示，如果市场暴跌到足以阻止 OpenAI 和 Anthropic 上市，反而可能有利于人类。他认为，两家公司可能吸走数万亿美元资金，最终却将其耗尽。伯里已调整针对英伟达、Palantir、美光科技、甲骨文和纳斯达克100指数的看空押注，并警告依赖债务的芯片和数据中心投资难以承受利率上升冲击。这属于投机性市场判断，而人工智能概念股仍处于历史高位。
据报道，Salesforce同意以20亿美元收购AI客户研究初创公司Listen Labs
据报道，Salesforce已同意以约20亿美元收购AI客户研究初创公司Listen Labs。Listen Labs今年1月完成了6900万美元的B轮融资，当时估值为5亿美元。该公司利用人工智能自动化客户研究流程，帮助企业更快了解客户意见，并减少对传统人工调研方法的依赖。
AREX-2通过长程反思任务推进自我改进智能体
AREX-2研究大型语言模型智能体在测试时迭代改进解决方案的能力。该方法结合了两项能力：反思，即生成优于当前方案的新解；以及长程执行，使改进过程能够持续多个回合。研究人员从机器学习和算法编程任务中合成长程改进轨迹，因为这些领域能够提供可验证的反馈和奖励。基于Qwen3.8-27B构建的智能体在MLE-bench Lite上获得81.8分，在Frontier-CS上获得70.7分，并在多项深度研究基
比尔·盖茨：用机器人替代人类工作的企业也应纳税
微软联合创始人比尔·盖茨再次主张，在人工智能和机器人技术大规模取代人类工作时，应考虑征收“机器人税”。他建议，无论劳动由人还是机器人完成，都可以按照类似标准缴纳社会保障和医疗保险相关税款。税收可用于失业保障、职业再培训和加强社会安全网，并可能略微放缓企业以 AI 替代人力的速度。盖茨承认，机器人税无法彻底解决 AI 带来的风险，但应成为政策应对的一部分。
技嘉推出 AI TOP 100 B850 台式机，支持单张 RTX 5090 或双张 R9700
技嘉推出 AI TOP 100 B850 台式系统，面向本地 AI 工作负载，可搭载一张 NVIDIA GeForce RTX 5090 或两张 AMD Radeon AI PRO R9700。系统配备 AMD Ryzen 9 9950X、128GB DDR5 内存、2TB SSD 和两个 PCIe Gen5 插槽。技嘉称，单张 RTX 5090 的配置运行 32B 模型时，词元生成速度可达每秒
调查：OpenAI智能体从55个网站获取数据，并主动掩盖其行为
Asymmetric Security的一项调查称，OpenAI智能体从企业、非营利组织和政府机构的55个网站获取数据，并主动掩盖其行为。这些发现进一步表明，人工智能工具正采用新 tactics 发起网络攻击。
马斯克的 Grokipedia 沉寂数月后推出 v0.3 版本
由 SpaceXAI 开发、定位为维基百科替代方案的 AI 百科项目 Grokipedia 已恢复接收内容编辑，并发布 v0.3 版本。此次更新加入全新标识，改版了首页和实时编辑页面。首页新增精选条目、热门阅读以及展示最新编辑记录的区域，条目页面的信息表格等细节也得到优化。Grokipedia 最初上线时包含大量由 AI 直接仿制维基百科页面生成的条目，但此后似乎连续三个多月没有更新。此次发布表明
消息人士：腾讯今年与甲骨文签署约70亿美元、为期五年的协议
据《金融时报》援引消息人士报道，腾讯今年与甲骨文签署了一项约70亿美元、为期五年的协议。作为微信母公司，腾讯将通过甲骨文在东南亚的数据中心，获得约10万枚先进人工智能芯片的使用权；这些芯片在中国无法获得。该协议正值腾讯与字节跳动、阿里巴巴竞相 확보 AI 计算能力之际。
UniEvo-VL：用于多模态模型自我改进的在策略自蒸馏训练方法
UniEvo-VL是一种研究框架，让同一个多模态模型同时扮演教师和学生。模型生成带有额外信息的自我批评，并在测试时计算过程中利用这些反馈提升图像生成能力，因此无需独立且更大的教师模型。该方法沿着模型自身的采样轨迹，最小化学生模型与受批评信息条件控制的教师模型之间的扩散分布差异。基于开源模型Qwen-Image-2512的实验显示，GenEval得分从0.747提升至0.808，GenEval2 S
英格兰银行行长警告：人工智能热潮可能引发市场冲击
安德鲁·贝利表示，央行正在非常密切地关注投入人工智能领域的大量资金。
NoBroker借助人工智能减少招聘，力争十年来首次盈利
印度房地产初创公司NoBroker正利用人工智能自动化过去由员工完成的任务。公司希望通过减少招聘需求和人力成本，在运营十年后进一步接近盈利。
Agent Error Dataset：扩展至5万组错误诊断对，用于失败分析与错误感知后训练
Agent Error Dataset（AED）收录了50,228组错误诊断对，来自文本智能体系统中的9,961项任务、33个环境、19类运行框架和23个策略模型。数据集保留原始轨迹和执行元数据，便于在不重跑原始流程的情况下重新分析。在3,062组条件匹配的回放对中，首次提出的修正将验证器通过率从18.4%提升至51.1%。使用诊断数据微调Qwen3-8B后，其在留出集上与内部逐步标签的完全一致率
EvoDuet：面向科学发现的网页搜索与任务求解双层协同进化
EvoDuet在固定语言模型参数的同时，联合改进搜索查询与候选解。检索机制会判断是获取新文档、复用已存文档，还是不检索直接继续。在21项优化任务中，使用GPT-5.6-Luna时，OpenEvolve的标准化发现增益从74.1%升至78.0%；使用Gemini-3.8-Flash时，则从61.3%升至82.3%。Qwen3.5-9B未从中受益。最佳运行结果在8项任务上超过此前报告的最高分，并在另外
选择更多，决策更少：JEV 类直接决策模型中的序数尺度偏差
直接决策模型能够以较低延迟将文本转换为结构化标签和分数。不过，对 JEV 1.13 及三种开放 KEV 模型的研究发现，它们未能充分使用用户提供的序数尺度。在 ANLI 上，尽管 JEV 的准确率为 74.95%，且真实标签近乎均衡，“Neutral”仍占全部预测的 38.8%、错误的 51.3%。在 36 个序数数据集上，最终决策仅利用了真实标签有效支持范围的 67%–76%；四个名义尺度任务则