Google DeepMind 论文:模型竞价拍卖选最优回答
Google DeepMind 新论文提出让各模型为回答每个问题“出价”、由最高出价者作答的拍卖机制,在 110 个模型、超 30,000 条 EmbedLLM 提示词上模拟,效果达最优模型选择的 99.2%,而按提示词类型路由到最佳模型仅 89.4%。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
Google DeepMind 新论文提出让各模型为回答每个问题“出价”、由最高出价者作答的拍卖机制,在 110 个模型、超 30,000 条 EmbedLLM 提示词上模拟,效果达最优模型选择的 99.2%,而按提示词类型路由到最佳模型仅 89.4%。
试试 Grok @Bot
Microsoft 在 Science 发表研究,称其 Diagnostic Orchestrator 在 SDBench 基准上诊断准确率最高达人类医生的四倍,计划开源该基准。
Anthropic 宣布将 Agent Skills 捐赠给 Agentic AI Foundation(@AgenticAIFdn),此前 MCP 也捐赠给了同一基金会。自 2025 年 12 月以来,已有 70 多个智能体平台接入该标准,包括 ChatGPT、Cursor、GitHub Copilot 和 VS Code。
Google 宣布推出 Agent Compute Engine,为每个 AI 智能体分配独立虚拟机,已支撑 Gemini,将在未来几个月开放预览。每个智能体运行在由 Google Titanium 芯片保护的 microVM 中,空闲时 VM 自动暂停,共享内存降低运行成本,Google 称单台服务器可容纳十倍的智能体数量。
OpenAI 总裁 Greg Brockman 宣布与 Uber 合作,将 ChatGPT Work 推向 Uber 全体员工,为全公司带来智能体能力。
PyTorch Foundation 公布 2026 届大使名单,共 24 人,覆盖五个项目区域,从尼日利亚、布基纳法索到新加坡、印度、罗马尼亚、西班牙、英国和美国。
如今AI实验室都在承受两年前做出的算力押注,而两年前没有哪家公司能预见AI算力需求会变得多大。 > “我不认为今天世界上会有哪家公司坐下来跟你说,你知道,他们两年前的决定做对了。
Latent Space 在 Modal 完成 7.5 亿美元 Series D(估值 160 亿美元、年化收入超 10 亿美元)之际,专访 CEO Erik Bernhardsson,解释支撑增长的基础设施与经济逻辑。
Atlas 让你从单张输入图像开始构建大型 3D 环境。 随后你可以在该世界中定义一条相机路径,并沿路径生成视频。 下面展示了 3D 结构、相机路径与最终飞越视频之间的关联。
Liquid AI 发布实时推理管线 RIPL,可在实时请求路径中服务 230M 至 2.6B 参数的 LFM2.5 模型,端到端生成响应低于 50 ms。按其自测数据,RIPL 的 p95 延迟比 vLLM 上的 Qwen3.5 低 5.6 至 28.4 倍,其中 LFM2.5-1.2B 为 155.8 ms 对 4,431 ms。
来花我们的 token OpenClaw focus weeks 邀请你加入我们的团队服务器,与我们一起构建 你可以使用我们的智能体、花我们的 token,并获得我们维护者的专业建议和帮助 加入前沿 https://openclaw.ai/blog/openclaw-focus-weeks
@JensenHuang 主题演讲对 https://pollen-robotics.com/microduck 预售的影响。 明天总预订单量可能会突破 20,000+,这或许会让 Microduck 成为 2026 年销量最高的机器人?
使用经 AA-PersonalityBench 评估的人格特质,构建你自己的自定义人格套件
早上6点的我,带着你的每日简报
外面的情况相当糟糕(网络攻击方面)。 人们抱怨 AI 写出垃圾代码。但我们的软件和互联网基础设施,靠的是人类 50 年来写下的垃圾代码在运转。 如今连笨拙的 AI 模型都在变成强大的黑客工具。 竞赛已经开始:防守方需要用 AI 抢在攻击者之前找到并修补漏洞。
Nintendo Switch 2 被破解,modder Sammy Hajhamid(pepsipu)发布了名为 ns2jb 的软件类 tethered 破解,据称借助了 OpenAI 的 Codex。
GitHub Bug Bounty 团队在网络安全意识月专访研究员 @r31n,其专注 GitHub Enterprise Server 并多次发现高影响问题。@r31n 表示偏好手工调查与小型专用脚本,认为 AI 对其工作方式的影响超过任何单一安全工具,但心态比工具更重要。
n8n 发布指南,梳理 AI 智能体工作流中的幻觉检测方法,将幻觉分为事实性、上下文性、虚构和自相矛盾四类。检测手段包括基于 DeepEval 的忠实度与接地性检查、自一致性检查、语义熵与不确定性估计、来源与检索验证,以及置信度阈值和人工介入。指南强调没有单一检测器能覆盖所有失败模式,需按失败类型分层组合多种检查。
我有个朋友开始用“agi”和“agiiiii”这样的说法,来代替“awesome”或“that's dope”这类表达基本热情的短语,我觉得我还挺喜欢的
ARC Prize 公布 DeepSeek V4.1 Flash 1017 在 ARC-AGI Verified 上的成绩:ARC-AGI-2 为 78.1%($0.16/task),ARC-AGI-1 为 94.5%($0.06/task)。
Meta Muse 修复了共享 artifact 的设计缺陷:部分共享 artifact 的 URL 可通过被动 DNS 被发现,团队已立即关闭共享并在修复后恢复。修复前分享的 artifact 会生成新 URL,旧链接访问者将看到提示向分享者索取新链接。
GOOGLE 🔥:Google Cloud 推出全新的 Agent Compute Engine。 ACE 是一种专为 AI 智能体打造的新型 VM 类型,旨在让用户能够规模化运营。 该系统包括 Agent Gateway、Agent Registry、Agent Identity 和 Agent Observability。
Maxinsights 推出 MaxGlove,在人们真实工作时记录手部触觉与力数据,补上摄像头拍不到的那层抓握信息。压力决定抓握成败——杯子是滑落还是碎裂,打滑时的修正始于指尖,通常早于摄像头察觉。Maxinsights 称已拍摄 2M+ 小时视频,目标到 2027 年积累一百万小时力数据。
Gradium(从 Kyutai 分拆的巴黎语音 AI 公司)开源 Phonon 端侧 TTS 模型家族,其中英文 Phonon 31m 为 31M 参数、64.5 MB q8 GGUF,采用 Apache 2.0 许可证,无需 GPU 或云端调用即可在 CPU、手机、树莓派 5 和浏览器上运行。
Ideogram 发布首个矢量模型 Vector 1.0,可由文本提示生成带平滑渐变和清晰排版的干净、可编辑 SVG,也能把任意图像转为可缩放的详细矢量。生成的 SVG 各组件为独立图层,用户可旋转和移动;目前已上线 Ideogram 及其 API。
Muse 工程负责人 David Singleton 宣布 1Password 直接接入 Muse,用户批准每次登录后 Muse 可继续完成任务,密码始终留在 1Password 保险库中,智能体无法看到或取走凭据。该功能将在未来几天内覆盖所有平台。
黑客入侵 IT 管理公司 ConnectWise 的云备份服务并窃取应用凭证,冒充授权用户访问约 2250 家企业客户的邮箱和文件。Microsoft 研究人员称攻击者利用 AI 智能体以每分钟近 3000 次登录的速度批量入侵,所用工具是开源 AI 框架 ARTEX,该框架此前也被用于入侵韩国金融系统。
METR 和 Redwood Research 各一名员工今年夏天在 OpenAI 驻场三周,评估其内部智能体错位监控系统,简报现已公开。
Cohere 发布 Rerank 5 重排模型家族,含 rerank-v5.0-pro 和 rerank-v5.0-fast 两档,支持 32K 上下文和 100+ 语言,提供 Context Focus(返回带分数的字符片段)和按概率可解读的校准分数。