清华与 Moonshot AI 发布 TCSExam 基准:GPT-6 Astra 证明 70.0% 研究级定理但解不开任何公开猜想
清华与 Moonshot AI 等机构发布 TCSExam 基准,用 100 道专家评审任务评估 LLM 在理论计算机研究全谱系的能力,涵盖 Lean 定理证明、求解器工程、构造纪录和 30 个公开猜想,所有提交由 Lean 内核或任务检查器验证。
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。
清华与 Moonshot AI 等机构发布 TCSExam 基准,用 100 道专家评审任务评估 LLM 在理论计算机研究全谱系的能力,涵盖 Lean 定理证明、求解器工程、构造纪录和 30 个公开猜想,所有提交由 Lean 内核或任务检查器验证。
从 DeepSeek Harness 的插件生态与亚文化传播切入,四位实践者讨论 Agent 编排、个人上下文资产、模型自改权重,以及软件与游戏走向网文化后的分发难题。
Google 推出开源 AI 编码智能体插件,遵循「设计如象般深入,审查似金鱼般高效」的原则。
DeepSeek 希望其开发工具 Harness 能成为 Agent 时代的操作系统,提供稳定基础能力,同时欢迎第三方插件替代内置功能,形成开放生态。
队友可以帮你撰写、出版并在 Kindle 上销售书籍
Zyphra 发布 ZONOS3-Mini,一个 Apache 2.0 开源的零样本语音克隆 TTS 模型,采用稀疏 MoE 架构,总参数 8 亿、活跃参数 1 亿,在 Pixel 9 浏览器端 Time To First Audio 低于 570 ms,在 M3 MacBook Air 上低于 150 ms。
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,两者为同一底层模型,Mythos 需通过 Cyber 或 Life Sciences Verification Program 申请访问。
Anthropic 与 Diode Computers 合作,让 Claude Fable 5.2 从简单提示词出发完成免提音箱、语音助手中枢和电子宠物三种设备的设计,包括 PCB 布局、CAD 建模、固件编写和 DFM 检查,三块电路板直接由工厂按设计文件制造,原型经数周使用仍正常工作。
百度文心团队发布自动研究系统 ERNIE Evolve,用双层循环组织研究方向选择与实验迭代,由 Director、Selector、Executor、Evaluator 和 Reviewer 分工推进研究。
字节 Seed 发布新一代图像创作模型 Seedream 5.5,带来三项升级:非编辑区域像素级保持、支持围绕同一作品多达 100 轮连续编辑;新增原生 RGBA 透明素材生成,直接输出带 Alpha 通道的图像,省去抠图;改善光照材质与皮肤纹理表现,并显著提升文字渲染能力。
DeepSeek 提出的「机制干预」方法通过 AI 代理在训练过程中动态插入 Python 代码,实现了模型架构的递归自我改进,显著提升了数学竞赛等任务的准确率。
Preferred Networks 以开放权重形式在 Hugging Face 发布金融特化小语言模型 PLaMo 3.0 Fin,采用 PLaMo 社区许可证,年收入或销售额低于 10 亿日元的企业及个人可免费商用。
IT之家 11 月 8 日消息,彭博社记者马克 · 古尔曼在今天(8 日)晚间更新的《Power On》时事通讯中披露,苹果新任 CEO 约翰 · 特努斯敦促软件工程主管克雷格 · 费德里吉加快 AI 业务发展,采取更大胆的策略,目标是将 Siri 升级为能够 自主替用户完成任务的 AI 智能体 。
Chamath 在 All-In Podcast 上称,若数据中心稀缺把算力价格推高 2 到 3 倍,SpaceX 与 Anthropic 的算力合约定价将由表格决定,而非两家公司关系。
提供 security-audit 开源技能的安装命令与使用方法,说明其可在代码仓库中启动子智能体进行安全审计。
蚂蚁集团旗下 AI 助手灵光宣布用户突破 2000 万,灵光 2.0 自 10 月 27 日上线以来一周内帮助用户管理超 116 万项事务,执行超 360 万次任务。
介绍 Cloudflare 官方开源的 AI 代码安全审计技能 security-audit,支持六步审计流程,可在 Claude Code 等智能体中使用。
Andrej Karpathy 用 Claude Opus 5.5 在一个周末搭建了 HackerTube,从 20 年 Hacker News 的 4300 万条评论中筛出 6454 个视频,并称观看体验明显优于 YouTube 自身的推荐。
作者实测前两天上线的 GPT-Image-2.6,整理出 10 个 GIF 玩法提示词(黏土定格动画、表情包、剪辑贴纸、loading 图、PPT 动态图表、爆炸拆解图等)并测试三项新能力。
n8n 发布 Verified Node Spotlight,演示用 TurboDocx 节点补齐合同电子签名环节:Excel 中标记 Ready to send 的行自动生成合同 PDF,经 Slack 审批后发送签署,客户签完后已签 PDF 归档到 SharePoint 并回写表格状态。
据 FT 报道,Anthropic 以 34 亿美元购入 1.7GW 的 Caterpillar 燃气发电机,是已知 AI 实验室最大规模的电力设备采购。这些订单原属圣安东尼奥供应商 OnePWR Solutions,两年前下单但因融资失败被 Anthropic 接手;由于下单早于涨价,设备将在未来两年内交付。
作者反驳 Seedance 热度不足的问题,提出真实素材剪辑+代码渲染+视频生成的可持续路径,并计划总结 Opus 视频破 200 万播放的经验。
Meta 发布论文《Learnings and Pitfalls from AI-Assisted A/B Experimentation at Scale》,介绍其 ABTest Agent:LLM 只负责选择和排序实验步骤,所有数字都由经过验证的确定性工具计算,报告模板要求每张表格可追溯到代码,知识库仅收录专家审核过的文档。
Anil Seth、Ned Block 和 Giulio Tononi 在 Nature 发表评论,认为今天的 AI 没有意识,在硅基硬件上大概率也不可能有意识,并反对把正确的计算等同于意识。
上海交大 IPADS 实验室联合化学化工学院团队在《自然》发表成果,构建 AI 原生科学实验室 AutoDNA(思源一号),实现自主分子生物学实验操作。
Claude Code 的‘禁止复刻游戏’政策在开发者反馈后被调整为允许类似机制而非直接抄袭,揭露大厂安全对齐的反复博弈。
在 PixVerse 上试试 Draw to Fly https://app.pixverse.ai/mini-apps/draw-to-fly?utm_source=Social&utm_medium=X
Anthropic CEO 指出 AI 正在加速颠覆法律、金融等领域的入门级白领岗位,职业成长必须从手动执行转向掌握 Agent 与自动化工作流。
据日经亚洲报道,富士电视台计划从 2027 年 10 月起在所有真人电视剧制作中使用生成式 AI,成为日本首家全面引入 AI 制作节目的大型商业电视台。
IT之家 11 月 8 日消息,据第一财经报道,在 2026 未来科学大奖的一场对话中,清华大学讲席教授、中国工程院外籍院士张亚勤向腾讯首席 AI 科学家姚顺雨抛出了一个尖锐的商业问题, 模型公司的护城河究竟是什么 ? 姚顺雨的回答是, AI 护城河更多存在于产品层,而不是模型层 。