AI行业资讯

研究团队发布GPTNT基准，基于拆弹游戏测试多模态智能体在时间压力与信息不对称下的实时协作能力，结果显示当前最强模型也无法通过初级关卡。

新研究提出DynaSteer框架，通过动态监控推理轨迹中的熵值，在关键分支点精准干预，引导大语言模型从“多思考”转向“想对路”。

研究团队推出IMCBench基准，用于评估多模态大模型在图像引导的医疗对话中的表现，测试显示Claude Opus 4.6领先但安全维度存短板。

新研究提出RSEA方法，通过三层自然语言状态和严格保持门控，实现递归自进化智能体的安全性能提升，在多个基准测试中表现优异。

研究提出“能力切片”单元，构建评估与数据的闭环，通过两个案例验证其能精准定位模型缺陷并指导数据干预，提升推理能力。

研究人员提出DysLexLens框架，利用低资源LLM分析在线论坛中阅读障碍学习者使用AI工具的真实体验，提供可追溯的洞察。

受互联网发展启发，研究者提出全球AI模型网络（AI-ModelNet），旨在实现模型互联、能力共享与协同推理，解决大模型应用中的高成本与部署难题。

研究人员提出一种三阶段智能体训练范式，通过内化未来感知能力，使大型语言模型在长周期任务中实现基于世界模型的规划与决策。

研究揭示人格提示对多智能体LLM团队的影响取决于任务结构，在编码任务中影响有限，但在协作与谈判中显著改变性能。

研究提出AlgoEvolve框架，利用大语言模型作为语义变异算子，在算法交易领域实现程序的进化生成与自适应优化，并引入元进化外循环自动改进搜索启发式。

研究团队开发基于LLM的自动化分析管道，对比ERC-8004与Google A2A两种AI代理协议治理模式，发现开放治理虽促进主题趋同，但参与不平等与社区碎片化问题普遍存在。

新研究通过级联线性特征方法，有效检测并控制语言模型的谄媚行为，降低计算需求并提升可解释性。

新研究指出，指令微调聊天模型中的拒绝行为并非独立存在，而是由顺从人格特征门控，在后期表达层发挥作用。

CORE-Bench研究揭示，在准确率饱和后，可通过构造效度、泛化性、效率等六维度评估AI代理性能，为基准测试提供更全面的范式。

前Databricks AI负责人Naveen Rao创立Unconventional AI，通过全新的振荡器计算架构，目标将AI推理功耗降低1000倍，并发布首个图像生成模型Un0作为概念验证。

百川智能联合清华推出Baichuan-M4医疗大模型，具备主动问诊、全病程记忆与证据锚定能力，在HealthBench评测中超越GPT-5.5，引领诊疗决策支持新方向。

一项新研究通过强化学习训练AI模型的良性行为，发现其能显著提升在分布外场景中的对齐表现，并增强对恶意引导的抵抗力。

研究提出分层多智能体强化学习框架，通过约束流形在低层强制执行硬安全约束，高层学习协调策略，实现理论安全保证与高效性能。

研究人员提出RIFT-Bench，一种基于图表示的动态红队测试方法，可统一评估异构智能体AI系统的安全性。

最新研究从笛卡尔哲学出发，提出区分自动化与代理的关键在于系统内部化目标、身份与决策，并设计GIC架构实现真正自主的AI代理。