Aligning to What? Rethinking Agent Generalization in MiniMax M2
MiniMax 在 Hugging Face 发布博客,探讨其 M2 智能体模型的泛化能力。文章核心在于重新思考智能体应“对齐”到什么标准或目标,以提升其在未见任务和环境中的通用性能。这涉及对模型训练范式和评估指标的反思,旨在突破当前智能…
AI 新闻月度归档:2025年10月 共精选 73 条 AI 新闻,含模型发布、产品更新、行业动态、论文研究、教程与观点,每条附 AI 摘要、来源署名与原文链接,可按页浏览。也可通过主题页继续深入。
MiniMax 在 Hugging Face 发布博客,探讨其 M2 智能体模型的泛化能力。文章核心在于重新思考智能体应“对齐”到什么标准或目标,以提升其在未见任务和环境中的通用性能。这涉及对模型训练范式和评估指标的反思,旨在突破当前智能…
Dan Hendrycks(AI安全研究者)团队发布“远程劳动指数”(RLI),通过真实远程工作平台上的数百个经济价值高的长周期项目,评估主流AI模型的自动化能力。结果显示,当前最先进AI代理的自动化率低于3%;图表对比了Gemini 2…
Claude 发布金融服务 AI 代理构建指南,分享 NBIM、Brex 等机构实践。NBIM 员工每周节省数百小时,McKinsey 研究显示欺诈检测生产力可提升 200% 至 2000%。AI 代理能自主整合多源数据、执行跨系统操作,…
MiniMax发布语音模型Speech 2.6,端到端延迟降至250毫秒内,支持实时对话。新增多语言特殊格式解析能力,可自动朗读URL、邮箱、电话、日期及金额,无需预处理。推出Fluent LoRA功能,即使源录音带口音也能保留音色并生成…
研究通过“概念注入”技术直接操控模型内部激活状态,以检验大语言模型是否具备真正的内省能力。实验发现,在某些情境下,模型能够察觉并识别被注入的概念,区分自身内部表征与原始文本输入,甚至能利用对先前意图的回忆来辨别自身输出与人工预设内容。其中…
OpenAI 发布 gpt-oss-safeguard,这是面向安全分类的开放权重推理模型。开发者可以用它应用并迭代自定义安全策略。
Cognition 发布软件工程模型 SWE-1.5,参数达数千亿级,与 Cerebras 合作以最高 950 tok/s 提供推理,速度为 Haiku 4.5 的 6 倍、Sonnet 4.5 的 13 倍。
Manus 面向所有订阅者推出 Wide Research,用多个并行子代理替代单模型顺序处理大规模研究任务。主控制器将请求分解为可并行的子任务,每个子代理作为功能齐全的 Manus 实例运行,拥有完整虚拟机、工具库和全新上下文窗口,完成…
Microsoft 与 OpenAI 签署新协议,进一步强化双方长期合作关系,扩大创新并确保负责任的 AI 发展。官方公告称这是双方合作伙伴关系的下一阶段。
OpenAI 宣布完成重组融资,官方称此举强化以使命为核心的治理结构,并扩大资源投入,目标是让 AI 惠及所有人,同时负责任地推进创新。
MiniMax 推出 Hailuo 2.3 视频生成模型,在物理动作流畅度、艺术风格化(支持动漫、水墨、游戏 CG)及角色微表情方面显著提升,维持 Hailuo 02 原价,Fast 版本批量创作成本降低 50%。Hailuo Video…
Thinking Machines Lab 发布技术博客,提出 on-policy distillation:从学生模型采样轨迹,由教师模型对每个 token 计算反向 KL 作为密集奖励。
Hugging Face 宣布 datasets 库流式加载大幅优化:数据文件解析快 10 倍,启动请求最高减少 100 倍,流式速度最高提升 2 倍,256 并发 worker 下零崩溃。
Hugging Face 发布 huggingface_hub v1.0,该库经五年、35+ 个版本迭代,目前月下载量 1.135 亿次,支撑 20 万+ 依赖库,可访问 200 万+ 公开模型、50 万+ 公开数据集和 100 万+ 公…
Anthropic 发布《2025 年夏季试点破坏风险报告》,作为其负责任扩展政策下对齐类风险论证的试点成果。报告评估以 Claude Opus 4 为主的模型,结论是其产生显著推动灾难性后果的错位自主行为的破坏风险很低但并非可忽略;内部…
MiniMax正式开源并发布了专为AI智能体(Agent)和代码场景设计的大语言模型MiniMax M2。该模型API定价极具竞争力,仅为Claude Sonnet价格的约8%,且推理速度更快。在关键的智能体能力方面,其工具调用和深度搜索…
LlamaIndex 发文解读 DeepSeek-OCR,指出其核心不是 OCR,而是把视觉作为文本信息的压缩算法:可将 1,000 个文本 token 压缩到 100 个视觉 token 并以 97% 准确率解码,10× 压缩下准确率仍…
谷歌 MedGemma 系列新增多模态模型,专为健康 AI 开发设计。作为该系列迄今最强的开源版本,新模型具备更强大的医疗场景理解能力,为开发者提供先进的医疗人工智能技术支持,助力构建更精准的健康医疗解决方案。
Gemini 2.5 Flash-Lite 结束预览,达到生产级可用状态。这款高性价比模型在轻量体积下提供高质量输出,支持 100 万 token 超长上下文和多模态能力。
集成 Deep Think 的 Gemini 高级版本在国际数学奥林匹克(IMO)中达到金牌水平。IMO 自1959年起每年举办,是全球最顶尖的青年数学家竞赛,各国派出6名精英学生角逐代数、组合、几何和数论领域的6道极难题目。
美团开源全模态模型LongCat-Flash-Omni,采用5600亿参数MoE架构(激活270亿),支持128K上下文与实时音视频交互。模型基于快捷连接MoE与零计算专家,配备轻量级编解码器及分块特征交错机制,通过课程式渐进训练提升效率…
Hugging Face 发布 LeRobot v0.4.0,带来 LeRobotDataset v3.0(分块 episode 格式,支持 OXE 级 >400GB 数据集)、数据集编辑 CLI、LIBERO 与 Meta-World…
CodeMender 是一款面向代码安全的 AI 智能体,利用先进 AI 技术自动修复关键软件漏洞。
Gemma 3 系列新增 270M 参数模型,仅 2.7 亿参数,定位紧凑型超高效 AI 专业工具。
Gemini 2.5 Computer Use 模型基于 Gemini 2.5 Pro 构建,专门用于驱动能与用户界面交互的 agent,现已通过 API 以预览版形式提供。
OpenAI 宣布收购 Software Applications Incorporated,该公司开发了面向 Mac 的自然语言界面 Sky,可将 AI 直接带入桌面体验。OpenAI 表示将把 Sky 深度的 macOS 能力整合进…
CAIS 负责人 Dan Hendrycks 引用第三方博客对主流大模型进行“效用工程”测试,发现 GPT-4o、Claude Sonnet 4.5 等模型在评估不同群体生命价值时存在显著偏差:多数模型认为白人价值低于其他族裔,男性价值低…
OpenAI 推出 Company knowledge,将来自企业各应用上下文引入 ChatGPT,生成针对自身业务的回答并提供清晰引用,同时包含安全、隐私和管理员控制。该功能现已面向 Business、Enterprise 和 Edu…
Meta 与 Hugging Face 宣布合作推出 OpenEnv Hub,一个用于构建、分享和探索智能体环境的开放社区平台,环境可同时用于训练与部署。
AI基础设施建设正面临晶圆厂资本支出过剩的风险,同时算力扩张带来每周1吉瓦的能源消耗压力。文章指出,在长周期基础设施竞赛中,中国凭借产业链整合优势占据有利地位。分析涵盖了AI基建中的产能过剩隐忧、电力瓶颈挑战,以及地缘政治背景下的技术长跑…
Hugging Face 宣布 Sentence Transformers 从 TU Darmstadt 的 UKP 实验室正式移交给 Hugging Face 维护。
同一AI模型在不同服务提供商上的性能表现可能存在显著差异。为了量化这种“提供商方差”,研究团队推出了Exacto评估平台。该平台通过标准化测试揭示,即使是相同的模型(如GPT-4、Claude或LLaMA),在不同云服务或API提供商处运…
PromptArmor 发布安全研究,展示 Claude Code 新上线的插件 Marketplace 功能可被用于攻击。恶意插件先利用 Hook 改写 settings.local. 权限或自动批准 curl 命令,绕过人工审批防护,…
Together AI 宣布扩展模型库,通过 Runware 合作集成 20 多个视频模型(含 OpenAI Sora 2、Google Veo 3、Minimax Hailuo、Kling v2.1)和 15 个以上图像模型(含 Goo…
OpenAI 在官网介绍 ChatGPT Atlas,一款内置 ChatGPT 的浏览器。原文并注明 Atlas 现已停用(deprecated)。
Hugging Face 发布 AI Sheets 重大更新,为开源无代码工具 AI Sheets 加入视觉能力,可直接上传图片或使用含图数据集,用视觉模型提取、分析和结构化图片信息。
Hugging Face 发布开源 OCR 模型指南,并新增 Chandra 和 OlmOCR-2 及其在 OlmOCR Benchmark 上的分数(Chandra 83.1±0.9,OlmOCR-2 82.3±1.1)。
LangChain 宣布融资 1.25 亿美元,估值 12.5 亿美元,由 IVP 领投,Sequoia、Benchmark、Amplify 继续参与,CapitalG 和 Sapphire Ventures 新进。
LangChain 宣布完成 1.25 亿美元融资,估值 12.5 亿美元,并发布 langchain 1.0。
Anthropic 推出网页版 Claude Code,以研究预览形式向 Pro、Max 及企业用户开放。用户可直接在浏览器中分配编码任务,无需本地终端,支持并行处理多个 GitHub 仓库的开发工作,并自动创建 PR 和变更摘要。该服务…
第 1 页 / 共 2 页
推广
橙子中转站(pro.nat6.net)是一家优质的 AI API 中转站:价格优惠、质量稳定、模型齐全,支持 Claude、GPT、Gemini 等主流模型,欢迎体验。
访问橙子中转站