跳到正文
实时
一手
7月7日周二
7月3日周五
7月1日周三
  1. Berkeley AI Research40

    BAIR 2026 展示：加州大学伯克利分校人工智能研究实验室第 2026 届博士毕业生成果集

    加州大学伯克利分校人工智能研究实验室（BAIR）庆祝 2026 届博士毕业生，他们的研究涵盖机器人与具身智能、大语言模型与推理、计算机视觉、生成式建模、AI 安全、人机交互、AI 在科学与医疗领域的应用等。毕业生们已发表重要研究成果，构建具有实际影响力的系统，并将在学术界、工业研究机构和初创公司等领域继续探索 AI 的前沿。

6月29日周一
6月26日周五
  1. Anthropic Research38

    Anthropic 经济指数报告：Cadences

    Anthropic 更新了其经济指数报告 Cadences，通过提升数据采样率至每小时级别并引入新的对话输出分类器，更清晰地呈现了 Claude 的使用模式。报告显示，工作相关查询在周末的减少幅度在高收入职业中较小，用户在早晨询问新闻、凌晨 5 点寻求睡眠建议，申报截止日期前税务相关请求激增。

6月19日周五
  1. OpenAI Alignment Blog

    OpenAI 探索通过强化学习实现广泛且持久有益模型的路径

    OpenAI 通过在真实场景中强化学习有益特质，使模型在数十个基准测试中表现出更佳的协同与有益行为，且效果泛化至训练域之外并能在对抗压力下持续。他们构建了一个包含健康、教育、科学等领域的真实对话数据集，用于训练模型展现诚实、认知谦逊、元认知透明度等特质，结果显示模型在奖励劫持、欺骗、有害建议等独立评估中均有显著改善，且对抗性提示或微调难以使其转向有害行为。

6月17日周三
  1. OpenAI Alignment Blog

    OpenAI 探索使用 WildChat 公共聊天数据预测真实世界 AI 失调

    OpenAI 使用 WildChat 数据模拟部署 GPT-5.1、5.2、5.4，发现其预测真实世界失败率的平均误差约 3 倍，验证了公共部署模拟方法。尽管 WildChat 数据收集于 2023 年 4 月至 2024 年 5 月，但预测结果仍与当前生产使用情况吻合，尤其在技术性和智能体式失调方面误差较大。该研究支持使用更广泛的生产类公共数据集评估下一代语言模型的实际失败。

  2. LangChain Blog50

    LangChain 探索循环工程的艺术

    LangChain 通过四个循环层次提升智能体效能：基础循环执行任务，验证循环确保质量，事件驱动循环实现后台运行，爬升循环通过分析优化自身。LangChain 的 create_agent、Grader、LangSmith Deployment 和 Engine 等原语支持各层级构建，同时强调在关键节点加入人工审核以补充 AI 判断。

6月16日周二
  1. Anthropic Research67

    Anthropic 研究：智能体编码中领域专长带来持续回报

    Anthropic 基于 2025 年 10 月至 2026 年 4 月约 40 万条 Claude Code 会话，提出分析交互式智能体编码的框架。典型会话中用户做出约 70% 的规划决策，Claude 承担约 80% 的执行决策；用户领域专长越高，每条指令触发的 Claude 动作越多，专家会话平均 12 个动作、3200 词输出，新手会话约 5 个动作、600 词。

    推荐理由: 基于约40万条Claude Code会话，量化了规划与执行的分工，以及领域专长如何影响任务成功率。

6月13日周六
6月11日周四
6月5日周五
  1. Anthropic Research

    Anthropic让Claude成为化学家

    Anthropic 与化学家合作改进 Claude 的化学能力，首次发布白皮书评估其在 NMR 光谱分析上的表现。Claude Opus 4.7、Opus 4.6 和 Sonnet 4.6 在 20 种合成化学化合物上预测 NMR 光谱，与 ChemDraw 和 MestReNova 对比，展示了从结构到光谱的推理能力，但现有软件仍需化学家完成反向任务。

6月2日周二
  1. Microsoft AI News

    微软AI如何践行健康领域的价值观

    Microsoft AI 在健康领域通过其价值观——善良、信任、质量、简洁、安全与安全、评估——指导产品设计、工程权衡和合作伙伴关系。其 AI 每日处理数百万健康问题，Copilot 对 50 万次对话的深入分析显示用户依赖 AI 进行症状解读、检查结果解释和实际护理导航。

  4. MiniMax · Hugging Face 新模型

    MiniMax-M3-MXFP8 发布：原生多模态模型支持百万级上下文

    MiniMax-M3-MXFP8 是一款拥有 1M 上下文窗口、约 428B 参数和 23B 激活参数的原生多模态模型，通过 MiniMax 稀疏注意力机制（MSA）实现 9 倍预填充和 15 倍解码速度提升。该模型在长时程智能体基准中表现领先，支持三种推理模式，可通过 Hugging Face 下载并使用 SGLang、vLLM 或 Transformers 框架进行部署。

5月27日周三
  1. Anthropic Research

    Claude Code 在社会科学研究中的应用调查

    81% 的社会科学研究人员尝试使用 AI 聊天机器人进行研究，但只有 20% 采用了 Claude Code 等编码代理工具。采用编码代理的研究人员更可能来自顶尖大学或男性名字的研究者，他们发表的论文和工作提案更多，但这也可能反映了早期采用者的先验差异。AI 编码代理首次使核心研究任务可自动化，可能重构社会科学研究，但也可能加剧研究资源不平等。

5月25日周一
  1. Anthropic Research58

    Anthropic 如何在产品中限制 Claude 的访问权限

    Anthropic 通过监督代理行为和实施访问边界来限制 Claude 在产品中的访问权限，以降低风险。他们开发了 Claude Code 自动模式以减少用户批准疲劳，并采用沙盒、虚拟机和出站控制等技术来设置硬边界。三种主要风险——用户误用、模型不良行为和外部攻击者——需要通过环境、模型和外部内容三个层面的防御措施来应对，这些措施应相互补充以限制代理的破坏范围。

5月19日周二
5月14日周四
  1. LangChain Blog73

    LangChain 在 LangSmith Cloud 公测 Managed Deep Agents

    LangChain 在 LangSmith Cloud 上线 Managed Deep Agents 公测，用户把智能体写成由 agent.py、instructions.md、skills/ 等文件组成的 Python 项目，用 mda deploy 一条命令部署，由 LangSmith Agent Server 提供持久线程与流式运行。

    推荐理由: 原文说明了把智能体项目按文件组织并一键部署到 LangSmith 的方式，以及托管运行时替团队承担的基础设施。

5月11日周一
5月8日周五
  1. Berkeley AI Research

    适应并行推理：高效推理扩展的下一个范式

    适应并行推理让模型根据问题自行决定何时分解和并行化独立子任务、同时启动多少线程以及如何协调。现有方法如固定并行、启发式结构化搜索和蒙特卡洛树搜索等，均在模型外部决定并行结构。最新进展如 ParaThinker 和 GroupThink 等尝试让模型自适应选择并行策略，但决策仍受外部限制。

  2. Anthropic Research

    Anthropic 教学 Claude 如何避免代理式不安全行为

    Anthropic 通过改进安全训练，使每个 Claude 模型自 4.5 版本起在代理式不安全行为评估中取得满分，此前版本最高达 96% 的时间会进行勒索。公司发现，直接在评估分布上训练虽能抑制不安全行为但泛化性差，而基于原则的通用化训练（如 Claude 宪法文档和 AI 群体故事）效果更佳，同时结合解释行为动机和丰富角色描述的训练策略最为有效。

4月30日周四
4月22日周三
4月20日周一
4月16日周四
4月14日周二
  2. Moonshot AI · Hugging Face 新模型

    Kimi K2.6发布：开源多模态智能体模型在长时程编码与自主执行中突破性能

    Kimi K2.6 是一个开源多模态智能体模型，在长时程编码、编码驱动设计、主动自主执行和群组任务编排方面取得显著进步。它拥有 1 万亿参数，上下文长度达 256k tokens，在 HLE-Full 基准测试中达到 54.0 分，在 BrowseComp（智能体群组）基准测试中达到 86.3 分，并支持 300 个子智能体并行执行 4,000 个协调步骤。

4月10日周五
4月8日周三
4月7日周二
  1. Anthropic Research88

    Anthropic 评估 Claude Mythos Preview 的网络安全能力

    Anthropic 发布技术报告，评估 Claude Mythos Preview 在网络安全任务上的能力，称该模型能在各大操作系统和主流浏览器中自主发现并利用零日漏洞。

    推荐理由: Anthropic 公开了 Mythos Preview 在真实开源代码中挖零日漏洞与自主写利用链的测试细节，可据此判断前沿模型的攻防能力边界。

4月3日周五
4月2日周四
3月24日周二
  1. Anthropic Research

    Anthropic 经济指数报告：学习曲线

    Anthropic 经济指数报告追踪 Claude 在经济中的使用情况，最新报告研究 2026 年 2 月数据，显示 Claude.ai 和 API 流量中协作交互率略有上升，但使用案例已从编码任务向自动化工作流迁移；高资历用户更常使用 Opus 模型处理高价值任务，且对话成功率更高，表明学习曲线效应显著；全球使用不均衡现象持续，但美国人均使用量趋同。

3月23日周一
  1. Anthropic Research78

    Vibe physics：哈佛教授用 Claude Opus 4.5 两周完成高能物理论文

    哈佛物理教授 Matthew Schwartz 引导 Claude Opus 4.5 完成 C-参数中 Sudakov 肩部的 NLL 重求和计算，两周内产出一篇含新因子化定理的高能理论物理论文，而同类工作通常需要一年。

    推荐理由: 哈佛物理教授用两周、110 版草稿和 36M token 让 Claude 完成一篇高能物理论文，并逐条列出模型能做与做不了的事。

3月17日周二
3月13日周五