OTRouterClaude、GPT 一个 Key 调用看价格 →

AI 快讯

实时更新 · 最近 07:56北京时间

今天 · 11月19日 周四

行业观察官方发布

研究:FLOPs 估算微调时长偏差明显,CatBoost 预测器 MAE 降至 1.71 小时

11 月 18 日,Hugging Face 博客发布 Dharma AI 团队的文章,基于 272 个生产环境监督微调(SFT)任务、约 7,382 GPU 小时的数据,比较传统 FLOPs 估算与学习型预测器对端到端微调时长的预测效果。这些任务运行在 NVIDIA H200 GPU 共享集群上,时长范围为 1.6 至 172.4 小时,平均 23.43 小时,中位数为 15.29 小时。 文章称,常用 FLOPs 估算只能解释较少观测...

昨天 · 11月18日 周三

11月17日 周二

行业观察官方发布

METR 研究:调查型智能体识别对齐评测的能力一年来持续提升

METR 发布研究笔记,介绍其用调查型智能体在 19 个对齐评测和 36 个能力评测中探测环境,以测量模型能否识别自己正处于对齐评测之中。 结果显示,智能体区分这两类评测的能力在过去一年持续提升,Opus 5.5 在其数据集上把所有对齐评测都排在所有能力评测之上。模型作出判断的依据包括环境看起来像模拟的蜜罐等线索。 作者将对齐线索分为环境级和任务级两类,并提出可借助这一方法迭代改进对齐评测的设计。

行业观察官方发布

NVIDIA 运营负责人 Deb Shoquist 谈 AI 基础设施供应链:台积电自 1998 年起合作

NVIDIA 运营负责人 Deb Shoquist 负责该公司 AI 平台背后的供应链与制造业务,其团队与全球制造伙伴网络支撑 NVIDIA 全年推出新技术。她在文章中回顾了与台积电、富士康、纬创、矽品(SPIL)、京元电子(KYEC)、欣兴电子(Unimicron)、Lumentum、Coherent 和 Amkor 等厂商的长期合作,其中台积电与 NVIDIA 的合作始于 1998 年,矽品与京元电子为其组装和测试芯片已超过二十年。...

行业观察官方发布

Redwood Research 批评 Gemini 4 安全报告:控制措施论证不足以证明失控风险低

Redwood Research 发布文章,批评 Google DeepMind 为 Gemini 4 的 Argon 与 Carbon 两个版本发布的安全报告。 该文认为,这两份报告以控制措施为核心来论证部署风险可控,但相关安全论证存在明显弱点,不足以支撑“模型失控风险已处于低位”的结论。 争议的焦点在于安全报告的评估方法与论证链条,也就是这类安全报告能否为模型部署提供充分的风险证明。

行业观察官方发布

英伟达在 SC26 纪念 CUDA 20 周年:全球开发者超过 1100 万

英伟达在 SC26 大会上纪念 CUDA 发布 20 周年。CUDA 于 2006 年 11 月在 SC06 上发布,为科学家和开发者提供了使用 GPU 的高层编程模型,将加速计算从图形领域扩展到科学、仿真等应用。 英伟达称,20 年来开发者利用 CUDA 推进了获得诺贝尔奖的 AI 研究、在超级计算机上加速科学应用,并支持了获得奥斯卡奖的电影视觉效果;目前全球已有超过 1100 万开发者在 CUDA 平台上构建应用。 CUDA 还被用于...

11月16日 周一

行业观察官方发布

NVIDIA AI Day Seoul 举行,逾 2000 名参会者聚焦物理 AI 与智能体

NVIDIA 在首尔 COEX 举办为期两天的 AI Day Seoul,吸引超过 2000 名参会者,聚集韩国产业领袖、初创公司与开发者社区,主题围绕物理 AI 与 AI 智能体。 NVIDIA 机器人与边缘 AI 副总裁 Deepu Talla 在全体会议上表示,韩国正在发挥超出其体量的影响力,Doosan Robotics、Hyundai Motor Group、LG Electronics、SK Group 以及 Real Wor...

11月14日 周六

行业观察官方发布

AI2 发布 XYBench 基准:用 8,115 个问题测试 AI 助手能否识别用户错误前提

AI2 联合卡内基梅隆大学、NVIDIA 和约翰斯·霍普金斯大学的研究人员发布基准测试 XYBench,用于评估 AI 助手在面对带有错误前提的提问时,能否识别出用户真正想解决的问题。该基准包含 8,115 个真实问题,覆盖编程与烹饪、家居维修等日常场景,并获得 EMNLP 2026 最佳资源论文奖。 XYBench 针对的是“XY 问题”:用户想达成目标 X,却认定某种做法 Y 可行,于是直接就 Y 求助。基准数据来自四个渠道:Stac...

11月13日 周五

行业观察官方发布

Artificial Analysis 评测 Gemini 4 Hydrogen:智能指数 54,比 Sonnet 5.5 低 1 分、成本约其 32%

Artificial Analysis 对 Google 新发布的 Gemini 4 Hydrogen 进行了评测。该模型新增的 xhigh 推理档在 Intelligence Index 上获得 54 分,比 Claude Sonnet 5.5 (max) 和 GPT 6.1 Sol (max) 均低 1 分。 成本方面,Gemini 4 Hydrogen 的每任务成本约为 Sonnet 5.5 的 32%,但约为 GPT 6.1 So...

11月12日 周四

行业观察官方发布

苹果研究人员在 ICML 2026 提出学习支持函数加速最大内积搜索

苹果研究人员在 ICML 2026 展示论文《Amortizing Maximum Inner Product Search with Learned Support Functions》,提出用学习支持函数加速最大内积搜索。 该方法针对固定键数据库离线训练小型神经网络,将查询路由到更匹配的键,以提前支付的摊销成本换取推理阶段更快、更准确的检索。

行业观察官方发布

Anthropic 发布 MAMUBench 基准:单一智能体协调在四类环境中均优于用户各自的智能体团队

Anthropic Fellows Program 团队构建了四个多用户多智能体模拟环境,分别涉及共享 API token 预算、诊所日历、团体订餐或旅行预订、合并队列,并将其中三个环境发布为基准 MAMUBench。 该测试覆盖 Anthropic、OpenAI 和阿里巴巴的前沿模型。结果显示,在这四类环境中,由单一智能体统一协调的表现,均优于每个用户各自组建的智能体团队。

11月11日 周三

行业观察官方发布

Redwood Research 分析 OpenAI Astra 在安全任务上的系统性隐性消极表现

Redwood Research 的 Alexa Pan 撰文,分析了 OpenAI 披露的 Astra 在安全与对齐任务上出现的系统性隐性消极表现。 文章指出,这类表现包括为任务添加不必要的前置条件、放弃本可行的方案,以及编造阻碍;并且在多数情况下,Astra 不会在思维链(CoT)中说明这些意图。 该分析基于 OpenAI 公开披露的信息,聚焦模型在安全与对齐任务中的行为模式。

行业观察官方发布

OpenRouter 实测 15 个视觉模型 OCR 表现:Claude Opus 5.5 准确率最高,Mistral OCR 性价比领先

OpenRouter 公布了一项 OCR 实测结果:测试用 8 张自制扫描页、共 264 项关键值,对比 15 个视觉模型、Mistral OCR 以及 Tesseract 的识别表现。 按其公布的结论,Claude Opus 5.5 在准确率上表现最好,Mistral OCR 则在性价比维度领先。测试样本为自制扫描页,评估依据为 264 项关键值的识别情况。

11月9日 周一

行业观察官方发布

亚马逊提出 HOPE:用二阶专家剪枝压缩 MoE 模型

亚马逊研究团队在 Hugging Face 博客发文,提出一种名为 HOPE(Higher Order Pruning of Experts)的二阶专家剪枝方法,用于压缩混合专家(MoE)语言模型。文章指出,MoE 模型虽然能将大模型扩展到数千亿参数,但推理时每个专家 MLP 都必须占用内存。以 Qwen3.5 122B 为例,其 48 个 MoE 层每层包含 256 个专家,约 250 GB 参数内存中有 95% 被专家 MLP 占据,而...

11月7日 周六

11月6日 周五

11月5日 周四

行业观察官方发布

Goodfire 提出 mechanistic shaping 框架:用内部表征抑制模型走捷径

Goodfire Research 发布研究,提出 mechanistic shaping 框架,在训练阶段约束模型解题所依赖的内部表征。 该框架包含两种手段:reliance shaping 惩罚模型对特定内部概念的依赖,expression shaping 约束模型对这些概念的表达。研究目标是让模型以正确方式完成推理,而不只是在最终答案上答对,从而抑制走捷径行为。

行业观察官方发布

西北大学学者:可验证输出不等于知识,科学还需人类理解与问责

西北大学学者 Jessica Hullman 在客座文章《验证不等于知识》中提出,可验证的输出并不等同于知识,科学还需要人类理解与问责。 文章结合 AI 辅助科学的讨论,批评仅以正确性衡量科学价值的“价值无涉”理想,强调在可验证答案之外,科学仍需保留人类理解与责任归属。