新闻资讯

• Agent-R² 用真实文件训练办公智能体

  研究从公开材料构造约 4000 项办公任务，把多种格式的附件和可核查的交付要求配对。

• Airbnb 用微调小模型做内容分类

  其工程团队报告，Gemma4-E2B 在本次分类测试中达到 0.902 F1，中位延迟约 35 毫秒。

• 亚马逊开始测试用短信和 Alexa 购物

  首批向部分美国用户开放，可通过短信找商品、加购物车、查订单和设置降价提醒。

• Anthropic 拆解智能体如何跨会话记忆

  团队测试让 Claude 在空闲时复查旧日志、纠错和更新知识库，以改善后续任务。

• 安全研究人员发现大量 Artex 控制台暴露

  TechCrunch 援引 Censys 的发现报道，部分 AI 渗透测试工具控制台对公网开放。

• 开放语音识别榜单加入两种英语口音

  Open ASR Leaderboard 新增埃及英语和尼日利亚英语测试，便于按口音对比转写表现。

• CascadeFilter 让语义筛选分级处理

  框架先让小模型判断简短证据，再逐步转给全文和更强模型，尝试减少推理成本。

• Cursor 支持与编程智能体实时语音通话

  开发者可以边说需求边听智能体汇报进度，入口覆盖编辑器、网页和 iOS。

• DictLLM 让模型多层共享压缩字典

  研究把分组内的权重拆成共享字典和各层稀疏系数，用于压缩已训练模型。

• 谷歌收购怀俄明州数据中心用地

  Crusoe 已完成项目的前期开发。谷歌此前公布了总额 170 亿美元的当地长期投资计划。

• HaluCheck 评估文本和智能体的幻觉

  双语基准超过 4.2 万条，除了判断是否出错，还要求定位错误并修正。

• La-JEPA 用紧凑模型生成机器人动作

  模型训练时同时预测未来视觉特征和动作，实际运行时只输出动作。

• Meta Muse 新增可自定义的 Spaces

  用户可用文字描述创建礼物清单、项目看板等空间，也能把常用空间放到主标签栏。

• OpenAI 与 Hacktron 合作排查系统漏洞

  双方将联合选择高优先级目标，重点检查 OpenAI 系统和第三方服务的交互。

• Physicl 获 1000 万美元融资并推出仿真工具

  新推出的 Studio 针对机器人训练中的罕见场景生成仿真数据。

• Scientist World 将论文变成可运行的实验

  研究团队先发布 1000 个可执行环境，供科研智能体复现论文基线并尝试改进。

• SLA 在机器人预训练阶段学习空间信息

  方法用三维感知模型指导机器人策略学习，部署时沿用原有推理结构。

• 研究比较拆分模型解码阶段的成本

  模拟对比显示，进一步分拆注意力和前馈计算是否划算，取决于硬件、互联和资源池。

• StrataFlux 为低比特模型按需补充精度

  研究从主机内存或固态硬盘取回部分高精度数据，尝试降低显存占用带来的质量损失。

• TerraMesh-Masks 用自然语言标注卫星影像

  数据集将约 1600 万张分割掩码与多模态遥感样本配对，另提供专家复核的评测集。

• Ai2 发布 ToyBlocks 机器人实验环境

  研究人员可控制积木、场景和操作规则，用来观察智能体如何搜索、试错并完成任务。

• Airbnb 计划明年上半年推出 AI 旅行助手

  助手会根据问题组合地图、日历和行程等界面，计划于 2027 年上半年开始推送。

• OpenAI 披露 Astra 安全任务评测差距

  在该组编码评测中，安全研究表述下约完成 10% 的评分项，对照组约为 16%。

• Axiom 用 Lean 形式化 Stacks Project

  团队把代数几何参考资料转换成可由 Lean 检查的代码库。