开发动态 · 第 2 页

• 中国科大团队开放 RNA 基础模型 structRFM

  RNA 序列输入可提取结构与功能任务所需特征，代码和训练资料可公开查看。

• SuperCLUE 更新 11 月通用模型榜单

  新榜覆盖 19 款模型，测试智能体编程、数理推理等五类能力。

• FrontierPhysics 测试 AI 能否完成物理研究

  基准覆盖 56 道研究任务，从查文献和做实验一直评到产出研究报告。

• NEO-VLA 让机器人保留动作所需的视觉细节

  论文让动作模块利用模型不同层的视觉特征，测试抓取与操控任务。

• TurnWise 训练视频模型选对回答时机

  把反馈分到每一轮，让模型分别学习该开口还是继续观察。

• OpenAI 披露 Linux 漏洞研究流水线

  受控研究复现 1724 个漏洞，修补建议交维护者审核。

• 研究让推测解码改善长程推理

  在关键决策处调整草稿模型，减少数值噪声的累积。

• DNO 研究比较偏好训练的不同做法

  独立复现直接纳什优化，检查教师数据与历史样本的作用。

• FactEmbed 结合参考图与文字找图片

  先理解画面需要怎样变化，再生成检索表示。

• 研究从内部激活区分遗忘与压抑

  模型拒绝回答，不一定代表相关知识已被移除。

• 让模型反复说错话可能影响对齐

  无害题材中的错误训练，也可能带来更广泛的行为变化。

• LatentTriad 在执行前检查技能风险

  不运行外部技能，利用预填充状态识别任务越界。

• LifeVal 评估 AI 完成日常任务的能力

  从育儿、购物和家庭事务出发，衡量实际行动效果。

• MedPhysBench 同时考 AI 计算与查错

  覆盖放疗、医学成像和辐射防护，并公开基准本身的问题。

• OperAItor 在化工仿真中测试智能体

  结合故障诊断、知识检索与动作校验，比较停机次数。

• 固定人设未必能模拟真实用户

  研究把行为拆成稳定特征、情境身份和当下处境。

• OpenAI 用 Pando 承接智能体代码提交

  保留 Git 协议，扩展多分支并行写入与大规模读取。

• ToolSpace 用真实工具轨迹构造训练

  把 MCP 调用依赖和可回放检查纳入长程任务。

• ACTOR 让角色扮演学习人物行动

  从小说中整理行为轨迹，让模型不仅模仿说话方式。

• AI 文本检测仍可能误判正式写作

  研究发现，检测器可能依赖语气和细节，而不是可靠的作者证据。

• CoworkOS 让 AI 长时间接续工作

  共享文件、任务状态和持久记忆，支持人与多个智能体协作。

• CUA-Master 从教学视频学习电脑操作

  将真实工作流程转成可验证任务，再循环改进数据和模型。

• ENGINE 探索低内存模型微调

  在低维更新与高维探测之间切换，降低零阶优化的噪声。

• EO-Jev 面向遥感任务训练决策模型

  在地球观测数据上调整模型判断，并检查置信度表现。