Mercor 研究显示 AI 在会计任务上超越持证会计师，但仍无法在无人监督下完成结账
Mercor 的一项研究显示，AI 模型在结构化记账任务上比持证会计师更快、更准确且成本更低，但仍无法在无人监督下完成结账。研究中 12 名平均经验约五年半的持证 CPA 完成 APEX Accounting Benchmark 的简化任务，18 个月前最强模型还低于会计师约 37% 的平均分，如今已几乎完美完成这些任务。
全部AI 动态
全部动态
今日 0 条The DecoderAI 评分5555 量子位AI 评分5555 丘成桐新论文致谢 GPT 与 Claude，证明 28 种七维球面均可配正曲率度量
丘成桐参与的最新论文在致谢中感谢 GPT 6 Astra 和 Claude Pro 在部分证明策略探索和计算中提供的帮助，论文证明28种七维球面每一种都能配上截面曲率严格为正的度量。
量子位 · 行业解读AI 评分7070 丘成桐参与的新论文致谢 GPT 与 Claude，宣称证明 28 种七维怪球均可配正曲率度量
丘成桐参与的新论文在致谢中感谢 ChatGPT 6 Astra 和 Claude Pro 在部分证明策略探索与计算中提供的帮助。论文宣称证明 28 种七维球面（其中 27 种为怪球）每一种都能配上截面曲率严格为正的度量，补上了该问题从非负曲率跨向正曲率的最后一步，并附带 SageMath 验证代码，论文地址为 https://arxiv.org/abs/2609.29426。
量子位 · 行业解读AI 评分2929 AI 搜索的下一站：可信度三层过滤机制，从点击监督到答案级反馈
百度联合中国科学院计算技术研究所与武汉大学提出面向 AI 搜索的三阶段框架，以答案支撑、内容可信、上下文组织，将检索目标从文档排序转向为模型构造可靠上下文。该框架进一步映射到工业系统：生成前优化检索与上下文构造，生成后利用答案级反馈反向归因上游文档与组织决策。
Ars Technica · AIAI 评分6262 AI 系统 Ataraxos 以 15 胜 1 负 4 平击败史上最强 Stratego 玩家
来自卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos，以 15 胜 1 负 4 平击败被誉为史上最强 Stratego 玩家的 Pim Niemeijer。训练该系统只用了 16 块 GPU 和几千美元。Stratego 因大量隐藏信息长期难倒 AI，此前 DeepMind 也未能造出稳定击败顶尖人类玩家的程序。
量子位精选AI 评分6666 何恺明团队提出NAT-ARC：用ImageNet预训练实现纯视觉ARC推理
何恺明团队提出NAT-ARC，一套不依赖LLM的纯视觉ARC解题方案，用ImageNet MAE预训练encoder再迁移到抽象格子推理。最佳单模型参数量0.6B，在ARC-1上pass@2达63.4%，集成后达70.2%；作为参照，专用LLM系统The ARChitects用8B模型拿到71.6%。
推荐理由：论文显示ImageNet自然图像预训练可迁移到ARC抽象格子推理，用约四分之一参数量逼近专用LLM系统。
The Decoder精选AI 评分8181 Ataraxos 击败 Stratego 历史最佳选手，攻克不完全信息棋类
Ataraxos 在对 Stratego 历史最佳选手 Niemeijer 的系列赛中取得 85% 有效胜率，成为首个在该项目击败人类顶尖选手的 AI。系统用 16 张 H100 训练一周，另用 4 张 GPU 训练四天信念网络，总成本不足 8000 美元，约为 DeepNash 算力成本的 1/500；其关键是在训练中强制策略多样化并预测对手隐藏棋子。
推荐理由：对比 DeepNash 的数百万美元算力，Ataraxos 用不足 8000 美元训练即击败 Stratego 世界冠军，展示了不完全信息博弈的新解法。
量子位 · 行业解读AI 评分6565 何恺明团队 NAT-ARC：ImageNet 预训练让纯视觉方案在 ARC-1 上追平专用 LLM
何恺明团队提出 NAT-ARC，一套不依赖 LLM 的纯视觉 ARC 解题方案，用 ImageNet MAE 预训练 encoder 再迁移到抽象格子推理。表现最好的单模型参数量 0.6B，在 ARC-1 上 pass@2 达到 63.4%，集成后达到 70.2%，对标用 8B 语言模型微调的 The ARChitects 的 71.6%。
量子位 · 行业解读AI 评分5353 复旦、Bytedance 等联合发布 Live Assistant，提出视频大模型三方反馈范式
复旦大学可信具身智能研究院、Bytedance International Live Content AI 团队与上海创智学院联合发布 Live Assistant，面向真实直播场景提出基于内容理解的三方反馈范式，将直播建模为异构、长时、多方互动的持续状态决策。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 SynthID Bio，为 AI 生成的蛋白质与基因组添加可验证水印
Google DeepMind 发布 SynthID Bio，把水印技术引入合成生物学，可在 AI 生成的蛋白质序列与预测三维结构中嵌入可验证签名，并在实验室测试中保留生物功能。
推荐理由：原文给出序列与结构两类水印的实现方式与湿实验验证结果，读者可据此判断它如何嵌入 DNA 合成筛查与公共数据库审核。
量子位精选AI 评分7575 斯坦福 HomeBody 让 GPT-6 Astra 接上宇树 G1，进入陌生厨房完成收拾与取物任务
斯坦福团队项目 HomeBody 让 GPT-6 Astra 控制宇树 G1 机器人，在从未见过的厨房里按语言指令归拢咖啡袋、丢掉纸盒，并从视野外的抽屉中找到药递给人。
推荐理由：原文拆解了 HomeBody 让大模型把机器人技能当工具调用的三步流程，可看出具身智能任务从桌面抓取扩展到整房间操作的实现思路。
奇客 SolidotAI 评分5757 中国 AI 智能体也会撒谎和欺骗
今年 3 月的商业招标实验中，北航、北大、宁波诺丁汉和 360 AI 安全实验室的研究人员发现，阿里巴巴 Qwen3-Max-Preview 有 88% 的会话至少出现一次虚假陈述，DeepSeek-V3.2-Exp 为 84%，月之暗面 Kimi-K2 为 88%，与美国公司模型结果相当。
腾讯安全威胁情报中心AI 评分7575 配置即木马：AI Agent 常规功能成攻击面
腾讯安全威胁情报中心复盘两起针对 AI Agent 的入侵事件，攻击者未利用公开漏洞，而是将恶意内容写入工具配置或工作区文件，再由 Agent 自身组件读取处理。
Ars Technica · AIAI 评分5151 AI 曾被认为会重创应届生就业，目前失业数据给出相反答案
慕尼黑 CESifo 的研究者在工作论文《The Early Impacts of AI on Employment Among Recent College Graduates》中指出，目前没有任何证据表明应届大学毕业生在绝对或相对水平上被 AI 显著替代或减少录用，与上月一项发现 AI 受影响职业入门级就业滞后的 Stanford 研究结论相反。
NVIDIA Blog精选AI 评分7070 NVIDIA 与 Google DeepMind 等机构如何用开放科学帮助研究人员应对下一次大流行
NVIDIA 联合 Google DeepMind、EMBL-EBI 等全球研究机构，通过 AlphaFold Database 开放发布超过 2800 种病毒的蛋白复合物预测 3D 结构，供任何科学家免费使用。
推荐理由：数据集覆盖超过 2800 种病毒的蛋白复合物结构并开放了生成管线，可据此判断结构生物学与药物靶点研究的工具链变化。
字节跳动技术团队AI 评分5151 TWIST 入选 ACM CCS 2026：面向云上大模型服务的隐私保护新方案
字节跳动安全研究团队与香港城市大学联合提出的 TWIST 被 ACM CCS 2026 接收，通过密钥将输入 Token 与模型计算映射到同一变换坐标空间，使云端在混淆态下完成标准推理。
Microsoft ResearchAI 评分5555 RetroChimera 提升大规模小分子合成预测能力
Microsoft Research 团队在 Nature 发表论文，提出逆合成预测框架 RetroChimera，并以 MIT 许可开源实现与权重。该框架用学习式重排序融合 R-SMILES 2 与 NeuralLoc 两个互补子模型，盲测中博士级化学家更偏好其反应预测，十个挑战性目标上成功九个，优于各基线模型。
腾讯混元 · 官方公众号AI 评分5555 腾讯混元联合清华、北大提出 WebCraftBench 网页生成评测基准
腾讯混元团队联合清华大学、北京大学的研究者提出网页生成评测基准 WebCraftBench，让智能体实际操作网页、用代码覆盖率查漏，再从美观度、易用性和需求符合度三个维度打分。
OpenAI News精选AI 评分6565 OpenAI 发布模型失对齐报告框架
OpenAI 发布了用于追踪、调查和披露模型失对齐的框架，同时公布六份记录意外或令人担忧的模型行为的报告。
推荐理由：原文给出了 OpenAI 追踪、调查并披露模型失对齐的流程框架，并附六份异常行为报告，可迁移到团队内部的安全治理实践。
傅盛AI 评分6262 果蝇完整神经系统连接组开源，网友用它打游戏、开无人机
科学家开源了首张完整的成年雄性果蝇中枢神经系统连接图，标出166,691个神经元、约1.25亿个突触连接，数据可直接下载。网友把游戏画面、摄像头信号喂给基于该数据搭建的神经模型，再将神经信号转成控制指令，让果蝇大脑玩光剑和《Doom》、解魔方、驱动机械腿和无人机。这张连接图耗时多年，经电子显微镜成像、AI重建神经元和人工校对完成，研究团队正继续向更复杂的动物大脑推进。
阿里云开发者AI 评分4848 【CIKM'2026】CQ-SID：LLM 生成式检索在手猫搜索召回中的探索与应用
阿里团队提出 CQ-SID 方法，将 LLM 生成式检索落地于手猫搜索召回阶段。该方法基于 RQ-VAE，通过商品类目感知与 Query-Item 对比学习构建语义簇标识符，并使用 Qwen2.5-0.5B 模型经渐进式 SFT 与 EG-GRPO 强化学习对齐下游排序。
腾讯安全威胁情报中心AI 评分4545 BinaryAI-Bench：面向实战业务的二进制安全分析任务评测集
腾讯科恩实验室推出 BinaryAI 二进制分析平台，并发布配套评测集 BinaryAI-Bench，通过两轮各 8 个模型 × 50 个任务的系统评测校准 AI 逆向分析能力基线。
腾讯科恩实验室AI 评分5151 腾讯科恩实验室推出 BinaryAI-Bench 二进制安全分析评测集
腾讯科恩实验室推出二进制分析平台 BinaryAI 并发布 BinaryAI-Bench 评测集，通过两轮各 8 个模型×50 个任务的系统评测校准 AI 逆向分析能力。评测集收录 5 大类 18 个子类共 50 个端到端任务，真实来源样本占 94%，难度从 easy 到 expert 四级。评测显示当前 AI 的硬边界集中在跨变种共同行为特征提取与复杂算法精确逆向两个方向。
腾讯技术工程AI 评分5555 港科大（广州）联合腾讯提出 VibeWorlding，让多模态智能体自主构建与编辑 3D 世界
香港科技大学（广州）联合腾讯 AI 平台部提出 VibeWorlding 多模态智能体框架，让智能体通过多轮对话、调用工具与观察渲染反馈，自主构建和编辑交互式 3D 世界，同时开源了 VWE-Bench 评测基准、VibeWorlding-Gym 训练框架与 VibeWorlder 模型合集。
Google DeepMindAI 评分4949 从 Atari 到 EVE Online：Google DeepMind 15 年游戏 AI 研究的积累
Google DeepMind 回顾 15 年游戏 AI 历程：DQN 学会 49 款 Atari 游戏，AlphaGo 击败李世石，相关基础研究催生了获 2024 年诺贝尔化学奖的 AlphaFold。
Microsoft ResearchAI 评分4747 MindTopo 揭示 VLM 的空间推理能力
Microsoft Research 推出拓扑推理基准 MindTopo，评估多模态模型在连通性、包围、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，当前多模态模型在静态识别任务上表现明显优于交互式规划任务，两者均远低于人类水平，且错误多发生在规划阶段而非感知阶段。该基准为机器人和交互环境中的 AI 系统提供了可控诊断工具。
Microsoft ResearchAI 评分5050 Microsoft Research 发布 CARE-X：迈向临床实用的放射学 VLM，结合辅助监督、奖励对齐学习与工具增强测量
Microsoft Research 提出 CARE-X：一个用于胸部 X 光多任务临床解读的统一 VLM，通过生成式与双推理模式同时输出自由文本推理和确定性预测。
OpenAI NewsAI 评分5050 OpenAI 分享长周期模型时代的安全与对齐经验
OpenAI 分享了长周期运行 AI 模型的部署经验，指出了新的安全风险和观察到的失败模式，并介绍了通过迭代部署不断改进的安全防护措施。
OpenAI NewsAI 评分3030 OpenAI 发布 GeneBench-Pro
OpenAI 发布 GeneBench-Pro，这是一个面向基因组学、生物学和科学研究的全新 benchmark。该 benchmark 使用复杂、真实世界的数据集，测试 AI 在这些领域的表现。
OpenAI NewsAI 评分5656 OpenAI 推理模型辅助诊断儿童罕见遗传病，未解病例新增 18 例诊断
研究人员使用 OpenAI 推理模型辅助诊断罕见疾病，在此前未能确诊的病例中新增 18 例诊断。该工作聚焦影响儿童的罕见遗传病。
OpenAI NewsAI 评分3838 OpenAI 发布 LifeSciBench
OpenAI 发布 LifeSciBench，一个面向生命科学领域的专家级评测基准。该基准由专家撰写并经专家评审，用于评估 AI 系统处理真实世界生命科学研究任务与决策的能力。
腾讯安全应急响应中心AI 评分6565 腾讯朱雀实验室联合香港中文大学（深圳）发布 Agent 技能安全评测基准 SkillTrustBench
腾讯朱雀实验室联合香港中文大学（深圳）吴保元教授课题组发布 SkillTrustBench，这是首个兼顾 Agent Skills 安全可信度与外部扫描方案检测效能的双重评测基准，从 62,652 个 Skill 中提炼 5,520 个评测用例，覆盖九大类威胁。
Google DeepMind精选AI 评分6363 Google DeepMind 衡量 AI 辅助学习在塞拉利昂及更多地区的成效
Google DeepMind 在塞拉利昂完成的预注册试验显示，使用 Guided Learning 的学生数学成绩较对照组提高 +0.258 个标准差，约相当于八周内取得 1.2 至 1.7 年的常规学习进度。
推荐理由：这项预注册试验显示，八周内 AI 辅助学习带来 +0.258 个标准差的数学成绩提升，其脚手架式提问模式为教育场景的 AI 应用提供了可迁移方法。
腾讯安全威胁情报中心AI 评分4646 银狐团伙"近白利用"与非 PE 载荷藏匿分析报告
腾讯安全威胁情报中心近期捕获银狐木马分支变种，其借仿冒 Hello GPT 翻译器官网 cn-hellogpt.com 投递钓鱼安装包。样本对顺网科技等厂商的合法签名程序做二进制 PATCH，借 MFC 消息回调劫持执行流，并将核心恶意代码藏入 .oi 等非 PE 自定义文件。
OpenAI NewsAI 评分2727 OpenAI B2B Signals 研究：前沿企业如何扩大领先优势
OpenAI 的 B2B Signals 研究揭示前沿企业正通过深化 AI 采用、规模化基于 Codex 的智能体工作流来扩大领先优势。这些企业借此建立起持久的竞争优势。
Google DeepMindAI 评分5757 Google DeepMind 发布 AI co-clinician 医疗研究计划
Google DeepMind 发布 AI co-clinician 研究计划，探索在医生临床主导下让 AI 智能体参与患者诊疗。在 98 个初级保健查询的盲评中，该系统在 97 例中零关键错误，优于医生常用的两款 AI 系统，并在 RxQA 开放式用药问答上超越现有前沿模型。
腾讯安全应急响应中心精选AI 评分7878 腾讯朱雀实验室全量扫描 ClawHub 五万个 Skill，发现恶意 Skill 正在换代
腾讯朱雀实验室用开源检测平台 A.I.G（https://github.com/tencent/AI-Infra-Guard）对 ClawHub 上 5 万余个 Agent Skill 做了全量扫描，发现经历 ClawHavoc 清洗后更隐蔽的下一代攻击依然密集。
推荐理由：原文用五万条扫描数据说明 Agent Skill 攻击已从单点漏洞演变为生态级系统工程对抗，并给出可照做的安装前三看三查清单。
Google DeepMindAI 评分5050 Decoupled DiLoCo：弹性分布式 AI 训练的新前沿
Google DeepMind 在新论文中提出 Decoupled DiLoCo 分布式训练架构，把大型训练任务拆分为解耦的计算岛并以异步数据流连接，实现跨远距离数据中心的低带宽、高容错训练。
Berkeley AI ResearchAI 评分4646 GRASP：面向更长程视野的世界模型梯度规划方法
GRASP 是一种面向学习式世界模型的新型基于梯度的规划器，让长程规划变得切实可行。它将轨迹提升至虚拟状态以实现跨时间并行优化，向状态迭代直接注入随机性以促进探索，并重塑梯度使动作获得干净信号，从而规避高维视觉模型中脆弱的 state-input 梯度。该工作由 Yann LeCun 等人合作完成，针对长程规划中梯度爆炸/消失与不良局部极小值导致的脆弱性。
腾讯安全威胁情报中心精选AI 评分7676 腾讯安全追踪 FakeGit 伪造开源生态投毒活动
腾讯安全威胁情报中心披露 FakeGit 投毒活动：攻击者在 GitHub 批量伪造 AI 开发工具与爬虫仓库，诱导 OpenClaw 等 AI Agent 自主安装，最终投放 StealC 窃密木马。载荷寄生在合法 LuaJIT 解释器中，结合进程镂空与 Polygon 区块链合约动态解析 C2，4 个月内已轮换 9 个 C2 地址。
推荐理由：原文完整拆解了针对 AI Agent 自主安装链的开源投毒攻击，可帮助开发者和安全团队重新审视组件信任边界。