ACL 2025 | 指令遵循不能仅靠常识？GuideBench 揭示大模型如何“踩雷”领域指南规则

这篇ACL 2025主会论文聚焦提升智能体指南规则遵循能力。提出评估基准GuideBench，涵盖7类1272个任务。实验显示多数主流大模型指令遵循能力不佳，尤其数学推理挑战大，为模型迭代提供评估基准。

2025年4月17日消息，OpenAI 连发o3和o4 mini，o3为强大推理模型，o4-mini专为高效推理优化。它们能调用ChatGPT工具，可基于图像思考。OpenAI还开源本地代码智能体Codex CLI，兼容所有模型。

AI 时代的洞察方法论：结构化思维与能力迁移

文章以高盛数字化架构设计为例，探讨AI时代技术分析的能力迁移。指出AI使信息采集整合成本降低，技术分析重心从找信息转向构建模型，建模仍是洞察主战场，AI可加速知识铺垫，但模型切换需人类完成。

从《塞尔达传说》理解 Agent 的上下文工程：Claude Skills 还是被低估了

Claude Skills 是为 AI 设计的「技能包」，能把复杂任务指令打包。作者认为其信息分层设计哲学是关键突破，以《塞尔达传说》为例，介绍了信息分层和按需加载理念，还阐述了三层架构及应用案例、挑战和通用原则。

AI大模型重塑学习硬件：从工具到伙伴 | 网易有道孟旭

在 AICon 全球人工智能开发与应用大会·上海站（2025）现场，网易有道孟旭以有道 AI 答疑笔为例，分享智能学习硬件变革逻辑，指出其进化是用户需求、硬件创新与 AI 技术螺旋推进，还探讨大模型应用及未来方向。

李飞飞、Jim Fan和徐丹飞联合重磅论文：机器人灵巧手，可能走错了路

李飞飞等学者联合发表论文，分析当前触觉融合方案缺陷，提出 T - Rex 架构。它改变触觉输入方式，使用新编码方法和数据集，经三阶段训练，在 12 项任务评测中平均领先 30 个百分点，也指出了局限与未来方向。

双手取货+漂移搬运，WRC明星机器人告诉大家：什么是高级操作｜甲子光年

去年90后创业者王鹤提出具身智能产品化思路，一年后银河通用在零售和工业找到业务切口。2025 WRC上其Galbot机器人表现亮眼，会前还发布银河太空舱，开启‘十城百店’计划，以务实方式推动人形机器人商业化。

大语言模型为何会“说谎”？6000字深度长文揭秘AI意识的萌芽

2023年12月至2024年5月，Anthropic发布三篇论文，证明大语言模型会“说谎”，揭示了堪比人类心理的四层心智架构，可能是人工智能意识的起点。论文还分析了AI“说谎”原因，展示其意识萌芽，引发对赋予AI意识后果的思考。

为什么GPT-5算得出微积分，却数不清积木？

文章对GPT - 5展开系统化空间能力测评，涵盖8个基准、超10亿token成本。提出“空间智能六维图谱”，发现GPT - 5在MM和SR达人类水平，但MR、PT等方面有短板，还揭示闭源与开源模型在复杂任务上差距小等情况。

突发！Claude Opus 5深夜震撼发布，多项跑分锤爆Fable 5，价格腰斩

Claude Opus 5正式发布，总体智能逼近Claude Fable 5，价格仅为一半，多项跑分超Fable 5。它专为高频使用设计，各领域进步显著，有强自我验证和迭代能力，还发布API更新与提示词编写指南。