「AI安全评估」共找到 10422 篇相关文章
3.8K Star！港大开源 AI 量化神器：一句话生成量化策略，普通人也能玩懂！
港大开源的Vibe - Trading在投资圈火了，它是AI驱动的多智能体金融工作台，能将自然语言请求转化为交易策略等。有多智能体协作架构，内置64个金融技能、29个智能体团队预设，提供4种安装使用方式。
千问模型预览版杀到全球第6，马斯克称中国将赢得地球上的AI竞赛！
LMArena更新榜单，阿里千问新旗舰预览版获1464分，全球排第六、中国第一。阿里在全球大模型实验室排第五，全球前十中有五家中国公司。千问3.5预览版表现出色，正式版值得期待。
给几何图片写标题就能让AI更聪明，UIUC发布高质量可泛化几何数据集
随着多模态大语言模型在视觉问答等任务广泛应用，其几何推理能力成研究热点。现有方法泛化能力有限，UIUC团队提出Geo - Image - Textualization框架，发布GeoReasoning - 10K数据集，提升模型几何推理表现。
ChatGPT那一套要过时了？翁荔实测创业首个模型，回合制AI被“原生实时交互”秒了
Thinking Machines推出交互模型TML - Interaction - Small，可实时接收多模态输入并响应，性能超现有实时系统。该模型未开放，计划先有限预览再广泛发布，若开放将为企业带来巨大价值。
AI哪怕答案正确，逻辑链却惨不忍睹，奥数级不等式证明成功率不到50%｜ 斯坦福&伯克利&MIT
斯坦福、伯克利、MIT等联合研究，系统评估29个大模型在奥数级不等式证明任务的能力。研究发现，模型答案正确多靠猜，推理漏洞多，参数大、思考久也不能提升推理严谨度，但自我反思和定理线索策略有改善效果。
千问App更新之后，所有人都该重估阿里｜甲子光年
千问App 6.0版本更新，全面接入阿里生态业务，开放400多项办事功能，面向所有用户测试，成为全球首个能完成复杂生活任务的AI助手。它重构交互逻辑，推动“去App化”，让阿里凭生态优势领跑AI下半场。
微软 CEO 萨提亚·纳德拉：智能体即产品，SaaS 已死？
微软 CEO 萨提亚·纳德拉在 Build 大会后接受专访，称正经历软件与智能范式巨变，AI 驱动的智能体网络将重塑企业软件未来，SaaS 会融入其中。他还分享了 AI 时代软件与商业模式变革的核心洞察。
Codex跑了22小时，真赚16.88美元：奥特曼预言的「AI打工人」来了
开发者Chris让Codex按「去GitHub上赚5美元」指令运行22小时，几天后获16.88美元。虽流程细节缺验证，但显示Codex在特定条件有「找漏洞→提PR→跟进审查」能力，不过距真正自主赚钱仍有距离。
喂给AI的Skill正让它变笨！清华团队发现大模型经验复用的黄金法则
清华大学与EvoMap团队研究发现，给大模型提供详尽纠错Skill会使基准测试通过率下跌，而精简控制指令可提升性能。他们提出将程序化Skill转化为策略基因，经实验证实其更适合驱动智能体测试时演化。
当10亿个AI一起模拟未来：李飞飞和Karpathy共同押注的新赛道｜5Y Research
本文聚焦Multi - Agents模拟预测这一AI前沿方向，介绍其发展、原理、应用场景及代表公司。它能为人类社会建可反复运行的“世界模型”，虽潜力大，但面临验证难、技术瓶颈等问题。