仅靠检索还不够：智能体记忆中的过时事实问题
一项针对 MemoryAgentBench 的研究表明，AI 智能体仅检索到最新事实并不足够，证据中混入的过时陈述会严重破坏生成准确率。实验显示，在证据中仅将一条无关陈述替换为过时陈述，千问 Qwen2.5 准确率即从 100% 降至 44.6%，Qwen3-14B 降至 87.8%。
全部AI 动态
全部动态
今日 42 条arXiv cs.AIAI 评分4545 arXiv cs.AIAI 评分3131 脉冲神经网络更难被窃取：模型窃取攻击基准研究
脉冲神经网络（SNN）在黑盒模型窃取攻击中表现出显著强于传统人工神经网络（ANN）的抗窃取能力。在 MNIST、Fashion-MNIST 与 CIFAR-10 测试中，SNN 替代模型与目标模型的一致性比 ANN 低 10% 至 20%，对抗迁移性低 15% 至 25%。这种抗性源于 SNN 基于脉冲和时间依赖的动态计算机制，其决策边界极难被替代模型拟合逼近。
arXiv cs.AIAI 评分2323 基于双目标优化的智能即时预订筛选模型
该研究提出一种基于双目标优化的智能即时预订筛选模型，在保证整体预订率不下降的前提下最大化即时预订率。全球 A/B 测试表明，该模型在即时预订率与整体预订率指标上均优于此前的人工调优模型，并提升了房东的即时预订采纳率。目前该系统已正式部署于生产环境，每日服务数百万用户。
arXiv cs.AIAI 评分3232 BehaveRec：长期行为历史何时有助于序列推荐？
研究提出序列推荐框架 BehaveRec，融合会话、90 天长期历史与行为图信号，在包含 12.6M 用户的工业数据集上将 R@5 较 SASRec 提升 +3.2%。分析表明其优势随历史丰富度单调递增，交互超 101 次时提升达 +0.017 R@5，由此确立约 20 次交互的落地部署阈值。BehaveRec 参数量仅 5.67M，单张 GPU 不到两天即可完成训练。
arXiv cs.AIAI 评分3737 MARQ：融入系统工程知识的模块化跨模型需求质量评估器
研究提出模块化跨模型原型系统 MARQ，通过融入 INCOSE 标准等系统工程知识来增强 LLM 的需求质量评估能力。在专家标注的 NASA 需求集上，MARQ 使 Claude Opus 5、GPT-5.6 Sol 与开源模型 Gemma 3 12B 的中位数 F1 分数分别从开箱基线的 0.55、0.52 和 0.18 提升至 0.80、0.62 与 0.53。
arXiv cs.AIAI 评分4141 Skill Dreaming：通过 Pull Request 流演进代码仓库技能
研究人员提出 Skill Dreaming 框架，通过从已验证的 Pull Request（PR）流中提取可执行知识，构建并持续演化代码仓库专属技能库。该技能库可指导代码智能体在实现功能的同时，协同维护相关测试、文档、兼容性及仓库规范。通过整合 PR 分析、技能管理、代码执行与持续集成，系统实现了技能演进与代码维护的端到端闭环。
arXiv cs.AIAI 评分2828 基于追踪数据分位数回归学习人类体育运动可行性
该研究将体育运动中的到达时间（TTA）建模为条件分位数回归，通过学习运动时间下分位数预测球员的最短到达时间。基于 64 场比赛的 PFF FC FIFA World Cup 2022 光学追踪数据，轻量级 MLP 在各项指标上均优于 6 种基于物理的基线模型。团队还在篮球和单场 NFL 追踪数据上进行了评估，分析运动动力学的跨项目迁移性。
arXiv cs.AIAI 评分4343 大模型知识冲突需要先验而非固定规则
研究提出解决大模型检索上下文与自身知识冲突需要独立评估两方证据并引入上下文正确率先验 $\pi$，而非依赖固定规则。该机制在 GRACE 基准上使 Qwen3.5-35B-A3B 和 Llama-3.1-8B 分别获得 45.3 与 35.0 分，最高领先最佳基线 26 分。在 ClashEval 上，该方法比同骨干的 CK-PLUG 和 TCR 分别提升 12 与 26 分。
arXiv cs.AIAI 评分3939 StruPO：从结构反馈到提示词策略，学习高保真文生图提示词编辑器
研究人员提出结构感知提示词编辑器 StruPO，通过校准场景图将外部结构反馈转化为可复用的文生图编辑策略。在 3 个 2K 提示词测试集与 4 个冻结骨干网络的实验中，该方法改善了保真度与美学权衡，并持续提升关系保真度。15 名标注员研究与自动评测表明，关系越复杂人类偏好优势越明显，且校准后可单次生成优化提示词，无需迭代重写。
arXiv cs.AIAI 评分3434 当 AI 更擅长科研时人类为何及如何做科研：基于人类理解与指引的框架
论文提出基于“人类理解”与“人类指引”的双重测试框架，用于规范当 AI 达到或超越人类研究者时如何将科研任务委托给 AI。该测试要求科研界保留解释和质疑研究成果的能力，并将问题选择与结论意义的判断权保留给负责任的人类。该框架覆盖 CRediT 划分的各研究阶段，强调即便 AI 能力更优，科学研究仍须服务于人类对世界的持久集体理解。
arXiv cs.AIAI 评分3737 CohortFlow：支持局部语义修正的可控临床队列构建智能体
CohortFlow 是一种用于临床队列构建的可控 AI 智能体，通过将自然语言修正转化为局部更新并结合持久化执行图，可选择性重算受影响节点并保留已有结果。在基于 8B 模型的 100 个临床试验场景中，该方法达到 77.0% 的 requirement micro-F1，修正完成后的平均延迟降低 64.8%，模型调用减少 38.1%，并在 MIMIC 评估中成功执行全部 13 个队列状态。
arXiv cs.AIAI 评分4444 The Trinity：面向多模态智能体的能力驱动递归自我提升框架
研究提出面向多模态智能体的递归自我提升框架 The Trinity，通过 Creator、Explorer 和 Evolver 三个角色将世界生成与 Harness 演化耦合。
arXiv cs.AIAI 评分2323 通过数据生成策略提升深度学习模型性能：橄榄树病害分类
研究人员提出一种结合传统增强、CutMix、MixUp 及 DCGANs 合成图像生成的数据策略，用于解决橄榄树病害分类中的数据不足与类别不平衡问题。该方案设计了平衡类别分布（S1）、增加单类样本量（S2）与保持平衡扩增数据集（S3）三种场景。在预训练和微调的 EfficientNetV2B0 架构测试中，实验结果显著提升了分类准确率。
arXiv cs.AI精选AI 评分6565 arXiv 论文探讨如何衡量 AI 节省的时间：提出结合缺陷遗漏的复核模型
该研究提出应从包含缺陷遗漏的反事实视角衡量 AI 辅助节省的时间，而非单纯记录操作耗时。作者建立了复核基线模型并复现 METR 开发者公开数据，发现盲目信任会以整体时间损失换取表面耗时减少；在实验中，低估 AI 起草错误率会导致复核者减少核对，使错误率从零上升至 22.5%。
推荐理由：该研究指出单纯记录耗时会忽略漏检错误带来的代价，为评估大模型在实际工作流中的真实生产力提供了更严谨的反事实框架。
Latent SpaceAI 评分7171 为什么 AI Agent 偏爱 Supabase
Latent Space 专访 Supabase 联合创始人，深入探讨了 AI Agent 普遍选择 Supabase 作为应用后端的架构原因与产品演进。文章指出无需 Docker 的本地运行时、存放在 Git 中的声明式 Schema，以及紧邻数据库运行容器的 Supabase Compute，极大降低了 Agent 自主搭建与调试环境的摩擦。
The Decoder精选AI 评分8080 Google DeepMind 发布 Gemini 4 Carbon 模型
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，并在 Artificial Analysis 智力指数 v5.0 中以 59 分位居榜首。
推荐理由：原文详细对比了新模型在长程工程推理与网络安全任务上的评测数据，读者可以参考其在不同基准测试中的成本与性能权衡。
TechCrunch · AIAI 评分4242 Wiz CTO 谈 PHP2Shell 漏洞及即将到来的“漏洞大爆发”
Wiz 曝光管理与应用安全 CTO Tomer Schwartz 表示，AI 正在加速新型漏洞的发现与利用，PHP 严重漏洞仅是危机的开端。此前支撑约 70% 网站的 PHP 曝出两项严重漏洞并导致部分机构网站下线，Wiz 联合 OpenAI、Calif 及 PHP 团队紧急参与修复。Schwartz 强调人工打补丁已无法规模化应对此类威胁，初创团队必须在早期融入安全设计。
TechCrunch · AIAI 评分6464 Anthropic 推出企业报告工具以展示 AI 支出回报
Anthropic 推出一套全新企业报告工具与共享预算功能，帮助管理者按时间范围查看团队产出、token 支出成本及工作流断点，并提供优化建议。该分析数据默认不用于模型训练；Anthropic 同期向投资者披露其第二季度已实现营业利润，净营收留存率达 900%。
The Verge · AIAI 评分7373 xAI 提议收购密西西比州居民房产以换取放弃数据中心噪音诉讼
xAI 及其子公司 MZX 提议收购密西西比州南黑文的数百套居民住宅，要求业主在交易时签署协议，放弃就附近数据中心与配套燃气轮机噪音及震动提起的诉讼与索赔。房产经纪人透露该计划涉及 418 套房屋，部分租客已被通知在 60 天内搬离。目前 xAI 在当地的大型数据中心还面临环保违规罚款、数亿美元欠款索赔以及来自民权组织的未获许可运营指控。
The Verge · AIAI 评分6161 Meta 称或将再次推迟备受争议的商业条款生效时间
Meta 宣布可能会将新商业条款的生效时间推迟至 11 月 20 日之后，以应对出版商对其使用新闻网站内容训练 AI 模型的强烈反对。Meta 通讯负责人 Andy Stone 表示，公司在与行业团体和领袖完成全面协商前不会调整政策，现有条款在此期间继续维持。此前该条款引发了新闻媒体联盟以及多位美国国会议员的公开抨击。
The Verge · AIAI 评分6464 Chrome 增强自动填充功能支持从 Gmail 提取信息辅助填表
Chrome 浏览器的增强自动填充功能开始接入带有 Personal Intelligence 的 Gemini，可直接从用户的 Gmail 中提取信息辅助填写表单。该功能支持检索物流运单号、航班与酒店预订编号以及订单号等细节，呈现建议时敏感数据保持加密；Google 今日率先面向美国地区的桌面端、Android 和 iOS 版 Chrome 用户推送，用户可自行在设置中管理权限或完全关闭。
The Verge · AIAI 评分5757 微软将终止智能电视上的 Copilot 支持
微软已决定在所有智能电视上终止 Copilot 功能支持，包括 LG 和三星设备。LG 电视通知显示该功能计划于年内停用，具体时间取决于微软；Copilot 此前主要在电视端充当聊天和影视推荐助手，此次下线与其重新转向企业和生产力工具的定位调整相关。
Ars Technica · AIAI 评分2525 Google 发布最新前沿 AI 模型 Gemini 4 Carbon，但目前无法使用
Google 发布了最新前沿 AI 模型 Gemini 4 Carbon，但该模型目前不对用户开放使用。Gemini 4 Carbon 本质上是 Argon 模型的微调升级版本。
TechCrunch · AIAI 评分5252 Wiz CTO 谈网络老旧代码的漏洞危机：AI 正在加快漏洞挖掘与修补节奏
Wiz 曝光管理与应用安全 CTO 在 TechCrunch 播客中指出，AI 正在显著加快新漏洞的发现与利用速度，老旧网络代码将面临严峻的安全挑战。在上周支撑约 70% 网站的 PHP 出现严重漏洞后，Wiz 与 OpenAI、Calif 及 PHP 团队协同展开修复，并表示没有 AI 工具辅助就无法在短时间内定位这些深层缺陷。
AWS Machine Learning BlogAI 评分3838 利用 Amazon Nova Act 智能体 QA 自动化加速软件交付（三）
基于 Amazon Nova Act 的 QA 自动化方案 QA Studio 推出 Applications 与团队权限管理两项功能，以支持跨组织规模化测试。
AWS Machine Learning BlogAI 评分4747 在 Amazon EKS 上使用 Ray Train DLC 与 EFA 进行分布式训练
AWS 推出预构建的 Ray Train 深度学习容器（DLC），集成 PyTorch 2.13.0、Ray 2.58.0 与 EFA 网络栈，支持在 Amazon EKS 上免构建镜像开展分布式训练。
AWS Machine Learning BlogAI 评分5050 基于 Amazon Bedrock AgentCore 构建企业级智能体平台架构
AWS 架构师团队推出了基于 Amazon Bedrock AgentCore 构建企业级智能体平台的参考架构与配套开源蓝图。该方案采用联邦运营模型，通过独立的平台控制面和按业务流隔离的工作单元单元格，统一部署推理网关、基于 MCP 的工具网关、短期凭证身份与细粒度配额。CI/CD 流水线设置了双向对抗评测门禁，确保每次 Agent 上线前严格验证合规调用与异常阻断。
Ars Technica · AIAI 评分4949 Google AI 被问及谁赢得 2020 年大选时回避正面回答
Google 的 AI Mode 在被问及谁赢得 2020 年美国总统大选时避而不答，仅建议用户查阅联邦选举委员会（FEC）的官方报告。测试显示其在面对 2024 年和 2012 年大选时同样给出了间接回避的回复，但对追溯至 2000 年的其他历届总统大选胜选者均能直接给出详细且正确的答案。
TechCrunch · AIAI 评分6969 Google 推出 Connected Apps Platform，向开发者开放 Gemini 和 Search 应用接入
Google 推出 Connected Apps Platform 开发者预览版，允许第三方企业和开发者将其应用接入 Google Search 和 Gemini 的 AI 功能中。
TechCrunch · AIAI 评分6464 Chrome 推出 AI 自动填充功能，可调取 Gmail 信息辅助填表
Google Chrome 浏览器迎来 AI 自动填充功能更新，支持通过检索用户的 Gmail 邮件来辅助填写在线表单。该功能可建议航班确认号、会员卡号、物流单号、订单号及地址等信息，用户可在设置中自主选择是否开启，敏感数据保持加密状态。该更新正逐步面向美国桌面端用户以及 iOS 和 Android 版 Chrome 内的 Gemini 推送。
OpenAI NewsAI 评分2323 OpenAI 探讨企业的未来：AI 如何进入组织架构
OpenAI 探讨了未来企业的形态以及 AI 融入组织架构的方式。其核心探讨 AI 未来将如何以处于人类“下方、身旁及之间”（beneath, beside, and between us）等不同定位与角色进入企业组织架构。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布前沿大语言模型 Gemini 4 Carbon，重点提升网络安全防御与长周期复杂工程任务的处理能力。该模型在漏洞挖掘、利用验证与补丁修复多项基准上取得领先，且在 Gray Swan 间接提示词注入测试中实现 0.0% 的攻击成功率。
推荐理由：该模型在网络安全防御全流程与长程工程任务中刷新基准，展示了高对齐度模型在复杂自主工作流中的落地表现。
NatureAI 评分2121 遗传变异塑造单细胞染色质可及性与疾病风险
研究人员通过分析 922 名供者的近 350 万个 scATAC-seq 细胞核数据，构建了人外周血单细胞染色质可及性遗传效应图谱。该研究在 28 种免疫细胞类型中鉴定出 243,225 个 caQTL，其中超半数具有细胞类型特异性。整合 caQTL 与 eQTL 进一步揭示了超 70,000 个共定位信号，补充了单一 eQTL 遗漏的 GWAS 位点并改进了基因调控网络推断。
NatureAI 评分1616 真核生物最近亲缘古菌内部结构简单且依赖互养肽代谢
研究人员成功培养出真核生物最近亲缘分支 Hodarchaeales 的两株古菌，证实其细胞内部结构简单，不具备真核生物特征的内膜系统。实验显示该古菌虽携带末端氧化酶，但仍严格依赖与产甲烷菌的厌氧互养代谢降解肽类获取能量。该发现直接挑战了真核生物祖先在内共生前已演化出复杂细胞结构与有氧呼吸的假说。
NatureAI 评分1616 这片阿拉伯沙漠曾是绿意盎然的乐园，为何早期人类避而远之？
一项针对阿拉伯沙漠的考察研究表明，仅有丰富水源并不足以支撑早期人类定居，石材与水源的分布共同决定了人类能否在此繁衍生息。此外，本期 Nature 播客还探讨了通过太空巨型遮阳板阻挡阳光以应对全球变暖的科学设想，并涉及 AI 医生处方费用高昂等最新研究动态。
The DecoderAI 评分5555 Claude for Legal 推出专属 Artifacts 并支持信源自动核查
Anthropic 扩展 Claude Enterprise 法律场景功能，为 Claude for Legal 推出预构建模版与交互式 artifacts。模型可自动核验引文并将其直接链接至原始信源，方便律师进行最终审查。此外平台支持 Bloomberg Law 等 60 多个法律数据库集成，并内置针对团队间信息隔离的数据保护设置。
The DecoderAI 评分6262 OpenAI 柏林开发者日透露 Dots 欧洲进展，核心转向构建平台生态
OpenAI 在柏林开发者日透露其 AI 助手 Dots 预计数周内向欧洲更广泛开放，并展示了通过托管基建打造类似应用商店以绑定开发者的平台生态。数据显示德国 Codex 周活跃用户自 1 月以来增长 20 倍，近两成桌面用户将其用于文档与表格等日常办公；管理层还解释因资源消耗与需求优先级的考量已关停 Sora 且未优先推进视频序列模型。
The Decoder精选AI 评分7878 Google 为 Android Studio 引入第三方 AI 智能体并推出新 Gemini API
Google 在 Android Dev Summit 上宣布 Android Studio 支持“自带智能体”（BYOA）模式，开发者可直接在 IDE 中运行 Claude、Codex 等 40 多种编码智能体。
推荐理由：Google 将 Android 开发体系全面对接第三方智能体与 MCP 标准，为开发者提供了把多厂商模型接入 IDE 工具链与移动端应用的标准化路径。
OpenAI NewsAI 评分1616 Legora 正在构建法律工作的智能体操作系统
Legora 正在构建面向法律工作的智能体操作系统，采用 OpenAI 模型、ChatGPT 与 Codex 来加速法律工作流程。该方案旨在扩展合同分析能力，从而让律师能够专注于更高价值的工作。
Simon Willison精选AI 评分7878 GitHub 发布 Octoverse 2026 报告：智能体工程推动月度 PR 增至 2.2 亿
GitHub 在 GitHub Universe 期间公布 Octoverse 2026 报告，数据显示智能体工程正显著改变开发生态。2026 年合并的 Pull Request 在不到一年内增长两倍至每月 2.2 亿，月度 Commit 增加超两倍达到 73.8 亿且增量多集中在下半年，每月新建仓库量也翻倍至 3030 万。
推荐理由：报告通过合并请求与提交量成倍增长的统计，呈现了智能体工程对开源与代码仓库活动规模的实际拉动。