01
提升 ChatGPT 的健康与保健响应能力
OpenAI 利用 GPT-5.5 Instant 模型更新了 ChatGPT 的健康与保健功能，旨在提供更可靠、更结构化的健康情报。此次部署增强了该对话助手的健康查询能力，包括更强的逻辑推理、更清晰的交流以及对用户输入的更深层上下文理解。为确保安全性和准确性，OpenAI 在医学专家的标准指导下评估了这些功能。此次改进旨在直接在聊天界面中提供可靠的保健指导。
AI Blog
3 stories02
AI 推理模型助力诊断儿童罕见遗传病
研究人员利用 OpenAI 的推理模型协助诊断罕见遗传病，成功为之前未确诊的儿科病例识别出 18 个新诊断。研究证明了先进推理模型在分析复杂医疗数据以支持医师方面的临床价值。通过将基因组信息与患者症状结合处理，AI 模型帮助发现了医疗团队此前未能察觉的关键诊断见解，凸显了先进推理系统在加速识别罕见病方面的潜力。
03
推出用于评估生命科学研究 AI 的 LifeSciBench
OpenAI 宣布发布 LifeSciBench，这是一个由专家撰写并经过专家评审的基准测试，旨在评估人工智能系统如何处理现实世界中的生命科学研究任务和决策。该框架评估了 AI 模型在执行复杂科学工作流和做出关键研究选择时的能力。通过利用专家策划和评审，LifeSciBench 旨在为衡量 AI 在高度专业化的生物和医学研究领域的表现设定严格标准。
Hacker News
8 stories01
DeepSeek 推出 Vision 功能
DeepSeek 正式为其聊天平台集成了视觉能力，使其模型能够执行多模态任务。用户现在可以直接在聊天界面中上传图像、图表和文档截图，进行视觉推理、文档解析以及基于 UI 设计稿的代码生成。此次发布将 DeepSeek 的功能从自然语言处理扩展到多模态 AI 领域，并与同类产品展开直接竞争。该集成因其在弥合计算机视觉与语言生成差距方面的潜力而受到广泛讨论。
02
Noam Shazeer 加入 OpenAI
著名 AI 研究员 Noam Shazeer 已加入 OpenAI，标志着生成式 AI 行业内的一次重大人才流动。Shazeer 因作为 2017 年奠基性 Transformer 论文的合著者而广为人知，此前曾共同领导谷歌的 Gemini 项目。在通过谷歌收购 Character.ai 短暂回归后，此次跳槽至 OpenAI，预计将增强该公司在扩展神经网络架构和开发下一代前沿模型方面的核心研究能力。
03
Midjourney Medical 推出
Midjourney 宣布通过推出 Midjourney Medical 进入医疗领域。该公司此前主要以艺术图像合成闻名，此次正将其专有的扩散模型和视觉生成技术适配于临床和医学影像需求。该计划专注于高保真解剖可视化、医学插图及诊断辅助框架。此举标志着生成式 AI 技术向需要精确空间理解的专业领域迈出了战略性一步。
04
我们基于 Elasticsearch 构建了持久化智能体记忆层，召回率达到 0.89
Elasticsearch 构建并展示了一个持久化智能体记忆层，其召回率达到了 0.89。该记忆系统允许自主 AI 智能体通过索引历史交互和知识来保持长期上下文并执行工作流。其架构结合了语义向量搜索与关键词搜索，以解决内存衰减和上下文窗口限制等常见的 LLM 问题，为构建生产级的有状态智能体提供了一种可扩展的方法。
05
Launch HN: TesterArmy (YC P26) – 测试 Web 和移动应用的智能体
TesterArmy 推出了一个智能体驱动的质量保证平台，旨在为 Web 和移动应用自动化端到端检查。该系统利用 AI 智能体来理解以自然语言编写的测试场景，无需静态测试脚本即可进行程序化执行。它还与外部代码智能体集成，使自动化流水线能够管理和运行测试套件，旨在简化软件开发工作流并减少手动 QA 维护的负担。
06
Token 压缩的错觉：为什么我对比 RTK 持怀疑态度
这篇技术评论分析了循环 Token 压缩（RTK）技术，挑战了它们是大语言模型提效可行途径的观点。作者认为，压缩和重构过程带来的计算开销可能会抵消理论上的延迟收益。此外，压缩过程中丢失的关键语义细节会在代码生成等高精度任务中导致性能下降。文章建议在长上下文任务中采用结构化注意力或状态空间模型等替代架构。
07
本地 Qwen 并非糟糕的 Opus，而是不同的工具
该技术分析对比了本地开源权重 AI 模型（如 Qwen）与专有 API（如 Claude 3 Opus）的性能。作者认为，本地语言模型提供了独特的运营优势，包括数据隐私保证、更低延迟以及针对特定任务零边际成本的执行。本地模型并非要取代大规模前沿模型，而是作为优化本地环境的专用工具。文章提倡使用本地模型与云端模型结合的混合架构。
08
从 OpenClaw 迁移
Nous Research 发布了一份全面的迁移指南，概述了从 OpenClaw 框架迁移到其 Hermes Agent 生态系统的路径。文档提供了关于将基于 LLM 的智能体应用、自定义工作流和提示词迁移至 Hermes 平台的详细步骤。通过迁移，开发者可以利用更优的系统扩展性、资源管理能力以及与现代大语言模型和开源智能体工具的深度集成。
01
MCP 引入企业级身份验证以实现集中式连接器访问
模型上下文协议（MCP）团队正式启动了对“企业托管身份验证”扩展的支持，以简化跨组织的集中式连接器访问。此更新允许管理员集中授权和管理 MCP 连接器，确保工具、身份提供商（IdP）和数据源在用户初始登录时即无缝集成。该协议的增加标准化了跨平台通信并简化了身份管理，解决了每个应用程序冗余且分散的 OAuth 设置，从而降低了安全风险和管理开销。
02
Claude 集成生态连接器以增强工作流自动化
Anthropic 为 Claude 推出了一套新的 Beta 版集成套件，支持与 Asana、Atlassian、Canva、Figma、Granola、Linear 和 Supabase 等主流工具直接连接。此更新确保访问权限在 Claude Chat、Claude Code 和 Cowork 环境中保持同步，以简化协作式智能体工作流。此外，Anthropic 引入了一项新功能，允许团队和企业用户将正在进行的 Claude Code 会话转换为可共享且实时更新的 Web 页面 Artifacts。
03
Noam Shazeer 加入 OpenAI 团队推进人工智能研究
OpenAI 已正式将备受尊敬的研究员 Noam Shazeer 加入其研究团队，以推进其高性能大语言模型和通用智能的开发。Shazeer 在谷歌任职期间，是包括 Transformer 模型在内的基础深度学习架构的关键先驱。这次关键的聘用加强了 OpenAI 的顶尖人才阵容，公司正致力于构建下一代前沿系统并优化复杂推理能力。
04
Sam Altman 宣布与 OpenAI 的 Noam Brown 合作
OpenAI 首席执行官 Sam Altman 宣布他已正式与研究员 Noam Brown 合作，这是自公司成立以来长期以来的招聘目标。此次合作正值他们职业抱负十周年之际，旨在扩大 OpenAI 在大规模模型复杂推理能力和先进强化学习策略方面的研究。
05
GLM-5.2 发布，具备多头潜在注意力与稀疏注意力
新的开源权重模型 GLM-5.2 已发布，展示了强大的自然语言处理能力。架构上，该模型基于 GLM-5 和 GLM-5.1 基础，结合了多头潜在注意力（MLA）和 DeepSeek 稀疏注意力（DSA），以优化处理速度和资源效率。在 PostTrainBench 上评估后，GLM-5.2 展示了先进的训练后对齐能力。此外，形状旋转基准测试结果显示，GLM-5.2 在专业空间推理测试中表现优于 Gemini。
06
LLM 时代 PPO 第二次浪潮背后的未预见驱动因素
John Schulman 发表了关于近端策略优化（PPO）在大语言模型（LLM）对齐中复兴的观察，识别了原始研究中未预见的关键因素。PPO 的重要性比目标成功地缓解了数值错误、前向噪声和异步训练偏差。关于裁剪目标的新发现揭示了影响熵的机制（如 DAPO 论文中所述），解释了为什么 PPO 仍然是指令遵循、安全性和稳定优化的基础技术。
07
Kling 3.0 Turbo 发布，性能与视觉保真度提升
Kling AI 发布了 Kling 3.0 Turbo，该模型旨在加快生成式视频推理速度，同时提高视觉质量，包括口型同步精度和锐度。该模型针对生产就绪的效率进行了优化，改进了提示词遵循能力和多镜头一致性。Kling 3.0 Turbo 引擎已正式集成至第三方生成平台，包括 Fal AI、SeaArt、Clipfly、Fotor、Glam AI、Runware 和 Morphic，从而降低了生态系统中的渲染成本。
08
Luma Labs 引入技能功能，用于可重复的创意工作流
Luma Labs 宣布推出 Luma Skills，这是一项旨在简化其平台内创意流程的工作流功能。此更新允许用户将静态资产和品牌标识转化为可重用、可扩展的工作流，从而生成数百个产品精准的概念。通过在保持项目间风格一致的同时自动化设计阶段，该系统使创意团队能够建立结构化的生成式流水线，并执行复杂操作，而无需从头重新配置参数。
huggingface
8 stories01
作为全模态理解推理的原生主动感知
研究人员推出了 OmniAgent，这是一个将视频理解构建为部分可观测马尔可夫决策过程（POMDP）的原生全模态智能体。OmniAgent 不再统一处理整个视频，而是动态执行动作，将视听线索提炼为持久的文本记忆。为了支持该框架，作者引入了“智能体监督微调”和基于“轮次感知自适应不确定性重新加权优势（TAURA）”的智能体强化学习。最终生成的 7B OmniAgent 表现出测试时扩展能力，并在十个基准测试中取得了最佳表现，在 LVBench 上以 50.5% 比 47.3% 的优势超过了体积大得多的 Qwen2.5-VL-72B。
02
Sumi：从零开始的开源均匀扩散语言模型
研究人员发布了 Sumi，这是一个使用 1.5 万亿 Token 从零开始训练的 7B 参数均匀扩散语言模型（UDLM）。尽管掩码扩散模型和自回归语言模型已得到大规模扩展，但均匀扩散语言模型一直缺乏开源的大规模参考点。Sumi 在编码、推理和知识基准测试中与使用类似 Token 预算训练的自回归基准表现持平，尽管由于以教育为中心的混合数据，其在常识指标上略显滞后。作者已开源模型权重、检查点和完整训练配置，以促进对均匀扩散动态的进一步研究。
03
CEO-Bench：智能体能玩转“长线博弈”吗？
研究人员推出了 CEO-Bench，这是一个旨在评估语言模型智能体如何在不确定性下处理长周期、多步骤规划任务的基准测试。该基准通过可编程的 Python 接口模拟运营一家初创公司 500 天，强制智能体在定价、营销和预算等相互关联的变量之间进行平衡。智能体在处理嘈杂数据库和编写自定义客户模拟代码的能力上受到评估。大多数顶尖模型未能保持初始预算，仅 Claude Opus 4.8 和 GPT-5.5 的最终资金余额高于初始的 100 万美元，尽管两者均未能持续产生盈利。
04
STARE：用于策略熵稳定性的惊喜度引导 Token 级优势重加权
研究人员提出了 STARE，以解决 GRPO 等具有可验证奖励算法的强化学习中出现的策略熵崩溃问题。基于对 Token 级熵动态的梯度分析，STARE 利用批次内惊喜度分位数识别关键 Token 子集，并在训练过程中重新加权其优势。在从 1.5B 到 32B 的模型规模和多个推理任务中，STARE 稳定了策略熵。它在 AIME24 和 AIME25 上的平均准确率比 DAPO 和其他基准高出 4% 到 8%，同时保持了平衡的探索能力。
05
奖励一直都在数据中：用判别器引导的强化学习修正流匹配
研究人员提出了判别器引导的强化学习（DRL），这是一个修正传统评分和流匹配模型中结构性错配的强化学习框架。DRL 在预训练的表征空间中训练一个判别器，以区分训练数据和基础模型样本，利用其 Logit 作为 KL 正则化强化学习中的奖励。在 SiT 和 JiT 等模型上的应用表明，DRL 在无需人类偏好数据的情况下提升了样本的视觉真实感和结构。例如，DRL 将 SiT 上的无引导 FID 从 9.38 降至 2.62，并增强了人类偏好对齐与整体图像保真度之间的帕累托前沿。
06
MaineCoon：追求实时视听社交世界模型
研究人员推出了 MaineCoon，这是一款 22B 参数的实时视听自回归模型，被优化为社交世界模型。MaineCoon 在单块 GPU 上以高达 47.5 FPS 的流式生成实现了亚秒级的人机交互。该模型采用自我重采样、跨模态表征对齐、领域感知偏好优化和强化在线策略蒸馏。为维持扩展生成序列而不产生漂移，作者开发了一种包含缓存管理和提示规划的智能体流式推理框架，确立了低延迟、长周期多媒体生成的新基准。
07
RODS：用于多轮工具使用智能体的奖励驱动在线数据合成
研究人员推出了 RODS，这是一个旨在防止多轮工具使用强化学习中信息量大的训练样本枯竭的在线训练框架。RODS 利用 GRPO 采样过程中的进度奖励方差作为零成本边界检测器，识别智能体能力极限附近的复杂样本。随后通过技能对齐的重采样流水线合成新的多轮任务变体。从 400 个由人类衍生的种子开始，并保持约 800 个样本的活跃训练池，RODS 在所需轨迹样本减少 20 倍的情况下，匹配了 1.7 万个离线数据集的性能。
08
SAE 干预是不可靠的：被抑制行为的干预后恢复
研究人员揭示了稀疏自编码器（SAE）潜空间防御中的一个漏洞，证明了钳制目标特征并不能完全消除被抑制的行为。作者将此现象表述为“干预后恢复问题”，并设计了编码器正交更新来隔离恢复路径。通过包括拒绝引导和遗忘在内的实验压力测试表明，模型可以恢复禁止的行为。在拒绝引导场景中，模型在保持目标特征漂移为 0.131 的同时，实现了 95.8% 的恢复率。归因分析将恢复的行为追溯至 SAE 重构残差。