GPT-6.1 Terra：低总体标记率，为什么不等于每种权限场景都更稳？
48,690 项匹配任务中出现 22 次严重度至少为 3 的标记，不能读成外部用户事故率。
本站精选：
近期报告 · 2026-10-26
技术报告精选&分析
全部精选按本站上站或实质更新排序；首页展示其中最新四篇，历史文章保留原入口。
GRAFT：把奖励投机导向可移除参数，监控漏检之后还剩多少保护？
被标记轨迹只更新FORGET分支；部署时移除该分支，保留RETAIN。
本站精选：
近期报告 · 2026-10-12
Cerebras：59片晶圆与 190路请求背后的推理账本
先复算能装下多少，再验证实际能服务多少。
本站精选：
近期报告 · 2026-10-22
把生物数据拆给 1,946 个 Agent，哪些结论经得起核验？
优先扩展可核验的证据覆盖，再检验新结论。
本站精选：
近期报告 · 2026-10-16
低风险分数，可能只是系统几乎不交付？
一起报告风险、交付率与重试条件。
本站精选：
近期报告 · 2026-10-20
AI 用得越多，人的工作为何变成管理 Agent？
把产出、质量、注意力与学习机会一起衡量。
本站精选：
近期报告 · 2026-10-16
Agent 为什么越走越偏：上下文惯性与停止能力
启动和停止分开测；压缩笔记不能替代授权。
本站精选：
近期报告 · 2026-10-23
训练环境不能只靠一道墙：前沿模型隔离的证据链
按控制层独立验证，并保留测试条件与残余风险。
本站精选：
近期报告 · 2026-10-23
AI 写出形式化证明之后，究竟证明了什么？
独立证明检查是进展；规格和执行假设决定保证范围。
本站精选：
近期报告 · 2026-10-22
Claude 怎样降低量子电路成本：独立评估器比“自主发现”更关键
独立评估约束结构搜索，资源收益仍依赖编码、基线和误差条件。
本站精选：
近期报告 · 2026-10-15
DeepInfer的推理降本路线：计算、缓存与集群调度如何协同
减少重复计算、缓存搬运与集群等待需要共同设计；基准数字必须附带硬件、并发和接受率。
本站精选：
近期报告 · 2026-10-20
Claude设计出结合蛋白之后，离抗蝎毒治疗还有多远？
Agent带来真实实验候选，但结合不等于中和，更不等于抗毒药。
本站精选：
近期报告 · 2026-10-20
GPT-6.1 Sol系统卡：平均进步之外，怎样看退步项与监控证据？
平均进步不能代替退步项分析；测试设置和系统防护决定结论能否迁移。
本站精选：
近期报告 · 2026-09-29
Claude怎样低成本自查滥用，为什么不能独立防越狱？
自评是覆盖广的离线信号，需与实时防护及人工调查配合。
本站精选：
近期报告 · 2026-10-16
代码能跑，还能保持原来行为吗？OpenAI 的多语言评测
先区分两种通过口径，再按自己的语言、业务规则和验证成本选择迁移路线。
本站精选：
近期报告 · 2026-10-19
AI 公司员工与公众为何看见不同的未来？
把未来能力、实际采用、自报省时和经济模型分开，才看得清预期差距。
本站精选：
近期报告 · 2026-10
GPT-6 十月版：安全指标进步，为什么仍会出现退步项？
安全改善需要具体到版本、指标和保护层；既不抹去回归，也不把困难集失败率当日常风险。
本站精选：
近期报告 · 2026-10-07
MAI-Base-2：预训练计算节省，怎样变成可靠的大规模训练？
配方效率要连同可比较的实验条件和真实系统代价判断；少用FLOPs的能力，不自动等于最终训练账单更低。
本站精选：
近期报告 · 2026-10-15
Muse Spark Open：开放模型的成绩，怎样才算可比较？
Muse Spark Open提供可自托管的多模态检查点；判断是否适合采用，应同时看任务／计分、成绩出处、硬件与许可，不把排行榜或局部加速当成业务保证。
本站精选：
近期报告 · 2026-10
Nano Banana 2.1：图像偏好、事实性与编辑一致性要分开看
Nano Banana2.1 在多项作者评测中更受偏好，但事实性、编辑一致性、输出规格和安全判断需要分开；工作流采用仍需自己的样本验证。
本站精选：
近期报告 · 2026-10
Gemini 4 Argon：长任务成绩领先在哪，哪些比较并不等价？
Argon的知识工作与长上下文成绩值得关注，但选型仍须逐任务、逐配置理解；安全收益与残余风险分开。
本站精选：
近期报告 · 2026-10
Muse Wonder：持续记忆与长任务，怎样读懂能力和安全评测？
持续记忆与长任务能力要连同评测范围、完整完成率、利用路径和部署防护一起判断；模型卡提供可审证据，但仍有应用场景验证缺口。
本站精选：
近期报告 · 2026-10-12
MiMo-V2.6：长任务 Agent 的提升，来自怎样的强化学习？
长任务 Agent 的提升来自训练系统的联合设计：更丰富的可验证经验、更细的解法评价、稳定的 MoE 执行，以及在学生生成上进行多教师监督。
本站精选：
近期报告 · 2026-10-08
Agent遇到阻碍后，该停在哪里？
完成任务的替代路径也须保持授权、目标与动作边界；训练、工具、环境和监测分别承担防护作用，个案拦截不等于总体风险已经量化。
本站精选：
近期报告 · 2026-10-09
AI 不换模型，也能自己改进吗？
改进经验可以生成有用工具，部分作者实验同时提高成功率并降低执行费用；是否更好仍须冻结实现后按同一任务和成本口径验证。
本站精选：
近期报告 · 2026-09-29
谁在为 AI 付钱？流量榜之外的重度用户
消费AI的流量、付费和实际用途需要分别判断。榜单差异揭示观测盲区，重度购买也仍需要使用质量与留存证据。
本站精选：
近期报告 · 2026-10-05
百万次重复判断，怎样降低调用费用？
让Agent自行制造可复用产物，部分任务能显著降低论文报告的API费用；但是否保住质量、胜过简单蒸馏并交付完整输出，仍需要单独验证。
本站精选：
近期报告 · 2026-10-06
V4 → V4.1：Agent 的成本省在哪里？
沿三条路线，分别看输入计算、显存缓存和持久缓存怎样减少。
本站精选：
历史问题 · 2026-09-17