腾讯HY LLM前沿等机构研发,通过递归验证扩展长程智能体训练任务规模
前沿快讯 · 共 500 条
字节跳动Seed与浙大联合推出的基准,移除单帧捷径测试长视频全局空间定位能力
发生了什么:链上数据显示,Nous Research 的 Hermes Agent 在 8 月初于 OpenRouter 处理了约 1.5 万亿 token,几乎等于平台上其他 49 个被追踪应用的总和;自 3 月上线以来累计达 33.1 万亿 token,稳居 OpenRouter 全球日榜第一,调用过 407 个…
发生了什么:据 The Information 报道(经路透、ChosunBiz、TechNews 等转述),英伟达将向星际之门(Stargate)数据中心园区的电力基础设施开发商 Lancium 投资最高 30 亿美元——先投 20 亿美元换取约 20% 股权,若达成电网接入等里程碑再追加 10 亿美元,对 Lan…
发生了什么:NextSlide 创始人 Ahmed Beshry 8 月 8 日在官网公告,OpenAI 已收购这家把提示词、笔记、文档一键转为可编辑 PPT 的初创公司,团队整体转入 ChatGPT 产品线,交易金额未披露。为什么重要:这是在 7 月 9 日推出 ChatGPT Work 之后,OpenAI 继续把…
发生了什么:Cline 8 月 9 日发布 v4.1.7,恢复基于 SDK checkpoint 的「View Changes」改动回顾按钮与回复行的复制按钮,并支持为无法动态注册的远程 MCP 服务器预注册 OAuth 客户端。为什么重要:这些改动补齐了长任务后的可读性与企业级 MCP 接入体验,让用户在完成卡片上…
发生了什么:OpenClaw 8 月 8 日连发 v2026.6.33 / v2026.6.34 两个 extended-stable 维护版,集中做安全与可靠性修复——沙箱浏览器路由、可信 DNS、loopback provider 端点开始拒绝不安全访问路径;MCP 状态输出对密钥做脱敏、Telegram 凭证不…
发生了什么:Cline 8 月 9 日发布 SDK v0.0.72 与 CLI v3.0.52,主打「中断韧性」——一轮中被打断时排队的提示会被保留并在中断后继续处理,会话上下文在中断与 hub 重启后仍能恢复;远程 SSE 版 MCP 在 401 时弹出 OAuth 授权而非直接失败,并支持预注册 OAuth 客户…
发生了什么:Qwen Code 8 月 8 日发布 v0.21.8,新增对 OpenAI、Gemini、Vertex AI 的压缩缓存共享,可复用对话前缀、减少重复输入处理;/review 命令把远程匹配改为确定性 CLI 子命令后,prompt 缓存命中率最高达 93.3%。为什么重要:版本同时修了一个安全漏洞——…
发生了什么:Cursor 8 月 6 日发布技术博客,拆解 Router 如何基于真实开发流量学习选模型——用 Compass 复杂度预测器判断请求难度,再按任务分类路由到合适模型。为什么重要:博客给出最新实测数据,Auto Intelligence 在用户满意度达 Fable 水平的同时,成本较 Opus 4.8 …
发生了什么:The Information 独家称,SpaceX 收购 Cursor 的交易最快 8 月底完成,管理层已向员工交底——Cursor 不再作为独立实体运行,团队并入 SpaceXAI,未来新产品线不再挂 Cursor 招牌。为什么重要:这是 AI 编码赛道迄今最大收购,也意味着 Cursor 长期坚持的…
发生了什么:Qwen Code 于 8 月 6 日发布 v0.21.7。几项关键改动——Goals 移除此前 50 轮的硬上限,任务可以越过原有边界继续恢复与推进;交互式 CLI 支持把模型与工具输出中的图片内联渲染在终端里,适配 Kitty、Ghostty 与 chafa;新增 `.qwen/review-cont…
发生了什么:OpenHands 在 8 月 7 日同日推出 v1.11.0 与 v1.12.0 两个版本。v1.11.0 的重点是把成本与编排摆到台面上——活动日志(Activity Log)与导出内容中新增按次运行的 LLM 成本展示;新增一个带类型的 agent 动作,用于拉起本地或云端的子会话;自动化面板新增标…
发生了什么:Cline 于 8 月 7 日发布桌面版 v0.0.10。核心变化——设置页 MCP 面板新增远程服务器 OAuth 授权,可查看授权状态、取消或重试待处理授权,并支持需要预注册 OAuth 客户端(client ID/secret)而非动态注册的服务器,客户端配置变更时会自动作废已存令牌;MCP 报错改…
发生了什么:Claude Code 于 8 月 8 日推送 v2.1.225。新增项两条——用量警告接入网关(gateway)支出上限,触顶提示会直接给出额度数值、重置时间与运营方留言(需网关同步升级到 2.1.225);`claude agents` 在不受信目录下新增工作区信任提示,与 `claude` 主命令行…
发生了什么:OpenHands 于 8 月 5 日发布 v1.10.0,把 Canvas 的默认模型设为 GLM 5.2,并上线精选自动化落地页面板、清单驱动的自动化子页面、技能页分面筛选与活动日志导出;修复项包括按部署环境推导自动化超时上限、Canvas 变更时保留 MCP 凭据、本地代理目标改用 IPv4 回环地…
发生了什么:pi 于 8 月 6 日发布 v0.84.0,新增可在运行时切换的全屏 TUI 模式,带固定编辑器与页脚、可独立滚动的会话记录和可拖拽滚动条;交互式记录中支持渲染 Mermaid 图表与终端友好的 Unicode 数学公式;新增 AGENTS.override.md,可按目录整体替换上下文文件;开放任意 …
发生了什么:Cline 于 8 月 5 日发布 v4.1.4,把 Plan 模式从依赖提示词约束改为执行层硬阻断——文件操作、原地编辑器、重定向写文件、会改动仓库的 git 子命令与装包命令一律拒绝,只读调查照常放行;同时移除模型自主由 Plan 切到 Act 的能力,切换权收回给用户。此外新增 Chutes 供应商…
发生了什么:Anthropic 于 8 月 6 日发布 Claude Code v2.1.223,集中修复一批权限与沙箱缺陷——精心构造的 Bash 命令可对权限检查隐藏自身的一部分;用制表符或不可见 Unicode 填充的命令能在审批弹窗中藏起片段;workflow 脚本可借动态 import() 在沙箱外执行代码…
发生了什么:OpenAI 于 8 月 7 日发布 Codex CLI 0.147.0,新增可移植 Agent Plugins,并支持跨本地、个人、工作区、远程四类插件目录检索;可导入 Cursor 管理的 skills,并同步已导入的 Claude、Cursor 会话而不产生重复;新增 --approve-for-m…
南大与上海AI实验室提出的模型能力审计方法,区分实际答对与可达上限的差异
苏黎世联邦理工与Cohere提出的评测优化方法,用40%预算以95%可靠度确定模型排名
复旦与滑铁卢大学开发的抄袭检测方法,对PAN2025任务F1值达0.94
上海AI实验室等提出的世界模型新定义,将核心从物理状态转移为智能体可使用的信息
新加坡理工等开发的调度智能体,参数仅为基线22%至47%且延迟下降13.2%至31.7%
上海AI实验室开发的科研协作平台,支持数百智能体异步讨论,65%用户认为能拓宽研究方向
谷歌与米拉研究院提出的博弈论框架,解释基础模型智能体间的理性合作机制
港中文与腾讯研发的向量检索优化方法,将训练数据去重速度提升4至8倍
斯坦福等开发的跨学科字符串算法平台,本地WebAssembly引擎使部分算法加速达2500倍
上海AI实验室等开发的化学文档解析工具,CARBON图表示使分子结构识别准确率达93.02%
北邮等机构研发的物理AI统一推理框架,实现1.4至4.65倍推理加速且不牺牲任务成功率
上海交大等机构开发的角色控制模型,通过三室疲劳机制让虚拟角色动作更符合真实人体状态
华西医院等研发的乳腺专科病理模型,通过三级放行机制将非乳腺内容幻觉率降至2.8%
中国人民大学提出的PDE科研工作流,将大模型定位为协调者而非数值求解器
蔚来研发,为各语言训练专用教师再整合,仅用5万条后训练语音,2.3B模型错误率降至4.45%,超多数同类系统
清华交叉院研发的视觉定位建图模型,通过动态局部坐标系避免长距离漂移,支持17公里以上城市驾驶序列
北大与北邮研发,将遥感、街景、文本等城市信息映射到同一嵌入空间,综合得分较基线提升约15.3%
上海交大与上海创智学院研发,对语音样本按组内相对表现加权训练,词错误率降22.7%,训练速度提升约2.9倍
西北工业大学与北大研发,分模态独立压缩与任务导向二次筛选,在Qwen2.5-Omni模型上计算量降至6.8%仍保留92.9%性能
人大与蚂蚁集团研发,针对扩散模型优化数据、批次等缩放参数,用65%训练数据接近Qwen3性能,多项推理任务超同类模型
