Anthropic新研究：看似无害的数据也能“教坏”AI
一段老摔跤手指导新人的对话、一组专业养蜂问答，看起来与AI安全风险相距甚远。但Anthropic的一项新研究发现，这类看似无害、能够通过训练数据监控检查的内容，也可能让接受训练的模型学出失准行为。
AI 修 Bug 差在哪？用对 harness，43 直接涨到 72
同一个模型，同样的 169 道真实修 Bug 题（取自 SWE-bench Verified），权重不动、任务不动、窗口不动，只把模型外面那套系统换掉，做出来的题就从 43 道变成 72 道。结果出自 8 月挂上 arXiv 的一篇论文，也回答了一个老问题：该选哪个模型？
能找出AI写的文章，不代表知道哪些AI写的文章值得留下来
你有没有想过这样一个问题：如果你能百分百确定一篇文章是AI写的，你就能知道这篇文章该不该拿去训练下一代AI模型吗？这听起来像是常识，但一篇最新的研究告诉我们，这两件事之间的关系，比我们想象的要脆弱得多。先说说为什么这个问题突然变得重要。
Meta最强模型跑分超越Opus 5.5？实测大翻车，作弊刷榜实锤了
Muse Wonder 用于快速前沿性能，Muse Wonder Full 则是该模型的完整版本。根据跑分，Meta在长周期软件工程上正式超越OpenAI，护城河已彻底蒸发。
本地跑通上线报错？qModel算法模型平台专业版5个避坑指南
很多算法工程师和数据工程师都有过这样的经历：模型在本地跑得好好的，一到生产环境就各种报错；业务反馈效果不好，排查半天也定不了是数据问题还是算法问题；每次发版都像在"拆盲盒"，生怕影响线上业务。其实，随着算法框架的成熟，单纯卷指标已经不是决定项目成败的唯一因素了。
Claude疑似新模型曝光，代码直出画面音效，《汉密尔顿》都做出来了
它能用很少的提示词，做出带光影变化、镜头切换和音效的动画短片:甚至做了一部音乐剧，用来自我介绍:听完我只能说，真的太强了，简直是《汉密尔顿》再世。
刚刚，上海交大AI原生实验室AutoDNA登上Nature：自主协调20余类仪器，完成11000多步生物实验
来源：市场资讯（来源：网易科技）构建 AI 原生实验室，以最少的人工干预实现自主科学探索，是一个长期以来的目标。尽管近年来自主实验系统不断涌现，但它们仍主要局限于目标单一、流程明确、仪器简单的领域。
神秘模型“太空兔”火了，效果直逼GPT-6 Astra，10万人围观
先来看一个对比测试，这位网友用Claude Opus 5、GPT-6 Sol和Gemini 3.8 Flash与Space Bunny进行比较，用最高思考级别构建火箭发射场景。
我向新版 DeepSeek 许了个愿，4 块钱让特斯拉飞起来
同时，完成这个项目的用时缩短到只需要 35 分钟，消耗 Token 是 3752 万，输出 Token 是 33 万，缓存命中率更是高达 99.6%。