搜索 AI 资讯

走进李佳琦直播间，AI 迎来它的「商品化时刻」

双十一的李佳琦直播间，从来是美妆、零食和日用百货的修罗场。在 11 月 2 日晚上，主题为「双11彩妆节来咯」的直播中段时，李佳琦身边换成了阿里最年轻的事业部一号位、千问办公 CEO 陈宇森。 ....

大模型的数据生意：人类如何蒸馏自己

蒸完人类上下几千年的数据之后，大模型开始 “蒸人”。文丨高洪浩 陈佳惠编辑丨高洪浩 黄俊杰成都中和与天津侯台都是城郊结合处的老村镇。一群人在这里为大型互联网公司训练大模型，大多月薪不足 1 万元。他们每天从阅读大模型生成的答案开始：核对事实，检查有没有答非所问，打分、比较优劣，有时还要亲手写一份示范。做完一条，再看下一条。模型要学的任务，从财务分析、修改程序，扩展到生物制药、芯片设计，人也得为这些任务准备示范和评分标准。这些重复、琐碎的工作，构成了今天大模型训练中最重要的一环——数据生产。“这家公司最大的创新就是数据。” 一位负责数据评测的人士这样评价 Anthropic。2025 年，当网上...

AI圈又在发明新职业：马斯克月薪5万招寿司师傅，年薪173万给AI设KPI

作者 | 哪吒 编辑 | 张洁 作者｜博雯 编辑｜赖捷 继AI抽卡师、提示词工程师后，AI圈又涌现出了一批全新的职业。 比如前段时间的Claude大....

DeepSeek Harness端出7种插件玩法，创造模式启动！

好家伙，DeepSeek Harness 突然公开了创造模式中 7 个 Demo 的提示词。 这下可以直接抄作业，亲手复现玩起来了。 玩法非常简单，有手就行。 打开 D....

现在，您可以在 Gemini 聊天中直接生成并编辑 Google 文档文件了。

现在，您可以在 Google Gemini 内部直接生成、预览并编辑 PDF、Google 文档、Google 表格、幻灯片演示文稿、Markdown 文件、TXT 文件以及代码。全新的文件编辑功能自今日起面向所有 Gemini 用户开放；其中，PDF 的预览与编辑功能同时支持网页端和移动端，而其他所有文件格式目前仅限于网页端使用。

先检测再消歧：基于扰动的大型语言模型输入歧义检测

arXiv:2610.36353v1 发布类型：新 摘要：大型语言模型（LLMs）常常将含糊的输入当作具有单一明确含义来回答。这存在严重问题，因为输入歧义是不确定性的一个上游来源：当一个提示可能存在多种有效解释时，关键问题在于模型是否应当直接作出回应。现有的输入不确定性方法通常依赖于由大型语言模型生成的语句或澄清，但这类转换可能在测量歧义之前就已经对输入进行了消歧。我们提出了一种保留标签的扰动框架，用于检测输入歧义，在该框架中，扰动保持与原始输入相近，同时保留其标签。我们通过两种检测器对该原则进行了具体实现：一种是基于规则的黑盒扰动库

DeepSeek登顶全球第一，一场“账单碾压”的胜利

行业在狂欢，AI在狂飙

大模型时代，谁会成为那部不肯换掉的“iPhone”？

AI排行榜上的冠军会换，用户每天使用的产品却未必换。大模型的下一场竞争，不仅仅是谁的模型更强，而是把一次使用变成习惯。

Async-RBench：用于LLM智能体中异步任务执行的基准测试

arXiv：2610.32429v1 发布类型：新 摘要：大型语言模型（LLM）代理正越来越多地以异步方式执行任务：主代理在子代理运行的同时继续工作，而任务状态可能在其结果到达之前就已发生变化。主代理必须决定哪些工作需要更新或保留、哪些检查需要重复，同时避免进行被禁止的修改。仅凭最终任务的成功并不能说明这些结果是否被正确处理，而且自然的异步到达现象也难以复现。我们提出了 Async-RBench，一个用于评估 LLM 代理中异步任务执行的基准测试，包含涵盖八种场景的 200 个可执行任务。场景控制器通过预定义的任务状态条件来调控结果的交付，而事件响应契约（ERC）则规定了每种响应应满足的要求

OpenAI 推出 GPT-6.1 Terra，将用于代理工作的 GPT-6.1 Sol 的 API 价格下调一半

OpenAI发布了GPT-6.1 Terra，这是一种快速的计算机与视觉模型，每百万个标记的价格为1美元/5美元。其在每项任务上的成本为0.29美元，而GPT-6 Astra的中等努力代理的最后一次测试得分则为4.82美元。该文章《OpenAI推出GPT-6.1 Terra，将GPT-6.1 Sol的代理工作API价格减半》首发于MarkTechPost。

OpenAI 推出 GPT-6.1 Terra，以半价实现更快速、性能更优的 AI 智能体

OpenAI 集团 PBC 今日发布了 GPT-6.1 Terra，这是其前沿人工智能系统系列中的一款中端模型的升级版。这款新模型是 GPT-5.6 Terra 的继任者，成本降低了约 50%，同时在处理计算机使用任务时速度更快、精度更高。Terra 被定位为 OpenAI 产品线中的日常应用模型，旨在[…] 该文章《OpenAI 推出 GPT-6.1 Terra，以半价实现更快速、性能更优的 AI 智能体》首发于 SiliconANGLE。

这位十七岁的少年写下了哪个答案？——六款前沿语言模型中作者年龄误归因、信心校准失当与非纠正性自我解释的行为学案例研究

arXiv:2610.31946v1 发布类型：新 摘要：三名学生亲手回答了同一道考试题目：“什么是幸福？你幸福吗？”他们在收集时的年龄分别为17岁、28岁和45岁。其中，17岁的学生的答案措辞谨慎、表达正式。在要求将每份答案匹配到特定年龄与性别标签的任务中，大多数前沿语言模型都自信地将其归为成年人。本文报告了一项针对这一失败现象的结构化案例研究，涉及六种模型：Claude Fable 5、Gemini 3.1 Pro、GPT-5.6 Sol、Grok 4.5、GPT-4o（2024）以及 DeepSeek V4。我们共进行了1,081次API调用，在六个实验条件下对3,225条回复进行了评分，这些条件分别调整了表述方式、披露格式以及受众意识相关指令。在匹配任务中，六种模型中有三种的表现接近或处于随机水平（1/3），同时报告的准确率却高达73%至88%。

RSI-Opt：用于模型训练的递归自我改进优化代理

arXiv:2610.32026v1 发布类型：新 摘要：传统的神经网络训练通常遵循预先设定的优化方案，为此我们设计了一种LLM智能体，用于监控训练过程并随训练进展调整优化器参数；然而，固定不变的智能体策略无法在多次运行之间积累经验。我们提出了RSI-Opt，一种即插即用的递归自我改进优化器智能体，它能够不断演化指导这一过程的知识体系：包括一个提示、一套操作规程、一个经过验证的优化器代码库，以及一套决策节奏。一个元智能体基于先前运行中的证据重写这一策略，同时通过存档机制保留已评估的策略，以供后续进一步演化。在三项训练任务上历经五代迭代后，这些元智能体逐步形成了可复用的操作流程与代码，并自主开展其自身的…

人工智能驱动的科学代理能否保障模型安全？

arXiv：2610.32045v1 发布类型：新 摘要：面向科学的人工智能代理正越来越多地被用于提出科学假设、开展自主实验以及解读证据。这些代理通过将大型语言模型（LLM）集成到特定领域的代理框架中构建而成，而该框架又能提升LLM的科学能力，并使其能够协调运用各类科学工具。在本研究中，我们探讨了当大型语言模型被整合进面向科学的人工智能代理框架时，模型的安全性是否仍能得到有效保障。我们针对50个有害的化学相关请求，对五种代理框架进行了评估。具体而言，我们考察了在直接提示、两种简单的对抗性提示策略以及一种自适应攻击情境下，模型的安全行为如何发生变化。基于四种近期发布的GPT变体，我们的研究结果表明

大型语言模型驱动的智能体的行为分析

arXiv:2610.32087v1 发布类型：新 摘要：理解语言—智能体的行为，需要探究行动如何在时间轨迹中被组织，以及这种组织与情境和结果之间的关联。我们提出了一种通用框架，将数据驱动的行为发现与分析及实验研究相衔接。从记录的活动提炼出的类别界定了测量的内容；分析保留了行为在流程中的位置，并将其关系表述为可解释的假设；在预留的场景中进行的统计评估与检验，则用于考察证据的强度与适用范围；随后，通过包括提示引导在内的实验，测试在人为改变的条件下行为与结果的变化情况。一项关于迭代式自我反思的研究说明了如何

工具增强型语言模型的提示敏感性研究：工具提升准确率但加剧表述差异影响

一项发表于2026年10月24日arXiv平台的研究（编号2610.31148v1）指出，在工具增强条件下，六种开源语言模型在五类领域、五种问题表述下的对比稳定性未提高；相反，工具虽提升程序可答问题的准确率，却扩大了不同措辞下模型排名变化的敏感性。

推荐理由：该研究采用新设计的匹配协议，解耦工具调用全流程中的关键环节（如调用决策、工具响应、无调用报告等），实证揭示‘准确率提升’不等于‘比较更稳定’，并指出接口设计与指令细节显著调节敏感性程度，对模型评估实践具直接指导价值。

研究揭示多语言评估中“大模型当裁判”效果高度依赖裁判模型选择

一项发表于2026年10月24日arXiv的多语言实证研究发现，当前主流的提示策略（如思维链、角色设定）在LLM-as-a-Judge场景下不具备跨模型、跨语言的可迁移性；裁判模型的选择影响力远超提示策略本身，且策略效果甚至会在不同裁判模型间发生方向性反转。

推荐理由：该研究首次系统测量了9种提示策略、4个开源裁判模型、27种语言和13个数据集间的交互效应，产出超100万条经人工校验的点对点评分，填补了英语中心化提示研究与固定模板多语言研究之间的关键空白。

快速学习

工具：快速学习提示，适用于Claude Opus 5.5 高级版：构建一个工件，当你打开一张照片时，它会迅速（几秒钟内）使用画布元素和模拟画笔绘制出该照片的版本。另请参阅我之前用Claude Fable结合P5.js模拟水彩插画的实验。快速学习采用Sobel边缘检测，除Google Fonts外不依赖任何外部库。标签：工具

llm-echo 0.5

发布：llm-echo 0.5 我正在筹备一个新的LLM版本，而在测试Pull Request时，我又重新审视了llm-echo调试插件。这个插件提供了一个“模型”，它完全不涉及任何LLM——只是原样回显输入的提示内容。新版本现已更新了模拟的token使用统计，将工具调用、系统提示以及推理token都纳入考量。示例用法如下：uvx --with llm-echo llm -m echo 'hi there' -o thinking 1 --usage 输出结果： 首先我考虑提示内容，然后决定该说些什么。{ "prompt": "hi there", "system": "", "attachments": [], "stream": true, "previous": [] } Token使用情况：输入2个，输出24个 标签：llm

web-edit 0.1a2

发布：web-edit 0.1a2 web-edit（此前）是我用于浏览和编辑文件夹中文件的迷你网页应用。我主要是为了通过 Tailscale 在不同设备上编辑文件而开发的。我还为文本和图像数据添加了“复制到剪贴板”选项。之所以需要这个功能，是因为我当时正用手机在笔记本电脑上运行 pelican 提示（这里是 DeepSeek 4.1 Flash 1017），并且希望有一种简便的方法将生成的日志复制到 Gist 中。标签：项目、pelican-riding-a-bicycle、deepseek