修复评估偏差，以在 Amazon Bedrock 上解锁更优的模型
Property Finder 发现，其视觉AI评估标签中有96.8%源自现有模型，这掩盖了该模型的真实准确率。了解他们如何构建无偏的真值数据、实施进化式提示优化，并在 Amazon Bedrock 上选择了一款更精准且更具成本效益的模型，从而在11项图像质量指标上将成本降低了86%。
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
从写作建议到稿件治理：一种用于学术修订的约束性转换框架
arXiv:2610.33001v1 发布类型：新 摘要：当合法的写作目标发生冲突时，学术修改便呈现出治理难题。写作过程与社会科学的研究表明，修改具有递归性，且措辞承载着认识论与学科层面的承诺。这些文献指出了若干重要约束，却未能明确在简洁性、发表形式或风格多样性与证据及主张边界发生冲突时，究竟应以何者为优先。本文将修改建模为一种在有序约束下的可接受性问题。任务相关的不变量、情境约束以及可变的呈现方式共同界定可接受的空间；而一项主张保持契约则将证据与判断与经授权的主张边界相联结。四项治理命题具体阐明了p
Anthropic要IPO了，帮大家总结了一下招股书里11个有趣的细节
昨天晚上，Anthropic终于公开了他们的IPO申请，把他们的招股书挂上了美国证监会的网站。 很多人也都说，A\为了上市，终于当了回人，给大家掏出了Claude Opus 5.5这种究极....
中国零售商为人工智能工具买单，而消费者仍在追逐补贴
在双十一期间，聊天助手能够通过优惠券引导订单，而商家软件则早已为设计与运营工作收取费用。平台正以比赢得消费者信任更快的速度，将现有预算变现。
重试权限：AI 智能体工作流中的授权与恢复研究
arXiv：2610.31916v1 发布类型：新 摘要：一个持久化的 AI 智能体能够在自身权限发生变更、且该行动的外部结果仍不确定的情况下，恢复执行一项具有重要影响的行动。我们研究了使用工具的 AI 智能体在执行过程中的可靠性，并将恢复决策与语言模型的行为加以分离。检查点状态、派遣权限、外部效应的证据以及协调权限，都是相互独立的义务。我们提出了一项有限的一致性研究，通过对照隐藏于恢复应用之外的供应商效应账本所记录的历史数据，来检验这些义务。一项预先冻结的实验在原生 LangGraph 和 Temporal 主机上执行了 336 条历史记录，跨越 14 个调度、三个供应商合同以及四个匹配的应用策略。所有 168 对主机单元
