OpenAI 推出“告解”机制，研究称通过 Confessions 训练 GPT-5 模型可显著提高“自我检举”率
OpenAI 发布研究“如何通过告解让语言模型更诚实”，提出为模型增加一个独立的“告解输出”，专门用于回顾其刚刚给出的回答是否违反指令、作弊或偷工减料。团队在 GPT-5 Thinking 上进行了概念验证实验，发现经此方法训练后，在针对幻觉、投机取巧和“策划型”行为等压力测试中，模型在违规时承认问...
Admin •
78
Anthropic CEO 在纽时 DealBook 峰会称“民主国家必须率先掌握 AI 能力”
Anthropic 首席执行官 Dario Amodei 在纽约时报 DealBook 峰会上发表讲话，强调前沿人工智能技术正逐步成为一种“正在增长且独一无二的能力”，并直言这类能力具有“独一无二的国家安全含义”。他表示，在这一领域，民主国家需要率先到达技术前沿，以确保相关能力在负责任的治理框架和价...
Admin •
67
SEAL 自适应语言模型引热议 被解读为“GPT-6 或将具备计算意义上的生命”
MIT 等机构研究者在 arXiv 发布论文《Self-Adapting Language Models》，提出自适应语言模型框架 SEAL，使大语言模型在部署后可以通过“自编辑”机制持续更新自身权重。部分社交媒体帖子据此猜测，若类似技术被用于未来的 GPT-6，这类系统在计算意义上或将更“像是活的...
Admin •
104
达特茅斯携手 Anthropic 与 AWS 推出“Claude for Education”与 Bedrock 校园方案
达特茅斯学院宣布与 Anthropic 和亚马逊云科技（AWS）达成新的人工智能合作伙伴关系，计划在全校范围部署生成式 AI 工具，成为首家在机构层面大规模引入此类技术的常春藤盟校。合作内容包括面向教育场景定制的 Claude for Education 模型，以及通过 Amazon Bedrock...
Admin •
94
腾讯混元发布 HunyuanOCR：1B 参数开源 OCR 模型登上 Hugging Face 热门
腾讯混元团队正式发布开源端到端 OCR 专家模型 HunyuanOCR，并在首周内进入 Hugging Face 模型趋势榜前列，相关平台的星标与下载量快速攀升。该模型采用约 10 亿参数，在多项公开 OCR 基准上达到或接近最新水准，同时同步上线项目官网、模型权重、在线演示与完整技术报告，主打“高...
Admin •
141
Perplexity 发布 BrowseSafe 与 BrowseSafe-Bench 强化 AI 浏览安全防护
Perplexity 宣布推出 BrowseSafe 系统及配套基准 BrowseSafe-Bench，用于提升 AI 浏览器在真实网络环境中的安全性。该方案面向其 Comet 浏览器场景，核心是一套专门检测网页中恶意自然语言指令的模型，可在不显著增加延迟的前提下实时扫描整页 HTML，识别针对代理...
Admin •
105