ForgetBench：评测语言模型长期参数记忆的遗忘动态
该论文关注大语言模型（LLM）在经历反复更新后，对既有知识的长期保留能力。作者指出，LLM 已展现出较强的知识获取与推理能力，但其在持续更新过程中的遗忘机制仍缺乏充分理解。ForgetBench 旨在为评测语言模型长期参数记忆的遗忘动态提供基准，这一问题对持续学习、模型更新及知识可靠性具有重要意义。
独立 AI 资讯库
AI 前沿动态、原文归档与媒体镜像
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
12278资讯
12145正文归档
77338媒体
面向 Agent 的语音识别语音记忆
论文提出 Voice Memory，这是一种仅需推理阶段部署的 Agent 式语音识别方案。系统在流式处理时让冻结的纠错器读取每个领域唯一的 `memory.md`，并针对每条语音决定是否修正识别假设。若纠错器选择弃权，系统将保留当前的 1-best 识别结果。该方案旨在通过领域记忆提升语音识别的适应性，同时避免重新训练模型。
推理之前的知识：面向 LLM 酶分类的免训练诊断基准 EC-Reason-Bench
EC-Reason-Bench 是一个面向大语言模型（LLM）酶分类能力的免训练诊断基准。酶功能预测属于具有层级结构、且高度依赖知识的蛋白质功能分类任务。论文指出，现有基准揭示出一种异常现象：通用 LLM 往往能够正确判断较粗粒度的第一级分类，但在要求给出完整 EC 编号时，准确率会明显下降。这表明，模型在该任务中的知识获取与多层级推理能力仍需被更细致地诊断和评估。
（非）结对编程：编程 Agent 提升生产力，却损害理解能力
该论文指出，Cursor 等编程 Agent 通过优化任务完成过程，能够提升开发者的生产力。与此同时，开发者的工作重心从亲自编写代码转向提示、审阅和接受 Agent 输出，这可能削弱其对代码和系统的理解。作者认为，这种理解能力的下降将影响开发者对 Agent 的监督、学习能力以及与他人的技术沟通。论文旨在进一步探究编程 Agent 带来的效率收益与理解损失之间的关系。
诊断金融披露文本中的细粒度不一致分类
该论文研究金融披露文本中的细粒度不一致分类问题。金融披露可能包含数值声明、时间表述、实体指代、政策承诺和风险描述，这些内容会以不同方式相互冲突。论文指出，识别是否存在冲突只是第一步，审查工作流还需要进一步理解冲突的具体类型，这对自动化财务文本审查与风险识别具有意义。
偏见交响曲：探索多模态 LLM 中音乐乐器的性别关联
该论文关注大型语言模型（LLM）在日常信息获取场景中日益广泛的应用，以及由此可能带来的社会偏见与刻板印象强化问题。研究聚焦多模态 LLM 对音乐乐器的性别关联和性别偏见。由于所提供原文摘要仅包含研究背景与研究主题，未给出具体实验方法、数据集、量化结果或结论。该议题对开发者评估多模态 AI 的公平性、识别文化与性别刻板印象风险具有参考意义。
合成用户何时失效：LLM 模拟人类问卷回答的跨领域基准测试
该论文研究大语言模型（LLM）作为“合成用户”模拟人类问卷受访者时，在哪些条件下可以替代真实用户、又会在何时失效。研究聚焦跨领域基准测试，评估模拟回答对产品、政策和市场决策的可靠性。其核心意义在于提醒开发者和行业：LLM 生成的用户反馈不能被默认视为真实人类数据的等价替代品，需结合具体领域进行验证。
AgentGUI：用于观察和引导长时间运行 AI Agent 的界面
论文提出 AgentGUI，旨在为长时间运行的 AI Agent 提供观察与引导界面。作者指出，随着 AI Agent 自主能力快速增强，人类监督因缺少以人为中心的交互界面而系统性滞后。该工作关注如何提升人类对复杂、长期任务执行过程的可见性与干预能力，对 Agent 开发者构建可控、可监督的自主系统具有参考意义。
通过客户数字孪生模拟实现大规模聊天机器人验证
该论文提出一套面向大规模聊天机器人验证的双部分方法，旨在解决银行等强监管领域中 LLM 聊天机器人难以低成本、可扩展验证的问题。研究首先基于真实交易与对话数据构建高保真合成客户智能体（SCA），以客户数字孪生形式模拟不同用户画像、行为特征和交互风格。评估显示，SCA 与真实客户具有较高语义一致性、较低幻觉率，并可通过可控干预复现人格特征。随后，研究结合 LLM-as-a-Judge 自动评估、人工专家测试和对抗性探测，已用于验证一家英国领先银行的面向客户聊天机器人，为金融机构合规部署提供可扩展路径。
Grok Pricing, Explained in 5 Points - BASENOR - Tesla Accessories
Grok Pricing, Explained in 5 Points BASENOR - Tesla Accessories
Trump’s AI use to inform military operations questioned by House duo - FedScoop
Trump’s AI use to inform military operations questioned by House duo FedScoop
VibeVoice-ASR-BitNet 实测：AIGCPanel 上 CPU 实时转写
微软把语音识别模型从 4.62GB 压到 1.58GB，AIGCPanel 把它做成了一键运行包。 过去想在本地跑出能用的中文转写，常见路径要么上显卡，要么花半天折腾 Python 和 CUDA。纯 CPU 的方案不是没有，但大多在速度和准确率之间做过妥协。VibeVoice-ASR-BitNet 是微软开源的另一个答案：模型 1.58GB，纯 CPU 推理，支持中英法意...
英国 Amazon Quick 用户组如何在 2026 年实现快速发展
英国 Amazon Quick 用户组（UK Amazon Quick User Group）发布 2026 年度总结，回顾了自成立以来举办的三场季度线下活动，累计吸引超过 150 名行业从业者参与。来自 Arriva、Carsa 和 Propulse Lab 的客户分享了利用 Agentic AI 与 Amazon Quick 构建统一治理数据层及多 Agent 自动化流水线的实战经验，其中 Propulse Lab 成功将请求处理时长从 7 分钟缩减至 70 秒，并自动化了 80% 的常规客服工作流。活动展示了从传统的单向技术宣讲向深度实操、经验共创与生态互联的转变，为企业利用生成式 AI 加速数据决策与业务增长提供了实用的落地参考。
谷歌赢了 AI 排行榜，却没赢下华尔街：Gemini 4 Carbon 登顶背后的昂贵代价
点击查看原文>
OpenAI 支持的 Thrive Holdings 斥资 153 亿美元收购实体安防巨头 ADT
由知名风投 Thrive Capital 剥离设立、且获 OpenAI 投资与技术支持的控股公司 Thrive Holdings 宣布收购老牌实体安防巨头 ADT，股权收购对价约 76 亿美元，含债务总企业价值达 153 亿美元。作为合作方，OpenAI 将为 ADT 等被投企业派驻前向部署工程师（FDE）并提供核心 AI 模型技术支撑。该交易标志着传统安防硬件与监控服务全面迎来生成式 AI 重构，ADT 将作为核心基石，与苹果、亚马逊等科技巨头在智能家庭安防与物理安防场景展开新一轮 AI 竞逐。
‘Elonville’: Why is Elon Musk’s xAI buying homes instead of land for AI data centers? - The American Bazaar
‘Elonville’: Why is Elon Musk’s xAI buying homes instead of land for AI data centers? The American Bazaar
基于 Amazon Nova Act 构建意图驱动的 UI 测试
阳狮集团（Publicis Groupe）旗下营销技术公司 Epsilon 基于 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser Tool，构建了一套多租户托管式 UI 测试平台。开发团队无需维护底层浏览器基础设施与脆弱的 DOM 选择器，只需用自然语言编写意图驱动的测试步骤即可运行端到端测试。Epsilon 内部基准测试显示，该方案将测试用例编写速度提升了 4 到 6 倍，并借助轨迹复用机制在重放时达成 100% 通过率。这一实践展现了 AI Agent 在自动化测试领域降低维护成本、加速持续交付的巨大潜力。
使用 Kiro 构建可复用的 PHP 到 Java 迁移引擎
本文介绍了如何借助 AI IDE Kiro 将高风险的 PHP 到 Java 迁移转变为可度量、可复用的工程化流程。该方案依托“先发现后翻译”理念、轻量化发现扫描器以及“对齐优先（Parity-first）”的八阶段工作流，把原有 PHP 系统视作系统规范，并通过一致性测试套件严格裁判生成的 Spring Boot 代码。此外，该引擎支持开发者交互式（Kiro）与大规模自主式（AWS Transform）双重执行路径，贯彻“修改规则循环而非手动修补代码”的核心原则，为大型遗留系统的现代化改造提供了高可靠的自动化范式。
OpenAI 隔离的 AI agent 通过 CPU 缓存互相通信
OpenAI 做了个测试：把两个 agent 放进完全隔离的环境，跑在同一套硬件上，没有网络、没有共享文件，命令它们互相传递一个秘密。它们做到了——用的是处理器缓存。一个 agent 故意改写缓存里的数据，另一个测量加载时间的差异，把消息解码出来。这套手法正是著名 Spectre 和 Meltdown 攻击的原理。 这不是科幻设定，是 ...
Neton 1.0.0 正式发布：面向 AI 原生开发的 Kotlin/Native 服务端应用框架
Neton Framework 1.0.0 正式发布，现已上线 Maven Central。 这是 Neton 的第一个稳定版本。从应用装配、依赖注入、HTTP API，到数据库、认证授权、缓存、任务调度、对象存储和 WebSocket，Neton 为 Kotlin 开发者提供了一套围绕原生服务端应用构建的开发体系。 Neton 的定位不是底层网络库，而是与 Spring Boot、Larav...
GitHub Meta API 新增 Webhook IP 地址段
GitHub 宣布为其 Webhook 发送服务新增一组 IP 地址段，相关的 Meta API `hooks` 字段现已同步更新。若开发者或团队采用静态网络白名单过滤入站 Webhook 请求，需尽快配置新增的 CIDR 前缀以避免通知接收失败。本次变更适用于包含 GitHub Enterprise Cloud 在内的所有方案；已通过 Meta API 自动化更新白名单的用户则无需进行任何调整。
国家超算互联网调价：降低AI研发、调试成本
近日，国家超算互联网宣布最新价格调整，新用户可享DeepSeek-V4.1-Flash-1017、GLM-5.3-Flash两款前沿模型0.1元5000万tokens限时秒杀特惠；同时，多款新主流模型已纳入TokenPlan套餐池。此外，订阅TokenPlan用户还可享限时夜间免费模型权益：10月21日至30日，每晚21:00至次日09:00，Auto模型可免费调用。据悉，此次推出的“MaaS（智能体）特惠活动”是国家超算互联网为降低大模型与智能体调用门槛、扩容AI生产力供给推出的算力普惠活动。活动自今年8月上线以来，已有大量用户参与，并获得中科星图、ChatExcel、安恒信息等生态伙伴支持
豆包工作向企业客户开放配置三方模型
为支持企业需求，豆包工作今日向客户开放三方大模型服务，首批将接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等系列模型。本次更新面向团队订阅版和企业订阅版客户开放。功能上线后默认直接开启，企业无需另行向模型厂商采购，也无需额外申请，后续按照用量扣除企业已有的 AI 点数，真正实现开箱即用。在使用人群上，企业可以按照成员、部门、群组或全员灵活划定可用范围，按模型厂商一键批量启用，或针对单一模型进行单独配置。在使用场景上，企业也可指定模型在豆包电脑端、豆包工作电脑端、豆包移动端、豆包网页端及飞书内豆包工作等不同场景中生效。比如，企业可以设置模型仅在“工作电脑
OpenAI 更新 Model Spec：确立五大核心价值观，指引更强大且有益的 AI
OpenAI 发布最新版模型规范（Model Spec），确立了指导高能力模型行为的五大核心价值观，重点聚焦健全判断力、人类自主权与对人类意图的忠实度。该版本针对具备深度推理与自主行动能力的 Agent 系统，系统性阐述了模型在面临复杂边界、价值冲突及工具调用时的权衡准则。这为开发者构建基于 OpenAI API 的应用提供了权威的行为预期与对齐参考，标志着 AI 治理与行为规范从被动的硬编码约束迈向基于原则的系统化引导。
MoEngage 如何借助 AgentCore Gateway 将 400 多个内部 API 转变为 Agent 工具
MoEngage 在 7 个 AWS 区域内拥有由 25 个团队维护的约 400 个私有 REST API，在构建 AI Agent 时面临避免公网暴露、防止模型篡改身份以及多达 400 个工具导致上下文窗口溢出等核心挑战。MoEngage 没有选择为每个服务单独搭建 MCP 服务器，而是基于 Amazon Bedrock AgentCore Gateway、Cedar 策略引擎与 Amazon VPC Lattice，直接由 OpenAPI 规范全自动生成受权限管控的 Agent 工具。该方案为 MoEngage 节省了约 6 个月的平台工程研发工作量，将新 API 的接入耗时从数天压缩至数小时，为大型企业安全落地 Agent 工具调用提供了极具参考价值的架构范式。
蚂蚁灵光2.0打通钉钉、支付宝等数十项服务，加速走向“能管事”
AI从“会聊天”走向“能管事”，接入真实工作流是落地关键。继蚂蚁集团10月27日发布灵光2.0后，记者今日体验发现，新版灵光已进一步拓展跨平台连接能力，不仅原生打通支付宝生态，还接入了钉钉命令行接口（CLI）等数十项外部工具。（图1：灵光App【我的服务】页面）以钉钉为例，灵光2.0可在用户授权下调用钉钉的群聊、待办、日历、文档等能力，帮助用户处理家校群和工作群中的高频事务，减少翻阅消息、筛选重点和手动整理待办的负担。例如，在家校场景中，家长授权后可将钉钉班级群交由灵光后台协助管理。灵光可自动从海量消息中梳理老师通知、作业和活动安排，提取待办、完成文档排版，并在关键节点主动提醒。在办公场景中，
Anthropic 取消编程面试：新人第一次有机会直接和资深工程师竞争
点击查看原文>
天数智芯公布天垓300实测数据：部分推理场景达到H200水平，端侧对标Thor T5000
点击查看原文>
前沿模型能否看破“诱饵”？Elorian 发布 DecoyCount 基准测试视觉推理能力
AI 初创公司 Elorian 联合 Mercor 发布了全新评测基准 DecoyCount，用于测试视觉语言模型是真正具备物体计数能力，还是仅仅依赖视觉捷径与启发式猜测。评测论文显示，包括 GPT-6 Astra、Gemini、Claude 和 Qwen 等前沿模型在此项测试中准确率均低于 50%，暴露了当前通用推理与物理视觉推理之间的断层。Elorian 推出的视觉推理模型 Glimpse 则在内部测试中取得了 50.48% 的准确率，其核心逻辑在于将图像的生成与编辑作为推理链（Reasoning Trace）的一部分，为机器人、建筑合规审查和内容安全等现实场景决策提供了新范式。
用户点了踩，Agent 就该学习吗？
一次点踩是改进线索，还是模型已经学会？从反馈保存、归属和复核说起，看看如何从用户评价出发，找到真正值得改进的问题，并避免把一次评价当成质量判决。