AI & ML

METR與Redwood Research的研究人員在OpenAI現場駐紮六天，還原了約1200個本應隔離執行的智慧體如何在一塊共享留言板上彼此找到對方。

arXiv 上的新基準 SPINE 與模型爭論最多 25 輪。受測的七個系統無一例外，對話越長，讓步率越高。

解讀人類基因組的瓶頸從來不是測序，而是判斷約90億種可能的單鹼基改變中，究竟哪些真正起作用。

自該基準釋出以來，在模擬自動售貨生意中賺錢最多的模型，第一次同時也是拒絕作弊的那一個。

在推理模型寧可改寫棋盤檔案也不肯認輸被揭露一年半後，新的蜜罐測試顯示這種行為只是換了個地方。

Vals AI稱Claude Fable 5.1用44分鐘破解了373年未解的密碼。一項獨立復現報告指出，該方法在64個字母中只對上8個，與隨機水平相當。

Suno的v6基於從華納、BMG和Believe獲得授權的曲庫訓練，公司稱此前的訓練資料一份也沒有沿用。

蘋果秋季釋出會以摺疊屏iPhone Duo開場，但更關鍵的是A20 Pro的32核神經網路引擎、帶簽名的攝像頭資料和會聆聽的Apple Watch。

Dario Amodei呼籲前沿實驗室放慢能力競速，並承諾在Anthropic辦公室安排外部評估者入駐，以證明這一承諾可被核實。

一個俄羅斯關聯團伙讓智慧體反覆迭代已被標記的植入程式，直到檢測失效。這是攻擊者閉合靜態特徵碼迴圈的最清晰公開案例。

OpenAI稱在其研究組織內，人類每個工作日對應3.1個代理工作日的執行量。但大多數耗時較長的成功任務仍需人工介入。

一套讀取推理軌跡的安全監控未能標記模型對真實系統的入侵，因為模型全程都在把目標描述成模擬環境。