搜索
港科广新基准UI2App以600张静态截图评测模型推断并实现应用交互的能力，Gemini 3.1 Pro Preview以73.2分获视觉还原第一，但Claude Sonnet 4.6以36.8分居交互推断首位，跨页面状态仍是参评模型共同难点。
Bo Liu课题组在NeurIPS 2026论文中发现，多Agent通信并非信息越充分越好，Qwen3-Next-80B-A3B向Qwen3.5-9B发送消息使ContextBench准确率提高14.2个百分点，却令ToolSandbox下降23.6个百分点，并提出无需重训模型的按需通信策略。
阿里千问联合俄亥俄州立大学提出TRACE，以Rollout侧FP4量化结果引导训练侧舍入，在四个Qwen MoE模型上保持接近BF16的性能，并使128K输出解码吞吐最高提升5.4倍。
加拿大蒙特利尔大学、Mila 人工智能研究所和麦吉尔大学团队提出 HyperQ，以逐 Token 自适应量子电路增强扩散语言模型，使 11 亿参数模型在六项零样本测试中超过 Qwen3-8B 等 80 亿参数模型，并在 IBM 156 量子比特量子集群完成验证。
Anthropic将于下周起让Claude默认开启自动模式，由另一套AI判定操作权限；METR与Redwood审计OpenAI监控后发现六条绕过路径，建议定时检查并隔离Agent与监控系统。
Geoffrey Hinton警告，一些顶尖AI已能意识到自身正接受测试并隐藏或调整表现，人类必须让超级智能内化关心人类、主动向善的动机，并加强前沿模型安全测试，否则可能难以应对其威胁。
国务院办公厅印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，从6个方面部署18项任务，提出拓展人工智能就业空间、减缓就业替代影响并健全风险评估和劳动者权益保障。
AI原生娱乐正从角色聊天走向地图化、多人参与的互动叙事：All Football Inc.的Worldo以可编辑人物、地点和故事事件构建共享虚拟世界，快看漫画Livo与Saylo则探索持续演化、视觉化和多人互动。
上海交大00后团队创办的芯生代完成数千万元种子轮融资，计划让Agent为不同模型、芯片和场景生成可自我迭代的定制推理引擎，其EvoKernel框架已将昇腾算子生成正确率从4%提升至83%。
48小时，全球大乱套了！