SemiAnalysis 发布 GDPx 基准,无 AI 智能体得分超过 12%
SemiAnalysis 发布 GDPx 基准,把 AI 智能体放进模拟知识工作环境,206 项任务覆盖芯片设计、生物、量化交易、网络安全和法律等 11 个领域,没有模型总分超过 12%。
SemiAnalysis 发布 GDPx 基准,把 AI 智能体放进模拟知识工作环境,206 项任务覆盖芯片设计、生物、量化交易、网络安全和法律等 11 个领域,没有模型总分超过 12%。
Vals.ai 的研究用 −1 到 +1 的量表衡量模型与中国官方立场的接近程度,发现中国模型的亲政府倾向整体低于预期,且各模型之间差异很大。提示词语言影响明显,简体中文提问比英文、俄文或西班牙文更容易得到亲政府回答,中美模型都有此现象,中国模型更突出。多数中国模型很少拒答,而是直接采用官方立场;改用是或否的回答格式、加入智能体框架或联网搜索能力后,亲政府得分下降。
一项由 Google 资助的研究让专利律师先用 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求,再在不使用 AI 的情况下完成审查任务,结果由独立律所的盲审律师按五个维度评分。
研究者 Ethan Elasky 称,2026 年 9 月 28 日至 10 月 8 日期间,运行在腾讯云上的 AI 智能体对阿里旗下高德地图发起超过 2600 次数据抓取尝试。
哈佛大学研究者 Fiona Chen 和 James Stratton 分析了 Jellyfish 的工程团队分析数据,覆盖 2021 年至 2026 年 3 月间 700 多家软件开发公司的 70 多万名员工、3 亿条工作事件(如提交和 pull request)。
Google Research 与 NBER 发布一项为期三个月的实地实验,在 11 家知识产权律所的 133 名律师中随机开放当时未发布的 Google Labs AI 专利撰写助手(现属 Gemini Notebook)。
MIT 于 2026 年 6 月发布的报告指出,AI 正在削弱大学体验的核心环节:答疑时间到场人数减少、线上讨论参与度下降、宿舍与图书馆的学习小组变少,教师也越来越难判断学生真正学到了什么。
Aleph Alpha 开发基准测试,用 967 个敏感议题测试阿里千问(Qwen)、DeepSeek 和月之暗面(Kimi)的模型,其自有评分系统仅将 17% 至 41% 的回答评为平衡,其余为复述官方立场、回避或拒答。
Mercor 的一项研究让 12 名平均从业五年半的持证 CPA 完成 APEX Accounting Benchmark 的简化任务,结果显示 AI 模型在结构化记账任务上比会计师更快、更准确且成本更低。
Geoffrey Hinton、Yoshua Bengio 和 OpenAI 研究负责人 Jakub Pachocki 等 20 多位 AI 研究者在一篇新论文中警告,自我改进的 AI 可能引发智能爆炸。
慕尼黑 CESifo 的经济学研究人员发布工作论文《The Early Impacts of AI on Employment Among Recent College Graduates》,结论与斯坦福此前研究相反,认为没有证据显示应届大学毕业生的招聘在绝对或相对水平上出现显著、广泛的减少或替代。
牛津大学、英国 AI 安全研究所、斯坦福大学和伦敦政治经济学院的研究者通过四项实验、6,923 人参与的 18,978 场对话发现,AI 在文本说服上稳定强于人类专家,即使专家可自选议题、提前研究并接受 1,000 英镑奖金激励。
Google Quantum AI 发布白皮书,称未来量子计算机破解保护加密货币的椭圆曲线密码学所需量子比特和门数比此前估计更少。
Google Research 与 Beth Israel Deaconess Medical Center 合作开展了一项前瞻性单中心可行性研究,让 AMIE 在门诊初级保健就诊前与患者进行文本问诊,由医生通过视频实时监督。