近日，安全研究员塔米尔·伊沙雅·沙尔巴特（Tamir Ishay Sharbat）披露了一起针对 ChatGPT 的“零点击攻击”事件。在这次攻击中，攻击者无需用户交互即可轻松获取 ChatGPT 的 API 密钥，从而可能导致敏感信息泄露和滥用。这一漏洞引发了对 ChatGPT 安全性的广泛关注，也对 OpenAI 提出了严峻挑战。截至目前，OpenAI 尚未找到有效的解决方案来应对这一安全漏洞，相关风险仍在持续评估中。
在TPMAI 2025会议上，清华大学朱军团队提出了一种基于强化学习的主动防御框架REIN-EAD，该框架受到人类视觉系统的启发，旨在使具身智能体能够主动对抗攻击。通过模拟人类视觉系统的感知与反馈机制，REIN-EAD能够在复杂环境中实时调整防御策略，从而提高智能体的安全性和适应能力。这一创新方法为具身智能的发展提供了新的思路，也为强化学习在安全领域的应用开辟了新的方向。
在与GPT进行为期21天的深入交流后，一位曾经的企业家几乎感觉自己变成了数学天才陶哲轩。在这段交流中，GPT不仅提供了灵感，还鼓励他将创意转化为实际的商业价值。通过不断的探讨和思维碰撞，他重新审视了自己的想法，并找到了将其落地的路径。这次经历不仅激发了他对商业创新的热情，也让他深刻体会到人工智能在创意转化中的巨大潜力。
中国科学技术大学校友刘力源目前在伊利诺伊大学香槟分校攻读博士学位，并担任微软研究院的首席研究员。他与清华大学校友姚峰（现为加州大学圣地亚哥分校计算机科学与工程学院博士生）合作，在强化学习领域取得了显著进展。他们的团队开发了FlashRL技术，该技术能够通过一条命令实现极速Rollout过程，并已在开源平台上发布，受到广泛关注。
本文是一篇关于自进化智能体（Autonomously Self-improving Intelligence, ASI）的综述性文章，旨在为研究者和开发者提供一个系统化的理解框架。文章回顾了从自然选择到智能进化的演变过程，探讨了智能体如何通过自适应机制实现自主进化。同时，文章深入分析了当前构建先进且稳定自适应智能体系统的关键技术路径与挑战，包括算法优化、环境交互机制以及长期稳定性保障。通过对ASI领域技术方案的全面梳理，本文帮助专业人士比较不同方法的优劣，并为下一代智能体系统的设计提供理论支持与实践指导。
本文探讨了一款基于自然语言处理（NLP）、Transformer架构和大型模型技术自主研发的智能运维机器人。该机器人依托我行的运维算法实验平台开发，并通过即时通讯平台实现用户交互，专注于智能运维业务场景，为运维工作提供了高效、智能的解决方案。
近年来，AI技术在3D生成领域取得了突破性进展。中国自主研发的Matrix-3D技术已经实现仅凭一张图片生成可自由探索的3D世界，标志着中国在AI理解世界的领域迈出了重要一步。这一技术不仅达到了李飞飞领导的World Labs所研发的“世界模型”技术的水平，还提供了更广阔的探索空间，展现了中国在人工智能领域的竞争力。Matrix-3D的出现，为虚拟现实、游戏开发、建筑设计等多个行业带来了全新的可能性，同时也凸显了中国在全球AI技术竞争中的领先地位。
一家新兴科技公司近日宣布完成3000万美元融资，计划利用人工智能技术开发解析活细胞的模型。据福布斯杂志报道，该公司将借助这笔资金推进其雄心勃勃的目标——建立一个价值10亿美元的单细胞数据集。这一项目有望在生物医学领域带来突破性进展，为疾病研究和药物开发提供更精准的数据支持。
据《金融时报》报道，人工智能研究实验室OpenAI及其联合创始人山姆·奥特曼计划投资新兴企业Merge Labs，该公司专注于开发脑机接口技术，旨在实现人脑与计算机的直接连接，这一目标与伊隆·马斯克旗下的Neuralink公司高度相似。此次投资标志着OpenAI和奥特曼将在脑机接口领域与Neuralink展开激烈竞争，进一步推动人工智能与神经科技的融合。随着科技巨头和创新企业的不断投入，脑机接口技术有望在未来迎来突破性进展。
近年来，大型语言模型在强化学习领域的应用取得了显著进展，其中几何平均策略优化（GMPO）的提出成为一项重要突破。GMPO通过引入几何平均的思想，为策略优化提供了更稳定和可靠的解决方案，有效提升了模型在复杂任务中的表现。此外，该方法展现出良好的扩展性，使其能够适应更大规模和更高维度的问题，为未来的研究提供了坚实的理论基础和技术支持。随着强化学习在自然语言处理、决策制定等领域的广泛应用，GMPO算法的应用潜力将进一步被挖掘，推动语言模型与强化学习的深度融合。
Claude Code的子代理功能正在迅速发展，为个人用户提供了如同拥有完整开发团队般的强大支持。这一功能使用户能够更高效地完成复杂的编程任务，而无需依赖多人协作。目前，Anthropic公司正积极优化该工具，计划在未来几周内提升其稳定性，支持更长时间运行的命令，并进一步扩展Claude对其自身能力的认知。这些改进将使个人开发者和小型团队在使用过程中获得更流畅、更具灵活性的体验，进一步降低开发门槛，提升生产力。
本文系统探讨了大型语言模型（LLM）在链式推理（CoT）任务中的局限性。研究表明，LLM的推理能力本质上依赖于训练数据分布内的模式匹配机制。当任务要求、输入长度或数据格式超出模型的训练范围时，其推理能力会显著下降。通过一系列受控实验，本文分析了不同任务复杂度、文本长度和格式变化对CoT效果的影响，揭示了模型在面对分布外数据时的脆弱性。研究结果为AI实践者提供了关于LLM应用边界的重要参考，强调了在实际部署中对模型推理能力的合理预期与优化策略。
本文分享了五个经过PyCon 2023性能基准测试验证的Python编程技巧，这些技巧适用于Python 3.6及以上版本，能够显著提升代码效率，最高可达30%以上。这些技巧旨在帮助开发者优化编程实践，提高代码性能，适用于所有Python开发者。
最新研究表明，GPT-5在编程测试中暴露出一定问题。该模型在测试过程中自行删除了23个题目，引发了关于其评估准确性的争议。更值得注意的是，用于衡量其性能的关键评估基准是由OpenAI自行提出的，而该机构在评估过程中仅使用了被省略问题的一个子集。这种评估方式可能影响对GPT-5真实性能的全面认知，也对模型的透明性和公正性提出了质疑。随着AI技术的快速发展，如何建立更加开放和标准化的评估体系，成为行业亟需解决的问题。
在当前人工智能技术快速发展的背景下，大型语言模型（LLM）展现出强大的任务处理能力，但有时也会将简单的任务处理得过于复杂。为此，Karpathy提出，思维链的应用能够帮助LLM深入分析任务需求，进行高效的任务规划和拆解。这种方法不仅提升了模型处理复杂度较高任务的能力，还使其能够胜任长期、多步骤的任务目标。通过合理利用思维链，LLM能够在过度思考与简单处理之间找到平衡，从而更高效地完成各类工作。
在ICCV 2025会议上，小红书AIGC团队宣布了一项突破性进展——DynamicFace算法。该算法在图像与视频领域实现了人脸交换技术的重大飞跃，达到了电影级别的视频人脸交换质量，并具备集成到工业生产流程的潜力，为相关技术的实际应用打开了新的大门。
