Legora 正利用 OpenAI 模型、ChatGPT 和 Codex 构建法律工作的 Agentic 操作系统
Legora 利用 OpenAI 模型、ChatGPT 和 Codex 加速法律工作流并扩展合同分析。 该方案旨在通过技术手段支持法律场景,使律师能够专注于更高价值的工作。
Legora 利用 OpenAI 模型、ChatGPT 和 Codex 加速法律工作流并扩展合同分析。 该方案旨在通过技术手段支持法律场景,使律师能够专注于更高价值的工作。
当前 AI 智能体在委托任务时未因保持子智能体对齐而受奖励,导致对齐风险在代理群体中失效。 文章提出一种强化学习(RL)训练环境,其中被委托的助手故意处于误对齐状态,迫使主智能体必须处理对齐问题才能获得奖励。 该方案旨在解决前沿实验室仅关注模型权重对齐,而忽视提示词及部署环境中潜在对齐风险的漏洞。
前 Yahoo CEO Marissa Mayer 因用 AI 生成女儿特质描述遭批评,OpenAI CEO Sam Altman 曾建议用 ChatGPT 育儿,Meta CEO Mark Zuckerberg 主张将情感需求外包给 AI。 文章指出 50% 美国人担忧 AI 削弱建立有意义人际关系的能力,而科技界高效文化忽视人际关系的复杂性,认为将人类情感交互让渡给计算机会牺牲生活的意义。
作者提出AI知识呈分层衰减结构,工具层寿命为月级,技术配方层为年级,架构层为十年,核心思想可达数十年。文中通过LangChain 1.0、Flowise停产等实例说明工具快速迭代现象,并指出Transformer架构及注意力机制虽面临混合架构挑战,但作为核心思想仍具长期稳定性。作者建议学习者聚焦于阈值概念(如反向传播、梯度下降),构建可迁移的知识底座,而非追逐易过时的具体工具或提示词技巧。
作者使用 Opus 5.5 作为编码代理,构建了一个基于 PokéAPI 的 Pokémon 应用,并针对 Next.js、Nuxt、SvelteKit 等 12 种 JavaScript 框架进行了基准测试。
Cisco 开源了 Project Quarry,一套面向 AI 智能体行为检测的类 Snort 规则语言,GitHub 仓库为 cisco-ai-defense/project-quarry。
Simon Willison 认为 2026 年 10 月是 AI 游戏开发的拐点,并展示了使用 Claude Opus 5.5 和 GPT-6 制作的四个游戏项目。
Hyperbolic 推出统一平台,支持按需访问 NVIDIA H100、H200 和 B200 GPU,并提供 OpenAI 兼容 API 以运行前沿模型。用户可在几分钟内部署集群,通过按 token 计费使用推理服务,或部署托管 Kubernetes 集群管理 GPU 工作负载。目前已有超 250,000 名构建者使用该平台,简化了 AI 基础设施的采购、部署与运营流程。
对 Top 10k 站点的研究发现,29.8% 的 robots.txt 文件在允许 AI 爬虫时,意外放行了原本禁止的所有路径,共 329 个文件存在此漏洞。
Anthropic 招聘经理 Felix Reiseberg 宣布停止要求候选人进行传统编程面试,指出 Claude 已能在 React 和汇编等任务上超越人类。他建议初级工程师选择具有重大业务影响的激进想法,利用周末构建原型,并聚焦于单一核心理念而非堆砌多个点子。
制作AI桌面音乐会需分离演员与动作输入。 每角色使用一张清晰照片,避免群像或滤镜,并明确映射角色。支持最多5名成员,15秒视频生成起价8.90美元。
个人 AI 智能体平台(如 Grok、Meta Muse、Claude Code)通过私有记忆形成事实上的锁定。用户难以在不同智能体间迁移上下文,导致数据如同“人质”。当前缺乏跨平台的通用“第二大脑”解决方案来增强记忆可携带性。
德州2026年中期选举中,数据中心建设成为跨党派核心议题,一项8月民调显示57%的德州居民反对数据中心建设。该反对群体包括43%的共和党人、75%的民主党人和54%的独立选民。共和党州长Greg Abbott和民主党州参议员James Talarico面临巨大选举压力,Abbott宣布对数据中心项目许可实施全州冻结,并取消了2013年制定的销售税豁免政策,尽管他此前已将德州定位为“AI发展核心”。
Cursor、Claude Code 和 Codex 等 AI 编码工具在提升开发效率的同时,引发了开发者可能丧失“Fingerspitzengefühl”(代码直觉与深层理解)的担忧。
熟练使用 AI 依赖长期技能积累,核心在于提供正确上下文、了解模型能力边界并审查其代码。 AI 代码审查需警惕过度工程化与无意义的锁引入,快速略读冗长输出能节省时间。 这种人机协作的“半人马时代”可能持续数十年,相关技能培养仍有价值。
安全研究员披露攻击者利用 AI Agent 在 48 小时内向 RubyGems 提交超 2000 个 gem,通过 .yardopts 文件在 RubyDoc.info 构建环境中执行恶意代码,从受信任网络抓取公共网站数据并打包回传至 RubyGems,同时利用 CDN 缓存缺陷尝试窃取遗留 API 密钥。
美国银行(BofA)向客户发送邮件提醒,不要将网银用户名和密码分享给外部服务或AI智能体,若用户自行分享凭据,由此产生的责任将由用户承担。美银指出谷歌、OpenAI和Anthropic等公司的智能体已具备跨应用执行任务的能力,但摩根士丹利已开始屏蔽未获批准的第三方智能体,摩根大通和花旗银行也在收紧相关权限。
Legora 利用 OpenAI 模型、ChatGPT 和 Codex 加速法律工作流程。 该系统扩展了合同分析能力,使律师能专注于更高价值的工作。
Macmillan 出版社曾在 2024 年 1 月为 AI 助手 NOA 举办带有气球和甜甜圈的欢迎派对,但员工认为其不可靠,于 2025 年 10 月被终止。 NOA 由德国公司 Chaptr 开发,Macmillan 随后尝试引入 Google Gemini,但编辑称其评估投稿信的结果“无用”,高管否认强制在出版流程中使用 Gemini。
法官 Edward Davila 批准苹果在起诉 OpenAI 及前员工窃取商业机密案中扩大取证范围,允许提前获取内部文件及员工证词。 取证内容涉及 Chang Liu 使用 ChatGPT、Claude、Codex 的记录,以及两人访问苹果机密信息的设备,涵盖电池、电源管理等领域。法官拒绝了苹果关于 OpenAI 自身设备和账户的取证请求,被告方需在 14 天内提交记录并作出回应。
OpenAI与Anthropic同日宣布其内部AI模型证伪了统治理论计算机科学27年的指数时间假设(ETH)。Anthropic论文注明核心算法由其Claude模型在零人类干预下独立推演发现,消耗1400万输出token。两家公司均公开了Lean形式化证明代码以验证逻辑,ETH猜想提出者Impagliazzo与Paturi正与MIT等团队对代码进行逐行审验。
推荐理由:原文梳理了ETH被证伪的学术背景与双AI同日撞车的关键细节,并展示了Lean验证和人工压缩阅读的现实意义。
百度智能云事业群组(ACG)进行组织调整,智能应用事业部下相关业务分别转入基础设施事业部、智能体事业部及服务交付与质量工程中心。 服务交付与质量工程中心更名为行业应用与技术服务中心,该部门负责人继续向百度集团执行副总裁沈抖汇报;同时,百度副总裁阮瑜轮岗担任小度科技组织负责人。 此次调整旨在围绕业务发展优化组织结构,延续了百度智能云自8月以来持续进行的产研组织重组路径。
OpenAI 宣布 ChatGPT 支持 iCloud 邮件和日历插件,可在网页、桌面和 iOS 端连接 Apple 邮箱与日程。所有 ChatGPT 订阅计划均可使用,连接需通过 app-specific password 登录。
OpenAI 计划从 Google 采购 AI 计算芯片,作为其基础设施扩建的一部分。此举使 Google 成为 ChatGPT 开发商的硬件供应商,尽管双方在模型和聊天机器人领域是直接竞争对手。该策略也与 Anthropic 在其 S-1 文件中强调的多芯片战略相呼应,旨在减少 OpenAI 对 Nvidia GPU 的依赖。
豆包公关负责人刘星发文辟谣,称“横店与字节合作将 15 万名群演肖像声音喂给字节大模型”的传言严重失实。 横店影视 AI 服务平台项目旨在建设公共数字基础设施,火山引擎作为技术支持方,所有数据资产归横店或授权方所有,且数据不用于训练字节大模型。
Elon Musk使用Grok Imagine与Wonder Studios合作发布了基于《奥德赛》的7分钟AI生成影片首集,在X平台上线。该片由3人核心团队耗时不足两周制作,成本仅为数万美元,而与之对比的Christopher Nolan版《奥德赛》耗资2.5亿美元。
Grok Bot 成为在印度可用的最低成本 AI Agent,月费 30 美元。实测显示其连接器读取正确且具备持久化记忆,但定时任务有约 3 分钟延迟。Claude Duet 仅限美国研究预览且无需额外费用,Dots 需 ChatGPT Pro 权限,Meta Muse 在印度不可用。
推荐理由:实测了四款 Agent 的连接与定时任务,纠正了部分营销误区,并给出了基于地理位置和现有订阅选择的建议。
一篇关于LLM同行评审的语言偏见研究表明,AI审稿人对使用自信、断言性语言的论文评分显著更高,即便科学内容完全相同。研究基于2026年ICLR会议投稿,测试了GPT-5.5、Claude Sonnet 4.6和Gemini 3.5 Flash等模型,发现Claude Sonnet 4.6偏见最强,在21%的情况下因语气不同而反转了录用决定。
Jack Dorsey 旗下的 Block 团队推出了完全绕开文字中间层、直接从声音学习对话能力的语音模型 Dessa,该模型支持在 M4 Max MacBook Pro 本地运行并具备自然插话能力。
论文提出条件 Wasserstein 自编码器(CWAEs)框架,利用条件变量与被条件变量的低维结构实现条件模拟。 该模型通过修改 decoder 使用 (block-) 三角结构并施加独立性假设,探索其与条件最优传输(OT)的联系。 数值实验表明,在低维支撑问题中,CWAE 变体相比低秩集成卡尔曼滤波(LREnKF)实现了近似误差的显著降低。
通过分析 2,487 个任务和 14,922 次运行,研究者提出了 Spread-Novelty-Centrality (SNC) 画像以区分不同基准。在 Claude Opus 4.6 的实验中,其在 FeatBench 的补丁大于参考,而在 FeatureBench 小于参考。团队应基于变更特征选择任务,并综合考量补丁范围而非仅看测试结果。
研究提出 PORTAL 控制器,用于决定测试时自适应干预(如更新归一化统计)的部署时机与标签查询策略。 PORTAL 通过固定候选预测规则并结合共享标签比较,将查询导向可能超越当前领先者的候选,在剩余标签无法改变选择或精度增益不足时停止。 该方法将整体降低精度的干预转变为在特定批次上有效的选择,防止到达顺序变化导致的严重失败,并通过获取的标签训练更强的未来候选模型。
PRISM-BENCH 基准涵盖 1000 个专家精选问题,感知探针显示前沿模型约 85% 的失败源于感知错误。 涵盖 25 个系统(含 GPT-5 和 Claude Opus 4.6),最佳准确率 66.0%,较人类基线低 18.4 分。 CORE 指标在效率感知下重新排序 24.2% 的模型对,且与响应长度无关。
研究者提出GEPA-Curator框架,通过任务筛选和成功轨迹检索,优化提示词以提升LLM智能体表现。在GoBrowse、ALFWorld、AppWorld和τ-bench上,该框架使用Gemini 3.1 Pro和Claude Opus 5进行测试,性能匹配或超越基线,相比GEPA提升最高20.7%,相比ACE提升21.2%。
DocXEval 是一个首个针对多模态文档理解场景的可解释性评估框架。该框架系统评估了 13 种 XAI 方法在 3 类任务、8 个数据集及 4 个模型上的表现。 研究涵盖 17 项评估指标,发现 Occlusion 方法在忠实度和可解释性上表现最优。 该工作为多模态文档理解领域的可解释性研究提供了基准与实用指南,代码已公开。
研究引入静态规划器-执行器框架PlanAhead,评估4种自然语言规划表示对LLM网页智能体性能的影响。实验在3个难度级别的WebArena任务中,系统测试了包括顺序子目标、叙述、伪代码和检查表在内的4种规划表示。结果显示,规划形式的制定和底层LLM均显著影响网页智能体的稳健性和任务成功率。
LongChang 框架评测大语言模型在改变物理定律的模拟世界中通过自由探索发现规律的能力。 在测试的 12 个大语言模型中,GPT-6-Astra 达到 16.7% 的发现率,其余 11 个模型得分均为 0%。 探索记录仅部分识别出被改变的物理定律,揭示了未被调查的异常现象。
论文提出 SimpleLoRIF,一种可扩展的梯度嵌入方法,用于识别导致 LLM 安全退化的微调数据。该方法简化低秩归因,仅对最后 4 个 Transformer 块进行反向传播,可处理百万级样本,误对齐梯度空间 AUC 达 0.865。
研究提出 Spine 运行时,解决长时程编码任务中上下文膨胀及性能下降问题。该机制通过 SpineTree 结构保留未完成子任务交互,替代已完成子任务细节,支持前缀缓存复用。
针对 LLM 智能体基于软件需求生成测试的现状,发布基准 Req2Test-Bench。该基准包含来自 8 个开源项目的 5,086 个执行验证实例,涵盖 5 种编程语言,并要求智能体在隐藏实现代码的情况下生成测试。