微软 CEO 纳德拉称自己是“AGI 信徒”,但否认 AI 具有意识
微软 CEO 萨提亚·纳德拉在一场圆桌讨论中自称“AGI 信徒”。 他指出 AGI 将重构经济体系的政治组织结构,同时否认 Claude 等前沿模型具有意识。 他认同 AI 模型不应被赋予权利,并认为当前核心任务是通过经济普及确保 AI 广泛惠及社会。
微软 CEO 萨提亚·纳德拉在一场圆桌讨论中自称“AGI 信徒”。 他指出 AGI 将重构经济体系的政治组织结构,同时否认 Claude 等前沿模型具有意识。 他认同 AI 模型不应被赋予权利,并认为当前核心任务是通过经济普及确保 AI 广泛惠及社会。
微软于11月17日正式推出决策AI模型 Microsoft-Decision-1.1,目前已在 Microsoft Foundry、OpenRouter 和 Vercel 平台上线。
System 1 Agents 提出通过调用工具而非生成文本来实现本地、可靠且快速的智能体 AI,其确定性编译器将工具 JSON 架构和用户请求转化为类型化选择题,决策模型为每个选项生成概率。
OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol 模型,前者提升专业工作与编程能力,后者优化日常任务效率。GPT-6.2 Astra 在 Agents' Last Exam 中比 Claude Fable 5.2 高 5.5 分且成本仅为其 5%,API 价格输入输出均较上代降低 20%。
同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 和 Sol 模型》
能量基推理器 你的循环推理器应当是一个能量基模型 论文: https://huggingface.co/papers/2611.08977
OpenAI 发布了 GPT-6.2 Astra 和 Sol 两款语言模型,API 价格更低且部分基准测试有进步。Astra 面向专业场景,首次达到 OpenAI“高”AI 自改进阈值;Sol 面向日常使用,在多项任务上以极低价格接近 Astra 的性能。第三方评测显示两者在科学和 3D 设计等任务上得分较高,但法律类基准排名靠后,且编码能力相比前代基本停滞。
同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 和 Sol 模型》
Amazon SageMaker AI 扩展 AI 数据准备功能,支持生成合成数据、评估数据集及引入专家反馈。 提供自动标注、合成数据生成、数据质量评估及转换能力,可通过 Python SDK 或 AWS AI-ML agent skill 调用。 帮助团队高效构建高质量数据集,减少数据整理时间,加速模型开发与训练流程。
作者反驳了认为 ASI 出现即人类必败的悲观观点,认为这种态度阻碍了有效行动。 他论证 ASI 受物理世界反馈回路限制,无法瞬间赢得战争;并指出 HuggingFace 等安全事件主因是网络易受攻击及互联网设计缺乏对高智能敌手的预见。
该研究旨在 GPT-2 中识别特征电路,通过转码器替换每个注意力单元和 MLP 组件。 具体使用了 3 种转码器架构,分别替换查询-键电路、值电路和 MLP 组件,以分解模型行为。 这种稀疏字典学习方法将黑盒模型分解为可解释的自编码器部分。
TrnRT 发布为支持 AWS Trainium 的开源 LLM 推理引擎,提供 OpenAI 兼容 API 并实现 NKI 巨内核加速。该引擎在单台 trn2.48xlarge 实例上运行 GLM-5.3-Flash 模型,支持 1M token 上下文及前缀缓存,实测在 Spot 实例下每百万 token 成本可低至 $0.040。
李沐正式出任硅谷AI公司Aimotion的联合创始人兼CTO。 Aimotion面向汽车行业提供AI销售与营销解决方案,近期完成BAI Capital领投的数千万美元A轮融资。 李沐将联合Boson AI攻关产业级世界模型,推动AI Agent从被动问答升级为自主执行复杂业务的智能主体。
Cloudflare 在 AI Engineer Code Summit 上宣布转型为“Neolab”,发布两款 System One 模型:Clef 和 Clairic。
作者采访七位理论物理学家,探讨AI如何改变物理研究。Suvrat Raju创建的TheoPhys基准测试被GPT-6 Astra解出近90%的问题,显示AI在理论计算上已接近饱和。arXiv上理论物理论文数量激增,部分物理学家正使用AI agent加速研究工作,而量子重力等开放问题则仍需人类概念性思维主导,AI或在未来数年内介入。
商汤科技正式发布 SenseNova Loop-9B 模型。该模型通过循环结构复用参数,4bit量化后权重仅约4.9GB,部署显存需求低至10GB内。其上下文长度最高达512K tokens,在Agent与数据分析评测中性能与Qwen3.8-27B相当。官方提供模型权重与AWQ量化版本供开发者下载部署。
AIFP团队更新超人类AI时间线,指出METR最新报告因显示Anthropic模型进步速度翻倍而引发意外。METR估计的进度超前于包括AI 2027在内的多数乐观预测。 AIFP将“AGI”模糊性拆解为SAR和TED-AI等具体里程碑。SAR指公司宁愿辞退人类研究员而依赖自动AI研究员的节点。TED-AI指持续表现达到或超越最佳人类专家水平的AI。
路透社报道,期权市场预期英伟达第三季度财报发布后,公司市值波动幅度可能达到3350亿美元,凸显投资者对其前景的不安。
推荐理由:期权市场预计英伟达财报发布后市值波动或达3350亿美元,凸显投资者对前景的高度关注。
欧洲云服务企业 OVHcloud 宣布推出首个 AI 模型家族 Olala,并同步开源 Olala mini 7A1B。该模型总参数 70 亿、激活参数 10 亿,采用 Differential-TPA 和 Mamba-3 混合注意力机制,以 Apache 2.0 协议发布在 Hugging Face 上,支持在 8GB 显存 GPU 上运行。
百度Q3净利润同比下降46%至14亿元人民币(2.08亿美元),营收微降1%至308亿元人民币,连续第六个季度出现销售下滑。首席执行官李彦宏表示,为避免行业泡沫并让重投资获得回报,人工智能技术急需实现更好的商业化,百度现状展示了传统巨头面临的核心矛盾:押注的新技术正在冲击其原有的现金奶牛业务。
论文通过归纳法证明了 DAG ReLU 网络 pathlifting 雅可比矩阵的秩,并提供了无需反向传播即可计算该矩阵的方法。 该方法利用编码网络路径的稀疏骨架矩阵,将隐层神经元表示转化为输出节点,从而在实验中量化了相较于传统方法的计算增益。
研究者提出 Q-Learner 算法,将二元结果下的比率型条件平均处理效应(CATE)估计简化为两个倾向性分类任务。 在合成与真实随机数据基准测试中,仅对 Q-Learner 的 log-loss 进行标准超参数调优,即可比 S-Learner 更可靠地获取效应排名、水平及分布。 该特性使其特别适用于工业界实践,当倾向性已知时,仅需基于转化者训练单个分类器即可加速开发流程。
研究指出基于准确率的薪酬方案在AI精度提升时面临激励坍缩,即维持人力投入需无限成本。 研究者提出哨兵审计支付机制,可独立于AI精度以有限成本确保人力投入;结合该机制的主动统计推断框架在实验中优化了成本与误差的权衡。
该论文提出了一个用于因果推断的广义贝叶斯框架,直接对因果效应施加先验分布。通过利用基于识别的损失函数更新先验,该框架使现有的基于损失的因果估计器具备完整的不确定性量化能力。 在Neyman正交损失下,该广义后验分布收敛至其 oracle 对应物,并对第一阶段辅助估计误差保持鲁棒性。 这是首个为因果机器学习构建灵活广义贝叶斯后验的框架,该论文已被 NeurIPS 2026 接收。
论文引入邻近遗憾(proximal regret)及邻近相关均衡(PCE),指出经典在线梯度下降算法在未修改情况下即可实现 $O(\sqrt{T})$ 的邻近遗憾最优界。
LiteLMGuard 是针对小型语言模型量化漏洞的轻量级端侧护栏,部署后对有害提示词防御率超 85%,平均延迟约 135 ms。 模型基于 ELECTRA 构建,具备 97.75% 可回答性分类准确率,支持实时离线过滤且架构无关。 该机制有效防御 Open Knowledge Attacks,提升端侧 SLM 安全性。
自适应感知中,提升感知输出未必改善下游决策,甚至可能产生负面影响。 研究提出基准 DEEP 评估感知计算分配,发现 KITTI 和 nuScenes 数据中 34%–54% 改变下游损失的升级具有危害性。 按决策价值而非感知增益选择信号,可平均降低测试决策损失的 7.4%。
研究提出Hawkes-PPO方法解决自主AI代理下的人类接管时机与验证强度问题。该方法利用指数记忆滤波器总结事件历史,在合成实验中目标值优于固定策略和无历史滤波器基线。 模型通过平衡收益与成本优化切换率,验证努力可削弱事件传播。
研究人员提出 MISVO(最微创引导向量优化)方法,通过优化冻结 LLM 隐藏状态的加性干预实现测试时对齐,利用局部 KL 几何推导的二次正则项控制输出分布偏离。
研究指出残差规模并非Δ学习可学习性的充分启发式标准。 以分子总能量为例,用拟合元素计数的神经网络替代线性基线虽降低残差,却使GemNet预测误差翻倍。 规模归一化图Dirichlet粗糙度可作为预训练诊断指标,支持基线互补性作为目标设计原则。
LEON 基于控制机械演化推导潜空间转移公式,引入共享算子矩阵与加法更新实现动力学结构化,替代隐式 Transformer 预测。 模型将预训练视觉特征转化为可观测变量,系数由演化的可观测量和动作上下文推断,以调制算子结构。 在单臂和双臂操作任务中,LEON 在包含多种扰动场景下,相比对应 WAM 基线提升了平均策略成功率,并在受控系统评估中展现出优于训练条件的泛化能力。
CrypTorch 是面向 MPC 机器学习的多阶段编译器,其自动调优器通过动态选择算子近似策略,在不损失精度的前提下将性能提升 1.14–1.60 倍,或在允许 3% 精度损失下提升 1.17–1.92 倍。
研究指出 PDE 发现的事后评估需兼顾预测精度、物理一致性、可解释性及分布外泛化能力,且这些属性往往相互冲突。现有文献多仅关注局部指标,易导致结论偏差及方程排序改变。 作者提出首个 PDE 评估指标分类体系,并发布基于规则的 Pde-Check 协议,指导根据数据可用性和物理先验等场景选择评估策略。
summary_zh: Proxy OPD 提出一种后训练方法,利用目标冻结基策略作为参考,通过代理奖励引导探索生成 token 级对数概率变化信号,实现在线策略蒸馏中跨目标复用奖励诱导改进。
研究提出稀疏 Delta 记忆(SDM),扩展 Gated DeltaNet 架构,利用稀疏寻址方案将门控线性 RNN 隐藏状态容量提升数个数量级。 SDM 用大型显式记忆中的稀疏读写替代密集键值外积。在 isoFLOP 约束及参数数量相同条件下,更高状态记忆容量显著提升了上下文学习和长上下文检索性能。
论文提出中点生成模型(MGM),基于线性插值Flow Matching的对称性,定义中点散度作为分布差异度量。 该方法通过随机翻转插值和对称随机插值泛化散度,并推导变分形式以训练单步生成器,性能优于现有方法。已被NeurIPS 2026接收。
TIDE 架构通过引入非对称兴奋-抑制(E-I)网络替代传统多层感知机,利用 Wilson-Cowan 动力学及侧向抑制机制稳定神经动态计算。 该模型强制 80:20 E-I 平衡比并遵循 Dale 法则,在多数数据集上实现比 CTM 更高的 top-1 准确率且训练预算更小。
研究提出非对比自监督学习方法 PEIRA,通过最优线性回归器迹定义目标,在 ImageNet-1K 上实现 69.17% 线性探测准确率。 该方法稳定均衡点对齐主要非线性正则相关子空间,在 CIFAR-10 等数据集上与 VICReg、LeJEPA 基准具有竞争力,并支持 8 个数据集迁移实验。 结果验证了理论稳定性分析,代码与实验已开源。
研究人员提出一种名为 $\Delta$LPS 的离散朗之万启发式后验采样器,旨在解决离散状态空间中的逆问题。该方法利用梯度信息识别离散移动,且无需离开离散状态空间。
研究人员提出 TAB 方法,将多轮推理建模为多目标马尔可夫决策过程,动态分配计算预算。 在数学推理任务中,TAB 比静态基线减少最高 35% 的 token 消耗和 30% 的延迟。 该方法成功泛化至工具调用和对话等智能体工作流,在保持精度的同时节省资源。
研究通过主动概率推理任务对比人类与 LLM,发现扩展推理主要提升推断性能,对主动采样改善有限。 模型通过可解释参数拟合捕获行为偏差,使模型表现趋近人类的证据积累与信念映射机制,NeurIPS 2026 论文。
研究证明门控注意力矩阵可分解为分层专家混合,其学习可重构为专家估计问题。 结果显示门控注意力比多头自注意力更具样本效率,恢复参数仅需多项级数据,而后者需指数级数据。 该分析为门控注意力缓解 Attention Sink 现象及低秩瓶颈提供了理论依据。