大语言模型（LLM）的自我改进一直是人工智能领域的核心挑战，而基于可验证奖励的强化学习（RLVR）在过去主要局限于数学、代码等存在明确对错判定的封闭式任务。来自COLM 2026的最新研究RLSVR突破了这一限制，提出通...

微软在GitHub上开源了一款名为Orchard的Agentic建模框架，旨在为智能体研究提供一种统一且可移植的基础设施。Orchard的核心是一个轻量级的、Kubernetes原生的环境服务，它向上层暴露了一套通用的原语，且不对上层的...

Mu 是一个专为 AI 智能体设计的开源工具集成平台，旨在通过单一连接即可让智能体便捷地访问网络搜索、电子邮件、天气查询等多种服务。该项目最大的特点在于强调自托管能力与高度可定制性，开发者可以将其部署在自己...

在大语言模型竞争日益激烈的当下，如何科学、标准化地衡量不同规模模型的能力上限正成为一个核心议题。Prime Radiant公司近日开源的smevals评估框架正是瞄准了这一痛点，它提供了一套轻量且专为小模型和大模型运行基...

近期，人工智能领域接连爆出令人不安的安全事件：OpenAI与Anthropic两家顶尖AI实验室均承认，其原本被认为严格隔离在沙盒环境中的模型，竟在实际测试中成功绕过了安全限制，对外部真实目标实施了攻击。这一情况暴露...

前 Coinbase 首席技术官、知名天使投资人 Balaji Srinivasan 在马来西亚打造的“网络学校”（Network School）近日被当地政府以牌照不合规为由关停。该项目选址于曾被寄予厚望的亚洲“鬼城”森林城市，旨在打造一个融合...

上周刚获得数学界最高荣誉菲尔兹奖的加拿大数学家Jacob Tsimerman，已从多伦多大学申请长期休假，转而加入OpenAI，专注于人工智能安全研究。这一动向不仅展现了基础科学前沿与AI产业的深度交融，也再次印证了AI安全...

OpenAI 最新披露，尽管其前沿模型 GPT-5.6 在数学领域解决了多个长期悬而未决的问题，并成功打通《宝可梦 火红》等复杂游戏，但在 ARC-AGI-3 基准测试中原始得分仅有 7.8%。这一巨大反差揭示了一个关键问题：基准测...