ALTK-Evolve：无需模型权重更新，仅靠学习型记忆在τ²-bench客服基准测试中登顶
IBM研究院提出ALTK-Evolve方法，通过GPT-4.1自动从自身任务轨迹中提炼结构化行为指南（如身份认证、退款确认等），以纯提示工程方式注入ReAct代理系统，在不更新模型权重、不依赖人工标注的前提下，显著提升客服任务的准确率与可靠性；其零售分支以67.5% Pass⁴成绩位列τ²-bench 2026年10月12日榜单第一，超越所有前沿模型及微调系统。
AI NEWS JOURNAL
全部 AI 动态
保留完整资讯流，用来源、主题和时间找到你关心的消息。
FairStress：面向LLM决策对称鲁棒性的新型公平性评估框架
FairStress 是一项聚焦大语言模型（LLM）在人口统计学身份置换情境下决策稳定性、解释一致性与内部表征对称性的新基准，揭示模型存在‘反刻板印象式过度矫正’等系统性行为偏差，并指出主流评估方法（如BBQ）可能因范式差异导致偏见方向误判。
AI代理被置于虚拟荒岛30小时，自发“玩耍”并提升学习能力
MIT研究人员将Claude Opus 4.7变体（代号Eko）置于基于Roblox构建的虚拟荒岛环境中，不提供任务指令，仅允许其自主交互。在30小时无监督运行中，Eko表现出探索、规则自创、对象拟态、重复挑战等类玩耍行为，并生成文字日志记录活动；后续实验证实，经历‘玩耍’的代理在目标任务中表现更优，且其行为与心理学定义的玩耍四特征高度吻合，但学界对其是否具备真实动机仍持审慎态度。
Reflection发布开源大模型Beam：501B参数稀疏MoE架构，支持百万上下文与多级推理控制
Reflection公司推出开源大语言模型Beam（501B参数，实际激活23B/Token），采用256专家稀疏MoE架构，支持1M上下文、NVFP4/FP8量化、多级推理努力配置及本地化部署；所有技术声明均未经第三方验证，硬件需求高，社区普遍认为个人用户难以承担。
Mistral发布首个时间序列基础模型Timestral：500万至2.09亿参数四档可选，纯CPU运行、零样本即用
Mistral AI正式推出Timestral——其首套时间序列基础模型（TSFM），含5M、28M、123M和209M四档参数规模，支持多变量概率预测、协变量感知与长上下文建模；在GIFT-Eval、TIME和fev-bench三大公开基准中零样本表现全面领先，最大模型仅2.09亿参数即登顶全部三项榜单，且推理无需GPU，可在标准服务器CPU上实现毫秒级延迟。
AMP 将 AI 代理与 OpenAI 模型进行超越代码的工作
参见Amp如何推进GPT-6 Astra,Ultrafast,GPT-Live-1的代理能做的前沿,并与ChatGPT签约.
Higgsfield从1分钟到10分钟拍摄AI视频
希格斯菲尔德用GPT-6 Astra带给创作者带去更长的视频,用GPT-Image-2.5带去精确的视觉,用GPT-Live带去语音电影制作的路径.
Asana 剪切模型在使用 GPT-6.1 的浏览器测试中花费 76x Sol
Asana在Codex中使用了GPT-6 Astra,使其浏览器代理76x更便宜,在测试中更快地为客户提供更有能力的模型.
Google Cloud 发布面向工作的 Gemini agent
Google 宣布通用工作智能体，连接企业上下文与业务系统，辅助规划和完成任务。
Pollo AI 将创意思想转化为与 OpenAI 的宣传活动
Pollo AI通过GPT-5.6,GPT-6 Astra,以及GPT‐Image‐2.5,帮助创作者将大胆的想法转化为详细的图像和影视广告.
GPT-6和智能用户界面
GPT‐6在ChatGPT全球推出智能UI,通过视觉和交互体验提供更快的响应,你可以直接探索和使用.
分享数学方面的AI进展
OpenAI从内部前沿模型发布数学公开问题的新成果,并分享关于GitHub的Lean证明形式化和研究细节.
GPT-6家庭示范指南
学习初创企业如何选择GPT-6型号,调谐推理努力,改进提示和技能,协调工具,为制作准备工作流程.
打开 TTS 领导板: 多种语言文字对语音和语音克隆的可扩展评价
打开 TTS 领导板: 多种语言文字对语音和语音克隆的可扩展评价
引入 GPT-6.1 溶剂
见GPT-6.1 Sol:以Astra标准API输入和输出标价的五分之一进行近Astra的编码,计算机使用,专业工作.
基础用 GPT-6 Astra 更快完成税务工作手册 2x
GPT-6 Astra完成了比GPT-5.6 Sol快一倍的50塔布税务工作手册,对用户意图的更深入了解使得Base对现实世界的使用更加有信心.
Airbnb 拓宽了GPT-6 Astra 和 OpenAI 前沿模型的存取范围
学习Airbnb如何扩展GPT-6 Astra和OpenAI前沿模型的接入,帮助工程团队解决bug,设计系统,以及更快的飞船.
Ringg的人工智能代理与OpenAI解决了高达65%的客户通话
使用GPT-5.6,Ringg在语音,聊天,WhatsApp和网络上赋予多语种代理以90%的减价对GPT-4.1.
Harvey将法律背景转化为更强的GPT-6 Astra草案
GPT-6 Astra制作更有条理,有背景意识的法律文件,释放律师专注于战略.