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
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
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.
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.
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.
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.
联合王国AISI和EvalEval如何创造基准成果
联合王国AISI和EvalEval如何创造基准成果
AI下一阶段的建筑标准
OpenAI概述了共享全球AI标准的途径,要求协调评价,报告和治理,以改善安全.
Higgsfield AI在一天之内与 GPT-6 Astra 一同搭载新的视频功能
随着GPT-6 Astra,Higgsfield AI使得视频广告的创作对小企业来说更加容易,并带来了新的创意工具更快的市场化.
GPT-6 Astra: (英语). 下一代的智力工作
见见GPT-6 Astra,OpenAI最能胜任的业务模型,拥有先进的推理,计算机使用,更强大的写作和设计判断力.