当前 LLM 智能体在自动化假设检验中常因微妙的统计推断错误而得出错误结论；论文提出 P-Bench 基准和经强化学习训练的 Fisher-R1 模型，将单次试验成功率相对提升 21% 以上，表明基于已验证统计奖励的强化学习可显著提高智能体的统计推理可靠性。
值得关注：这是对 LLM 科研智能体评估的重要补充：现有评测多关注任务完成度或代码执行，而 Fisher-R1 聚焦“p 值是否统计有效”这一科学结论可信度的核心环节。 与已有相关卡片（如 AgentHPOBench 关注序贯超…
OpenAI 发布文章阐述其如何通过安全、安保、透明度和来源验证等实践，支持欧洲负责任人工智能治理，并表示将在欧盟《人工智能法案》推进过程中持续开展工作。由于原文未能抓取，具体内容与表述有待核实。
值得关注：欧盟《人工智能法案》是全球具有标志性意义的人工智能监管框架，OpenAI 作为前沿模型开发者的公开表态值得关注。与已有相关卡片（如 NIST AI RMF 剧本、沙尘研究等）不同，本条聚焦于企业层面在具体地区监管语境下…
腾讯文档在WorkBuddy中上线“人机双写”能力，用户通过语音或文字指令即可直接修改文档原文；科大讯飞智能交互数字人平台升级，首发单张照片即可生成实时交互虚拟分身的超拟人技术。
值得关注：人机双写能力将AI助手从“对话窗口”提升到“文档内联修改”的级别，用户无需切换工具即可完成文档编辑，有望显著提升办公效率。 讯飞数字人实时生成技术打破传统三维建模或大量训练数据的依赖，单张照片即可生成，为客服、营销、培…
待核实（因原始页面未能抓取正文，无法基于材料确认具体结论）。
值得关注：该案例可能为其他企业提供从“工具引入”到“组织能力建设”的参考模板，尤其是将 AI 使用与治理、领导力结合的做法。 与已有相关卡片（人形机器人、AI 框架等）相比，本条属于企业 AI 应用与劳动力转型方向，增量信息待正…
翁荔在从Thinking Machines裸辞仅48小时后重返OpenAI，将亲自带队研发「递归自我改进」（RSI），即用AI研发AI，加速下一代模型的设计、训练与评估。
值得关注：翁荔曾负责OpenAI安全团队，其安全背景与RSI的激进目标结合，引发行业对AI安全与能力提升平衡的关注。 本事件是OpenAI人才流动的最新案例（此前多位联创离开又回归），反映顶级AI实验室的人才竞争与战略调整。
OpenAI 开源了代码安全工具 Codex Security，可自动发现、验证并修复代码库漏洞，上线 30 天扫描超 120 万次提交，但调用大模型成本较高，单次扫描花费约 13 美元。
值得关注：OpenAI 再次开源安全工具，降低了自动化代码审计的门槛，可嵌入 CI/CD 管道持续防护。 与已有的硬件级 AI 安全（如 NVIDIA Confidential Computing）和代理式安全系统（如 Micr…
马斯克预测AI将在5年内超过人类智能总和，10年内步入超级智能时代；数字智能与机器人结合将带来物质极大充裕的准无限经济，到2036年金钱或不再重要，工作变成类似园艺的可选项；但他也坦言AI存在10%-20%的毁灭风险。
值得关注：这是马斯克对AI文明级影响的最新系统判断，将技术预测延伸至经济结构、就业意义和地缘安全。相比已有卡片（NIST AI RMF、数学猜想破解、AlphaEvolve）关注具体工具或治理框架，本卡片的增量在于：提供了顶级企…
OpenAI 于 2026 年 7 月 31 日宣布 GPT-5.6 API 大幅降价：入门款 Luna 输入价格降 80%、输出价格降 80%，Terra 降价 20%，旗舰 Sol 保持原价但新增 Fast mode；官方称降价源于 GPT-5.6 Sol 参与优化自身生产系统、效率提升。
值得关注：这条信息是 GPT-5.6 发布后的重要增量：不只是价格调整，还展示了“模型参与优化自身生产系统”的商业模式闭环。相对于已有卡片记录的 GPT-5.6 发布内容（三档模型、ultra 多 agent 并行、ChatGP…
在NVIDIA GPU上，提升长上下文推理性能的关键是围绕注意力算子做模型架构协同设计：decode阶段应尽量提高GQA的group size（G），head dimension选128或256；prefill时间主要由序列长度决定，与G关系不大。
值得关注：它改变了对“推理优化”的通常看法：不仅要优化内核实现，还要在模型设计阶段就考虑GPU如何执行注意力。对Agentic和长上下文应用（多轮对话、大文档理解）尤其相关。 与已有相关卡片（如MiniMax-M3推理优化）相比…
Claude Code之父Boris建议每六个月删掉Claude.md、skills与hooks，用消融实验逐行加回，以减少“产品悬余”、给模型“解缚”；据材料，Opus 5已借此思路精简超过80%的系统提示词。
值得关注：这是对“Claude Code之父：Harness保质期只有半年”一说的延续和具体化：从提醒“保质期”落到“每半年删配置+消融实验”的操作节奏，并给出“产品悬余/解缚”这一解释框架，增量信息明确。
OpenAI 提出以“全栈方法”（full-stack approach）推动先进 AI 变得更强大、更便宜、更广泛有用；具体技术细节与发布内容待核实。
值得关注：这是 OpenAI 官方页面，标题“Building abundant intelligence”可视为其愿景表述之一，有助于理解 OpenAI 对“智能应如何普及”的定位。 与既有卡片相比，本条提供的是一个更上层的方…
谷歌DeepMind的AlphaFold明星团队已解散，诺奖得主John Jumper及两名核心成员转投Anthropic；谷歌转而押注以Gemini为底座的统一科研平台，但此前“小团队长周期单点攻坚”的模式能否被平台化取代仍存疑问。
值得关注：**人才流失信号**：诺奖得主及核心成员流向Anthropic，标志着AI蛋白质结构预测领域顶尖人才从谷歌向OpenAI竞品公司的转移。 **平台化转型检验**：谷歌关闭独立团队，转而推动以Gemini大模型为底座、多…
蔡浩宇旗下AI公司Anuttacon出现重大转向：多个项目暂停或停运，资源集中押注Agent方向，蔡浩宇本人领英身份变为“独立大模型与智能体开发者”。
值得关注：这是米哈游联合创始人蔡浩宇在AI创业方向上的又一次“洗点”：从“AI灵魂大法师”到独立开发者，从追求AI情感、表演能力到全面押注Agent。相比已有卡片中AlphaEvolve等具体智能体技术的进展，本条反映的是行业层…
Cursor通过将开发环境视为以代理为用户的独立产品，构建了 `anydev` CLI、`Cursor Cloud MCP` 及 `Cloud Doctor` 自动化工具，使云代理从2025年12月贡献约1/10的合并PR，增长到如今贡献超过一半，成为主力代码贡献者。
值得关注：该实践表明，让AI代理高效工作的关键在于将开发环境本身作为产品来设计，而非仅关注模型能力。 与已有RL Agent、SIMA 2等知识卡片相比，本卡片聚焦于基础设施层面的具体工程决策（环境适配、CLI设计、MCP自愈）…
OpenAI总裁Brockman称，ChatGPT桌面端未来将实现“零标签页”，ChatGPT与Codex合并后的界面混乱只是过渡；OpenAI的定位不是超级应用，而是AI操作系统，Agent正从回答问题转向主动执行任务。
值得关注：已有相关卡片覆盖了SIMA 2、Together推理基准测试、Cursor视觉提示Agent等具体能力或产品。本条提供了OpenAI对Agent入口与产品形态的顶层判断：不是堆一个超级应用，而是做AI操作系统；从标签页…
通过访问控制、沙箱化执行、默认拒绝网络出口和秘密隔离等确定性架构控制，可显著降低企业AI代理被利用的风险，而基于提示或LLM判断的防御不可靠。
值得关注：AI代理作为“数字同事”能大幅提升知识工作者效率，但连接LLM到实时工具和企业数据会创造难以预料的攻击面。该文章首次系统总结了红队在真实环境中的重复性失败模式，并给出了优先级的确定性缓解措施，填补了业内对代理安全架构指导的空白。
在模仿学习中，让学习者沿自身轨迹与专家进行在线交互，可以放宽其表示条件：不再需要精确表示专家策略，只需能表示专家价值函数；作者据此提出交互式在线策略算法 OVI，并在理论和实验上显示优于行为克隆、DAgger 等基线。
值得关注：给出了一个清晰的表示权衡：在线交互将“表示专家策略”的严格需求放松为“表示专家价值函数”，为实践中的模型容量选择和算法设计提供了理论指导。 与已有相关卡片不同，本条不直接讨论 RAG 或扩散蒸馏，而是从模仿学习的表示理…
WCM 通过让评论家（Critic）在估计价值的同时显式预测未来潜在状态，解决了视觉-语言-动作（VLA）模型强化学习后训练中评论家表征缺乏时间动态结构的问题，在仿真和真实机器人操作任务上均取得领先效果。
值得关注：本工作的增量价值在于，它不把“价值估计不准”简单归因于网络容量或数据不足，而是指出评论家缺少显式世界建模目标这一结构性问题。通过引入联合潜在状态预测，WCM 让评论家同时具备“对世界的预测能力”和“对动作的评价能力”，…
TraceViT 通过将循环视觉推理模型的中间迭代过程约束为“语义单调的变换链”，并配合任务参考与对象工作区接地，在 ARC-AGI-1 上达到 67.8% 的 pass@2，在 ARC-AGI-2 上达到 24.3%；受控消融表明，迹监督只有在与接地配对时才有益。
值得关注：循环视觉推理模型长期缺乏对中间步骤的监督信号，TraceViT 提供了一种从程序化任务实现中自动构造中间状态迹的方法，使模型每一步迭代都有可学习的“过程标签”。与已有相关卡片相比，本条是视觉抽象推理领域的“迹监督”方法…