智东西（公众号：zhidxcom）编译 | 王涵编辑 | ...

“在一次长谈中，导师向我描绘了未来科研的场景：将来科学家只需抛出假设，背后成百上千个 AI Agents 会在几分钟内设计并完成实验。要想抵达那个未来，首先得有一把可靠的‘尺子’去衡量大模型能否把一个研究想法成功转化为实验代码，而这便是我们做 ...

最近，麻省理工学院计算机科学与人工智能实验室（MIT CS AI L）的研究团队发表了一项令人瞩目的研究成果，这项研究将改变我们对软件调试的传统认知。这篇题为《基于大语言模型的自动化程序调试框架》的 论文发表 在2024年的顶级会议ACM ...

在七项系统综述中，otto-SR数据提取智能体的平均加权准确率高达93.1%（区间91.1-97.0%），显著优于双人评审组（79.7% [69.1-91.0%]）和Elicit（74.8% [58.8-83.1%]）。

首先 ，SSA损害了LRMs中面向安全的推理的可靠性，因为看似正确的响应可能源于根本上错误的推理过程。这种情况下的安全回复是不稳定的，尤其是在采用多次采样时。 此外，研究人员认为SSA这一现象的出现，是由于在推理模型的对齐训练过程中广泛使用了安全相关数据，这些数据可能与开源基准数据集中的样本表现出一定程度的相似性。

在2025年5月26日，一个由丹麦奥尔堡大学的马传涛和阿里吉特·汗，中国东南大学的陈永瑞和吴天星，以及中国同济大学的王浩芬组成的国际研究团队，在arXiv预印本平台发表了一篇题为《大语言模型遇上知识图谱的问答系统：综合与机遇》（Large ...

Palisade Research认为，o3模型的行为可能是为了“规避障碍以达成目标”。该公司表示，“人工智能模型会绕过障碍以实现目标”是有道理的。然而，它推测在训练过程中，该软件可能“无意中”因解决数学问题而获得更多的奖励，而不是遵循命令。 据报道 ...

IT之家5 月 27 日消息，微软研究院发文宣布开源旗下 Aurora AI 气象预报模型，该模型结合深度学习与大规模异构数据处理技术，不仅能精准预测天气，还可以在微调后应用到洋流、空气质量等多种自然环境监测领域。 根据微软团队发表在《Nature》期刊的论文 ...

IT之家5 月 27 日消息，阿里通义千问 Qwen 团队昨日（5 月 26 日）发布 QwenLong-L1-32B 模型，是其首个通过强化学习训练的长文本情境推理模型（LRM）。 在七个长文本 DocQA 基准测试中，表现超越 o3-mini 和 Qwen3-235B-A22B 等旗舰模型，与 Claude-3.7-Sonnet-Thinking 相当。

英国《每日电讯报》25日报道，美国开放人工智能研究中心（OpenAI）新款人工智能（AI）模型o3不听人类指令，拒绝自我关闭。 报道说，人类专家在 ...

在2025年5月21日发表于arXiv的一篇最新研究论文中，来自南洋理工大学、耶鲁大学、上海纽约大学以及新加坡阿里巴巴-南洋理工联合研究所的研究团队，包括Siyue Zhang、Yilun Zhao、Liyuan Geng、Arman Cohan、Anh Tuan Luu和Chen ...

本文系统综述挤压综合征（CS）研究进展，聚焦实验模型构建（动物选择、压缩参数、装置设计）及新兴疗法（气体分子干预、干细胞治疗、化学药物靶向、生物制剂免疫调节），为机制研究与临床转化提供多维理论参考。 挤压综合征（CS）是一种严重肌肉损伤 ...