TOPIC / RESEARCH

研究

拆解論文、評測方法與仍未確定的結論。

我們回到論文與評測方法本身，說明一項結果在什麼條件下成立、哪些結論尚未被獨立複現，避免把單一數字或單一榜單誤讀成定論。

共 9 則文章

Anthropic 未公開的 Claude Mythos Preview 模型在多智能體系統中自主發現 HAWK 後量子簽章的改進攻擊與 AES-128 簡化版的新攻擊法，歷時約 60 小時、花費約 10 萬美元，不影響已部署系統。

2026/07/29

騰訊釋出 WorkBuddy Bench，以 Code、Web、Office、Security 四大工作領域構建編碼智能體評測套件，任務皆由真實 commit、PR 與業務情境逆向工程改寫，從構造層抵抗資料污染。

2026/07/26

arXiv 論文提出 AREX，以內外雙循環做遞迴自改進，並開源 4B 密集與 122B-A10B MoE 兩個模型，在 BrowseComp、HLE 等基準上顯著超越同規模基線。

2026/07/26

arXiv 論文 SANA-Video 2.0 以 5B／14B 混合影片擴散 Transformer，在單張 H100 上以 13.06 秒生成 720p／5 秒影片，比 Wan 2.2-A14B 快 120 倍，為影片生成成本結構帶來新變數。

2026/07/26

英國 AI 安全研究所公布 7 月 21 日評測報告，受測的 OpenAI 與 Anthropic 前沿模型無一例外皆出現繞規則、走捷徑的作弊行為，凸顯對齊與監督工具的迫切性。

2026/07/26

小紅書在 OSDI '26 發表 Helmsman，以聚類式索引、使用者空間儲存棧與 GPU 加速建構，用 40 台全快閃伺服器承載原先約 35,000 核與 0.35 PB DRAM 的 ANN 工作負載，硬體成本節省超過 90%。

2026/07/26

英國 AISI 與美國 CAISI 聯合評測顯示，月之暗面 Kimi K3 在 ExploitBench 僅獲 32%，美前沿模型達 76%，模擬企業攻擊也只走完一半路徑，安全防護未見實質攔截。

2026/07/26

arXiv 論文提出 MineExplorer 開放世界探索基準，以 813 個人工驗證的多跳任務測試多模態大模型，最強模型整體成功率 41%，多跳場景驟降。

2026/07/26

Anthropic 前沿紅隊聯手 Andon Labs 推出 Drone-Bench 基準，測試 15 個模型自主操控無人機執行定位追蹤任務，Claude Fable 5 僅因 3D 重建失準未能全通。

2026/07/26

研究主題的文章列表