如果AI家教真能以极低成本复现真人辅导的效果，这个悬而未决的难题就有了新的突破口。当然，研究团队也很谨慎地指出，这个结论测的是当下这批模型在这次研究里的表现，随着模型能力提升、推理成本下降，未来的数字大概率只会更好看，不会更差。

因为如果只看最终任务成不成功，这个信号是模糊的，会同时掺杂两种完全不同性质的失败。一种是机器人压根理解错了指令，去拿了错误的物体；另一种是机器人理解对了，但手抖了没抓稳，或者放的位置差了几厘米。这两种失败的性质天差地别，前者是"脑子"的问题，后者是"手"的问题，混在一起看，你根本没法诊断问题出在哪个环节。

丹麦研究者用AI模型BlameBERT分析近五百万句议会发言，发现甩锅修辞呈香蕉形轨迹，2016年触底后加速上升，执政党甩锅更少，右翼极端政党的甩锅倾向近年显著增强。 2026-10-19 13:53 • 科技行者 ...

美国当地时间10月15日晚，在得克萨斯州SpaceX的测试场地，特斯拉展示了重新设计的第二代Roadster。这辆造型凌厉的白色跑车，借助车身内置的冷气推进器和车底吸附系统，完成了沿特殊坡道倒挂行驶、腾空翻转、跨越其他车辆并重新着陆等一系列令人瞠目结 ...

研究者用VA-Bench测试通用大模型操控机械臂完成抓取放置等任务，发现目标定位满分的模型任务成功率仅53.93%，主动观察摄像头能显著提升成功率，几何迁移和长任务组合仍是明显短板。 2026-10-16 11:50 • 科技行者 你有没有想过一个问题：让一个AI看懂"瓶子在桌子左边"这句话，和让它真的伸手把瓶子拿起来，中间差了多远？ 大多数人会觉得，既然AI都能说出瓶子在哪儿了，动手抓一下应该不 ...

伊利诺伊大学团队发现AI难以识别火灾烧毁物体，提出TRACE基准和FRM特征恢复模块，无需修图，只修正AI的内部特征表示，让检测和推理准确率大幅提升，损毁越重效果越明显。 2026-10-15 12:26 ...

2026年9月的某一天，网络安全圈流传开一份奇怪的技术报告。写报告的团队只有七个人,没有大公司背景，没有上亿美元融资，却训练出了一个在CyberGym排行榜上排到第10名的模型，而且在同等参数规模的模型里排名第一。

AI生成的GPU代码"通过测试"就代表正确吗?这篇论文用变异测试量化了官方检查器的真实漏检率,发现存在系统性盲区,并提出可复现的改进测试套件方案。 2026-10-16 18:23 • 科技行者 有一个问题很少 ...

一篇关于ScienceIDE的研究解读:它把散落全球的科学代码库,变成AI智能体可以真正学习和被验证的训练环境,揭示了当前最强AI在科学代码修复上仍有三成任务无法攻克。 2026-10-16 08:11 • 科技行者 ...

研究发现，大语言模型的分词器对不同性别、种族关联的人名存在系统性差异待遇，这种差异会渗透进任务相关的内部判断，并真实影响模型最终决策，揭示了姓名公平性研究中被忽视的输入层 ...

这不是黑客电影的开场白，这是一篇论文的实验设计。研究者搭了一个由AI客服（也就是所谓的智能体）负责处理转账的银行系统，然后邀请全世界的人来攻击它。一千多个人参与，写下了4371条真实的攻击指令，试图让AI把钱转到不该转的账户里。

本文介绍OPRD方法，通过提取弱教师训练前后的策略偏移方向，放大强学生验证器驱动梯度中的对齐分量，实现弱到强知识迁移，让强模型加速学习且不受教师能力上限束缚，在多项推理任务中 ...