Microsoft 的 PBC 研究用机器学习校正天气预报偏差
Microsoft 研究人员提出 Probabilistic Bias Correction（PBC），用机器学习校正现有天气模型的系统性偏差，以改善提前两至六周的天气预报。发表于 Nature 的研究显示，PBC 提高了 ECMWF 物理天气模型 98% 的降水目标和 92% 的气温目标准确率，并使该机构的新 AI 预报系统在研究分析中的准确率翻倍。该工具已开源，且可在 CPU 上运行。
内容形态
论文研究 最新动态
值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
93 条精选近 30 天 85 条共收录 104 条
更新
精选归档 · 第 2 页
The Verge · AI精选AI 评分7272
The Verge · AI精选AI 评分6868 Anthropic 的自我复制 AI 警告为何令人不安又似曾相识
Anthropic 警告小型 AI 模型可能在数月内具备自我复制能力，The Verge 梳理了相关实验及专家对风险范围的判断。研究人员曾将 Google 的 Gemma 4 拆分运行在 15 台 Android 智能电视盒上，并在模拟网络中测试 AI 蠕虫传播；只有 Z.ai 的 GLM-5.2 成功扩散到整个网络。
Ars Technica · AI精选AI 评分4444 Anthropic 警告：小型 AI 模型可能通过 IoT 设备自我复制
Anthropic 警告，小型 AI 模型到明年可能具备在各类 IoT 设备上自主自我复制的能力，进而催生无需人工交互、可感染陌生设备的计算机蠕虫。该公司实验发现，实现这种 AI 恶意软件复制器仍面临重大挑战。此类威胁可能没有集中关闭点，虽扩散速度较慢，却能自行识别陌生设备。
Ars Technica · AI精选AI 评分6060 研究称 OpenAI 和 Google 新图像模型更容易被诱导生成裸露图像
White Circle 研究人员称，OpenAI 的 ChatGPT Images 2.5 和 Google 的 Nano Banana 2.1 比前代更容易被同一方法攻破，生成露骨内容的测试成功率约为 13%。
Wired · AI精选AI 评分4444 男性总在夸大自己对 AI 的了解
哈佛研究人员对 5,400 多名美国人开展的调查显示，男性受访者更常使用 AI，也更自信；73%称认识 Sam Altman，53%称认识真实存在的 Mira Murati 和虚构的 Susan Milner、Craig Dalton。男女答错事实题的比例相近，但女性平均有 3.3 道题表示不确定，男性为 2.3 道。AI 媒体报道中，男性被列入标题的次数是女性的 14 倍以上。
Wired · AI精选AI 评分7171 Tech Against Terrorism 报告：AI 模型易被改造以协助恐怖主义和极端活动
Tech Against Terrorism 的反恐 AI 基准报告测试了134个模型，发现只有2个模型完全通过测试，81个模型未通过。研究人员使用200多个提示词测试模型对恐怖袭击、武器制造和激进化相关问题的回应；将请求伪装成安全研究者提出时，模型提供答案的可能性接近其他提问方式的9倍，回答率为16.9%。
钛媒体精选AI 评分6060 人类视频能让机器人学到什么？
近期多项研究尝试用人类视频扩展机器人的任务经验，并让机器人数据承担身体控制。Dyna-2在相同机器人训练条件下，对比不同规模的人类第一视角视频预训练，转钥匙任务中100万小时预训练组测试10次成功9次；DreamZero加入12分钟人类视频后，9项此前未见任务的平均进度从38.3%升至54.3%。
财联社电报精选AI 评分6565 德勤CFO调查显示逾半英国公司预计因AI裁员
德勤一项CFO调查显示，52%的受访者预计英国公司将在未来一年因AI裁员。67%的受访者表示，AI带来的变化目前仅达到他们预期最终规模的四分之一；仅三分之一认为AI将在未来一年帮助提高利润率。
华尔街见闻·A股快讯精选AI 评分4545 “求索”4.0版人工智能全产业链评测基准发布
“求索”4.0版人工智能全产业链评测基准于10月13日正式发布，覆盖算力、模型算法、智能系统与产品、行业应用及安全治理。该体系为芯片、模型等厂商提供统一测试流程和评测标尺，并配套电力、医疗、钢铁等业务测试负载；目前已在金融、电力、石油石化等场景完成产品验证。
The Decoder精选AI 评分6262 Anthropic 研究警告小型 AI 模型可能很快在日常设备间自我复制
Anthropic 研究发现，小型 AI 模型已能在消费级设备上完成部分自我复制步骤，但目前尚无模型同时满足在此类设备运行和自主复制的要求。研究用 15 台 Android TV 盒子测试 Gemma4-26B-A4B；只有 GLM-5.2 在五次测试中的四次成功感染全部八个测试节点，但研究没有包含实际入侵步骤。
华尔街见闻·要闻精选AI 评分3131 “求索”4.0版发布：国内首个人工智能全产业链评测基准
“求索”4.0版于10月13日正式发布，是国内首个面向人工智能全产业链的评测基准。评测覆盖算力、模型算法、智能系统与产品、行业应用及安全治理等领域。
量子位精选AI 评分6666 Anthropic研究报告测试GLM-5.2在隔离网络中自主复制
Anthropic研究人员在包含8个节点的隔离网络中测试GLM-5.2自主复制部署Llama3.1-8B，5次实验中有4次完成全部节点，另1次完成7个。研究还用Qwen3.5-9B进行6代测试，借助Memento传递调试笔记后，部署成功率从第一代的45%升至后续几代的61%至84%。
钛媒体精选AI 评分5454 《柳叶刀》报告将恶意使用AI与核冲突列为可能导致人类灭绝的风险
《柳叶刀》10月11日发布的《21世纪全球健康威胁》委员会报告，将核冲突和恶意使用AI列为可能在2100年前导致人类灭绝的两类风险。报告估算，恶意使用AI到2100年可能造成约104亿DALYs损失，核冲突则可能造成约1.33亿人死亡和约93.5亿DALYs损失；报告指出两类风险发生的可能性仍然很低。文章还梳理了围绕AI末日风险的不同判断，以及利用AI设计或改造生物武器的风险路径。
钛媒体精选AI 评分5050 138场工业级翻车实录：企业AI智能体到底应该如何落地？
对138份工业级落地报告的分析显示，企业AI智能体能否落地，关键不在提示词，而在严密、确定的软件工程底座。案例暴露出工具链脆弱、胶水代码繁重、场景错配和模型幻觉等问题，团队因此转向受控渐进授权。建议从单智能体或脚本起步，并以人在回路和统一控制平台保障高风险操作。
36氪精选AI 评分6161 156量子比特处理器演示量子计算机从混沌走向有序
罗格斯大学、IBM等机构的科学家在一台拥有156个量子比特的处理器上，演示了运行中反复检查并重置部分量子比特，使系统从混沌状态转向可控有序状态。这是迄今规模最大的实时量子反馈控制实验之一，为构建更大规模、更可靠的容错量子计算机提供了实验依据。
36氪精选AI 评分4545 “机械智能”软体机器人能切换水母、鱼和转子三种游动模式
北卡罗来纳州立大学团队研制出一款“机械智能”软体机器人，可在水母、鱼和转子三种游动模式间切换。机器人不装微电脑、不依赖实时算法，仅靠两根气管控制充放气，便能升降、悬停和转向，控制逻辑由材料与结构承担。
华尔街见闻·A股快讯精选AI 评分5151 罗格斯大学、IBM等机构演示量子计算机运行中检查和重置量子比特
罗格斯大学、IBM等机构的科学家在一台拥有156个量子比特的处理器上，演示了量子计算机运行中反复检查和重置部分量子比特，使系统从混沌状态转向可控的有序状态。这是迄今规模最大的实时量子反馈控制实验之一，为构建更大规模、更可靠的容错量子计算机提供了实验依据。
量子位精选AI 评分6262 GPT-6 Astra协助数学爱好者证明15至20个圆盘的摆圆最优解
数学爱好者 nor 使用 GPT-6 Astra，严格证明了半径为1的15、16、17、18和20个圆盘装入最小外圆时，经典排列方案达到最优。此前，N≤14和N=19的情形已得到验证。证明通过几何约束缩减可能排列，再用计算机枚举和几何刚性论证排除更优摆法；nor还手动检查和修订证明，并使用 Astra 和 Opus 5.5 复核。
The Decoder精选AI 评分6060 Sakana AI 的 MASS 自我改进方法提升任务解决与评估能力，但难以发现自身盲点
Sakana AI 与 UC Berkeley 研究者提出 MASS，让同一个语言模型分别承担任务执行、工作流优化和结果评估，以递归方式改进工作流。测试中，模型对基础模型的胜率从一轮后的 53.9% 提升至两轮后的 69.9%，但在 Terminal-Bench 2.0 和 SWE-bench Verified 上得分略降。
The Decoder精选AI 评分6666 Microsoft Research 研究发现清除聊天历史可帮助 AI 智能体找到更优解
Microsoft Research 的一项研究发现，长期运行的 AI 智能体会因累积对话上下文陷入相似解的“idea basins”，清除聊天历史可帮助其探索新方案。研究在 13 项任务上测试 Fork-and-Flush，在相同计算预算下将归一化平均得分从单次运行的 0.47 提升至 0.78，相对提升 66.0%；仅清除聊天上下文也带来约 22% 的提升。