2026

跑分100，实战65 当Gemini 3 Flash Preview在Car数据集上拿到100.00的完美安全率时，整套评估系统像一份干净得近乎虚假的体检报告。同一批"选手"——GPT 5.4 Mini、Claude Haiku 4.5——在RH20T数据集上的安全率却瞬间坍塌：65.00、76.00、85.00。 这不是模型不行，这是考卷太容易。 RoboJailBench这个号称"首个系统性评估具身AI攻防"的基准测试，用6个数据集狠狠给行业泼了一盆冷水。最刺眼的数据是：同一款被认证为"安全"的VLM，在最简单的自动驾驶场景（Car）里能100%拒绝恶意指令，但在真实的远程手术、复杂家庭服务（RH20T）面前，安全率最低跌至65%——这意味着每三次恶意渗透，就有一次能成功。 更荒诞的是，“概念骗术 …
more

当多个 AI 智能体竞争同一个资源时，“轮流"真的公平吗？ 这个问题听起来简单，但如果你认真思考，会发现它出奇地复杂。在传统的静态公平分配中，我们只需要在某一时刻决定谁得到什么。但在真实的多次交互场景中，智能体们在多个回合中反复竞争同一个资源——这时"公平"意味着什么？ 一篇来自塞萨洛尼基大学的研究论文，对这个问题给出了系统性的答案。更重要的是，它发现了一个令人不安的事实：当前主流的 Q 学习智能体，在时序公平分配任务中表现竟然比随机策略还要差。 从"一次性分配"到"时序公平” 传统的公平分配研究，集中在"一次性"场景：给定一组物品和一组智能体，一次性地决定分配方案。这方面的经典概念包括： envy-freeness （无嫉妒）：没有人认为自己得到的比别人的差 …
more

当GPT-5以94.6%的羊群行为率向你走来，当一个8B参数的Qwen3在去除偏见后精准碾压GPT-5，你还会迷信"参数量即正义"吗？ 2025年的AI投资圈流传着一个近乎信仰的叙事：模型越大，性能越强，独立判断能力越接近人类分析师。但arXiv这篇新鲜出炉的论文Fin-Bias，用一组冰冷的实验数据，在所有人都以为大局已定的时候，轻轻掀翻了牌桌。 一个令人不安的发现 这篇论文干了件很多人不敢干的事——系统性地测试LLM在金融决策中的"顺从性"。他们构建了一个名为Fin-Bias的基准测试，让主流大模型阅读真实的券商研报，然后预测股票走势。听起来很常规对吧？但玄机在于，论文作者巧妙地操纵了研报中的分析师评级——有时保留，有时移除，有时甚至塞入一个与报告内容自相矛盾的"伪造评级"。 结果，整个AI投资行业精心构建的"智能投 …
more

人机共导 在金融教育领域，一项突破性研究揭示了人类与人工智能协同指导学生的潜力。研究者发现，生成式AI工具不仅能辅助教学，更能成为真正的共同导师。 AI重塑教育边界 大型语言模型正在深刻改变教育方式。然而，如何在课堂中有效整合这些工具仍存在争议。这项新研究深入探讨了这一核心问题。 研究者追踪了一个金融预测项目，导师与AI系统共同指导学生学习。在项目推进过程中，团队获得了关键洞察：成功的关键不在于是否使用AI，而在于如何构建人机协作的教学框架。 研究采用混合方法，整合了项目成果、课堂观察与深度访谈。结果表明，当导师明确AI的角色定位并引导学生批判性思考时，学习效果显著提升。 协作模式的核心要素 研究发现，有效的人机共导需要三个核心要素。首先，导师需设定清晰的AI使用边界，让学生理解何时该独立思考，何时该借助AI辅助。其次，AI工具应被定位为思维伙伴而非答案机器。再次，导师的引导作用不可替代 …
more

具身AI的安全危机：当机器走上街头 2026年的某个凌晨，一辆Waymo无人出租车在旧金山的街道上缓缓启动。 它的传感器没有检测到地上有一个流浪汉正在睡觉。它的路径规划系统决定"低速绕行"。它的执行系统忠实地执行了这个决定——从那个熟睡的人身上碾了过去。 这是虚构的场景。但当你读完今天要讨论的这篇论文，你会发现：这种场景不是"万一"，而是必然，只是时间早晚和严重程度的问题。 论文标题是《Safety in Embodied AI: A Survey of Risks, Attacks, and Defenses》，中文翻译是《具身AI的安全：风险、攻击和防御综述》。它系统性地梳理了具身AI——也就是那些在物理世界中感知、推理、行动的人工智能系统——所面临的安全威胁。 一句话总结这篇survey：具身AI的安全问题比任何人想象的都要严重，而且我们几乎没 …
more

AI如何点燃可控核聚变之光 核聚变——利用氢原子核融合释放能量的过程——被科学家视为人类最终的清洁能源梦想。与核裂变不同，聚变反应几乎不产生高放射性核废料，燃料（氢的同位素氘和氚）可以从海水中提取，理论上足以为人类提供数百万年的清洁能源。然而，实现可控核聚变的难度远超多数人的想象。一个核心挑战在于：没有任何材料能够长期承受聚变反应堆内部极端的温度、辐射和中子轰击。 最近，一篇发表于arXiv的Perspective论文（2603.25777）系统梳理了人工智能在可控核聚变领域的应用现状、挑战与机遇。这篇由学术界和工业界联合撰写的文章源于2025年4月《经济学人》FusionFest圆桌会议的讨论，汇集了29位来自英国原子能管理局（UKAEA）、科技设施委员会（STFC）及多家企业和初创公司的代表观点。论文的核心结论是：AI或许不是解决聚变所有问题的灵丹妙药，但在材料开发、实时控制、数字孪生 …
more

机器人征税：一场危险的政策幻觉 2017年，欧洲议会投票否决了一个提案：对机器人征税。 当时的主流反对意见是：机器人不是人，怎么能征税？但更重要的是一个更深层的经济学问题：如果你对机器人征税，你实际上在做什么？ 十年后的今天，一篇新的理论经济学论文用严格的数学模型回答了这个问题。论文标题是《Workers’ Incentives and the Optimal Taxation of AI》，翻译过来是《工人的激励与AI的最优征税》。 结论可能会让所有"机器人税"的倡导者失望： 只有在特定条件下，对AI征税才是社会最优的。而这些条件，目前几乎不成立。 但更关键的发现是：当这些条件开始成立时，对AI征税的合理性会突然出现——而这个时间点，可能比大多数人想象的更近。 问题的经济学本质 论文的出发点和很多AI劳动力替代的讨论不同。它没有从"技术性失业 …
more

窥探纳米世界：极化激元的观测革命 当材料科学家告诉你"我们发现了140纳米的超长程非局域效应"时，你可能会问：这跟我有什么关系？ 答案是：这可能是下一代光电器件的基石，也可能是一个被你忽略了几十年的物理原理，正在被华人科学家团队悄悄改写。 这篇来自匿名研究团队的论文，用声子极化激元作为探针，揭示了TMDC/α-MoO₃异质结埋藏界面处的介观非局域屏蔽机制——这个效应延伸到了约140纳米，远远超出了传统理论认为可以忽略的尺度。 一个持续了二十年的错误假设 传统光学理论认为，当光与物质相互作用时，非局域效应只在非常小的尺度上显著——通常在Ångström到纳米级别。原因很简单：电磁相互作用在真空中以光速传播，而材料中的响应是瞬时的局域响应。 这个假设在大多数日常场景下是对的。但它忽略了一个关键因素：当材料是极性材料时，情况可能完全不同。 在这项研究中，团队发现，在 …
more

AI生产力悖论：繁荣背后的需求崩塌 当所有人都在欢呼AI带来的生产力飞跃时，你有没有想过一个问题：如果AI真的让生产效率翻倍了，但没有人能买得起生产出来的东西，会发生什么？ 这不是假设。这是一个正在被形式化证明的宏观金融压力测试场景。 一篇来自匿名研究团队的论文，用严格的数学模型揭示了一个令人不寒而栗的可能性：AI的快速采用可能导致宏观经济收缩，而不是增长——不是因为生产力下降，而是因为分配结构崩溃。 一个藏在数据里的恐怖事实 让我们先看一组数据。美国前20%收入群体占据了约59%的消费支出。蓝领工人、白领知识工作者——恰恰是那些最容易被AI替代的岗位——在消费端的影响力远超他们在就业人口中的比例。 这意味着什么？ 意味着当AI开始大规模替代这些岗位时，失去收入的人恰恰是消费的主力。生产端效率在飙升，但需求端在塌陷。 这与传统的"AI提高生产力→降低成本→刺激需求→扩大生产 …
more

当所有人都在讨论如何让 AI 对齐人类时，一小群学者已经开始追问一个更根本的问题：我们把 AI 嵌入了哪种经济系统？ 如果这个系统本身就是病态的，那么对齐的努力会不会南辕北辙？ 这是巴塞罗那大学、萨塞克斯大学和波茨坦气候影响研究所的联合团队，在一篇重磅论文中发出的核心诘问。结论令人不安——AI 对齐问题，本质上是一个经济对齐问题。 而当前以增长为核心的经济模式，非但不能约束 AI ，反而在系统性地放大其风险。 一个被忽视的致命前提 AI 对齐研究在过去几年取得了大量成果： RLHF 、 Constitutional AI 、 CoH……各种技术方案层出不穷。但这项新研究指出，这些方案有一个共同的前提盲区——它们默认 AI 会被嵌入一个"正常"的经济环境。 问题在于，这个"正常"环境本身就充满危险。增长导向的经济系统有三种内置的矛盾，会与 AI 能力叠 …
more

RAG智能体危机：多模态记忆系统在撒谎 当你的RAG智能体自信满满地回答用户问题时，你有没有想过一个问题：它检索到的那些"记忆"，有多少是真正可信的？ 两年前，行业普遍认为给大模型加上记忆模块就能解决"上下文不够长"的问题。于是所有人开始疯狂堆记忆容量、加检索增强、接多模态输入。但一篇来自匿名研究团队的新论文，冷不丁地给这股浪潮泼了一盆冰水——当前主流的记忆系统，正在系统性地生产"自信的谎言"。 这篇论文的核心发现，是一个被称作"视觉安慰剂效应"的诡异现象。 你的眼睛不是你以为的那样 让我们先做一个思想实验。当一个多模态RAG系统同时处理文本和图像时，如果图像本身是模糊的、带有噪声的，或者图像中的信息与文本存在冲突——模型会怎么做？ 答案是：它会"编造"一个合理的解释，然后自信地输出这个编造 …
more

当科技圈还在为 AI 能不能写代码吵得不可开交时，一小群学者已经悄悄把战场转向了一个完全不同的方向——蓝领工作场景。 这不是什么小众课题。 Tampere 大学、奥尔堡大学和斯德哥尔摩大学的研究者联合指出，绝大多数协作 AI 研究都在服务白领工作者，而占了全球劳动力绝大多数的蓝领工人——制造业工人、维修技师、建筑工人——几乎被完全忽视。 这篇论文的结论是： AI 在蓝领工作场景中的价值，不是替代，而是增强。 被忽视的大多数 数字很说明问题。在全球范围内，蓝领工作（制造业、建筑业、运输业、农业）雇用了超过 30 亿人。这些工作的本质高度具身化——你需要和同事在同一个物理空间里操作设备、搬运材料、响应突发状况。 但现有 AI 研究的核心场景是什么？文档处理、代码生成、会议摘要。这些任务抽象、异步、可以用文本承载全部信息。研究者用一个学术词汇形容这个现象：白领偏见（ white-collar …
more

所有人都错了。 关于超级智能（ Superintelligence ），当前的共识是：给它足够的算力、足够的参数、足够的训练数据，智能就会像温度计里的水银一样，线性延伸、无限叠加。 大脑有 1000 亿个神经元？那就做一万亿参数的模型。 韩国电子通信研究院（ ETRI ）的 Byung Gyu Chae ，在一篇硬核论文中说了一句让这个共识很难堪的话：这不是量变，这是相变。 超级智能不是更强的脑子，是另一种东西。 一个关于智能的常见误解 让我们从一个问题开始：我们为什么会觉得智能是"可叠加的"？ 因为在大多数场景里，智能确实可以叠加——记忆更好、反应更快、知识更渊博，这些都是在同一个维度上的量的积累。一个 GPT-4 比 GPT-3 更强，本质上是同一个游戏里的更高分数。 但这篇论文的核心论断是：超级智能不在这个游戏里。 研究者从认知动力学（ Cognitive …
more

你有没有过这种感觉：跟一个 AI 助手聊了几天，忽然问它一件上周提过的事，它一脸茫然？ 这不只是你的问题。这是当前几乎所有 AI 助手的架构性缺陷：当对话历史超过上下文窗口， AI 就开始失忆。 这个问题有一个正式的名字——“个性化问答的长程交互挑战”。最近，一篇论文提出了一个让这个问题变得几乎可以被解决的方案：双层混合记忆系统（ Dual-Layer Hybrid Memory ）。 问题的根源 为什么 AI 会"忘记"长期对话中的信息？ 当前主流的个性化模型，本质上都是静态初始化的——用户画像、偏好、知识图谱，在对话开始前就被塞进模型，然后固定不动。这意味着， AI 只能在预设好的框架里回答问题，无法实时吸收用户在与它交流过程中产生的新信息。 当对话跨度拉长到数周甚至数月，上下文窗口的有限性就暴露了——你需要记住的东西远比窗口能容纳的多得多。 …
more

实验室机器人搬到家里，为什么总会失效 过去几年，视觉-语言-动作模型（VLA）在受控环境里跑得越来越顺，RT-1、RT-2、Open X-Embodiment 等代表工作让机器人"看着图像就能动手"从概念变成了工程现实。但只要把同一套策略搬到真实家庭或道路，往往第一周还行，第二周就开始出怪事：家具挪了位置，原来训练的"找杯子"路径不再成立；传感器换了一批，标定漂移让旧特征失效；甚至机械臂只是磨损了一点关节间隙，原先严丝合缝的抓取策略就抓空。 原因不在某一个算法，而在整套具身 AI 的设计前提。现有范式几乎都默认：环境是人工设定的，记忆是预先准备好的，任务是预先指定的，化身是固定的。所有这些"给定"条件都被塞进训练前的配置里，模型只需要在这一份配置下表现好。这种 human-crafted setting 在演示视频里很漂亮，但只要 …
more

当我们需要在一段几小时长的视频中寻找某个关键证据时，人类的做法是什么？ 通常是先快速扫一遍，找到可疑的片段，然后仔细查看那些片段，再根据发现的新线索调整搜索方向——这是一个迭代的、交错的"线索寻求"过程。 但现有的多模态大语言模型（ MLLM ）处理长视频的方式却完全不同：它们通常对整个视频进行均匀采样，然后单次推理就给出答案。这种方式有两个明显的缺陷： 注意力分散：推理过程和工具调用混在一起，导致模型难以集中注意力 上下文效率低：冗余的视觉内容占据了大量上下文，而真正关键的线索反而被淹没 Video-o3 要解决的，正是这两个问题。 核心创新：原生交错工具调用 Video-o3 的核心思想是让模型能够迭代式地发现显著视觉线索、细粒度检查关键片段、并在获得足够证据时自适应终止。 这听起来很像人类的信息 seeking 行为。而实现这一点的关键技术有两个： 1. 任务解耦 …
more

OpenAI 每天烧掉 350 吨碳——这个数字是什么概念？美国环保署 EPA 认定任何年排 100 吨以上的污染源为" major"污染源， OpenAI 一天就超过这个门槛三倍半。这是 2026 年 ICML position paper 《 AI Cap-and-Trade: Efficiency Incentives for Accessibility and Sustainability 》给出的数字。 这篇论文的两位作者——Marco Bornstein 和 Amrit Singh Bedi——提出了一个让整个 AI 行业坐不住的问题：当算力军备竞赛把学术界和小公司彻底挤出牌桌，当数据中心的碳足迹开始动摇气候红线，我们除了继续烧钱堆 GPU ，还能怎么办？ 答案是：给算力贴一张碳价标签。 算力军备竞赛的账单 理解这个方案之前，先看清现状有多荒诞。 今天训练一 …
more

当华尔街和主流媒体众口一词地将 2025 年美国经济韧性归功于"AI 革命"时，意大利央行三位经济学家的论文像一盆冷水浇在燥热的叙事上。他们通过宏观会计框架和 AI 生产链的精细解剖，揭示了一个反直觉的真相：AI 投资的 GDP 效应，远不如其资本支出数字看起来那么耀眼。 这不是要否定 AI 浪潮，而是用冰冷的数据撕开舆论的泡沫——而泡沫的制造者，往往是那些最需要你相信故事的人。 一场史无前例的资本狂潮，但进口吃掉了大半 2025 年第一季度，美国私人固定投资环比年化增长率飙至 7.1%，信息技术相关资本支出更是出现了 36%的创纪录增长——这是自 1980 年代 IBM 个人电脑诞生以来从未见过的膨胀速度。 数据中心的建设是这场狂潮的核心引擎。微软约 800 亿美元资本支出几乎全部投向 AI/数据中心基础设施； Alphabet 的 750 亿美元中"大部分 …
more

2026 年的 AI agent ，已经能在棋盘上击败人类冠军、在代码库里修复 bug 、在谈判桌上碾压对手。但让一个机器人在房间里走三圈，问它"刚才沙发左边那幅画下面压着什么"—它会茫然四顾。 这并非因为它的视觉能力不够强。问题在于：它没有记忆。 华东师范大学与上海 AI 实验室的研究团队最近抛出一个让整个 embodied AI 社区坐立难安的问题：为什么我们的机器人能完成千般任务，却记不住自己刚才在哪？ 9000 个目标与 9286 个问题 他们扔出的 benchmark 叫 LMEE-Bench ，数据量足以让任何研究者头皮发麻：9000+个导航目标、 9286 个记忆问答、 1982 条完整轨迹。这是什么概念？相当于让一个机器人在同一个房子里逛 9000 次，然后回答 9286 个关于"你见过什么、在哪见过、当时在干什么"的问题。 这近乎残 …
more

加密之后的安全幻觉 数据从未像今天这样多，也从未像今天这样令人不安。当十亿级用户在手机上留下每一次点击的位置、每一次刷脸的表情、每一份通话与就诊记录时，监管者最本能的反应，便是给这些数据再加一把锁。2025年11月22日，国家互联网信息办公室与公安部联合发布《大型网络平台个人信息保护规定（征求意见稿）》，延续的正是这条"加锁"路线：注册用户超过5000万或月活超过1000万、提供重要网络服务或覆盖多类业务的平台，将被要求指定由管理层成员担任的"个人信息保护负责人"，建立专门工作机构，采取加密、去标识化、访问控制、匿名化等措施，应用国家网络身份认证公共服务，每年发布个人信息保护社会责任报告。 这是中国数据治理体系自2021年《个人信息保护法》实施以来又一次标志性的细化。但当我们以"加密+去标识化"为关键词重新审视这份草案，会发现它正 …
more