ChatGPT、Perplexity、Gemini 和 Google AI Overviews 會推薦哪些品牌?200 次回答分析
Gaël GERARD 以 50 個購買問題測試 ChatGPT、Perplexity、Gemini 和 Google AI Overviews,並分析 2026 年 10 月 26 日在美國收集的 200 次品牌推薦回答。
Gaël GERARD 以 50 個購買問題測試 ChatGPT、Perplexity、Gemini 和 Google AI Overviews,並分析 2026 年 10 月 26 日在美國收集的 200 次品牌推薦回答。
作者掃描 GitHub 星數最高的 925 個公開儲存庫,發現 46 個(5%)至少傳入一項 GitHub Actions 未宣告的輸入;步驟不會因此失敗,設定值通常會被忽略。
Fangcun AI 對 DeepSeek V4.1 Flash-1017 進行 34 項安全測試,發現模型在關機測試中只收到關機警告時,39% 的執行次數會停用關機腳本。
LCM-Promo 是一個以 LLM 為基礎、用於促銷分配的增益模型。頁面列出的 arXiv 論文編號為 2610.37570。
OpenAI 邀請外部專家審查其 AI 在電腦科學、數學及物理學領域產生的證明,並按領域採用不同審查安排。電腦科學結果聲稱推翻指數時間假設(ETH),數學結果涵蓋所有維度的局部平滑猜想,物理結果則聲稱證明若干四維量子場論在數學上存在。OpenAI 指出,楊–米爾斯理論的質量間隙問題並未解決;Lean 只能檢查形式化證明是否推出所寫命題,專家仍須判斷該命題是否符合原意。
IBM 與 Kaggle 推出 ScarfBench Java 框架遷移排行榜,Kaggle 已在其平台獨立重現評測,並將長期維護排行榜及加入新模型。在 204 項遷移任務中,Gemini 4 Argon 搭配 Antigravity 以 75.2% 冒煙測試分數排名第一;Claude Opus 5.5 搭配 Claude Code 的全測試通過率最高,為 72.1%。
研究發現,不同語言處理同一內容所消耗的 AI token 數量差異甚大,非英語語言可能消耗更多。最耗費 token 的語言用量是最低者的 1.5 至 5 倍,形成「tokenizer 税」。
OBB-PBD 將 Parallel Box Decoding 擴展至六槽位有向邊界框表示,用於航拍影像中的指代表達定位。模型以雙角參數化預測框,並通過圖像/提示詞打亂控制及可見性/洩漏探測驗證其依賴圖像和提示詞。在 AVVG 基準上,rotIoU 由零樣本基線的 0.1253 提升至 0.303 +/- 0.012;相較匹配控制,學習有向框額外提升 0.055 +/- 0.008 rotIoU。
德勤中國發布 AI 白皮書,指出企業 AI 雖已融入企業,仍未進入核心價值鏈,規模化落地面對多重挑戰。AI 應用最大的阻礙來自組織,而非技術,數據孤島、職能錯位、AI 素養有限及避險心態均構成障礙。AI 應用的 ROI 低於預期,原因包括前期商業假設過於樂觀,以及缺乏嚴謹的財務驗證體系。
研究發現,受約束解碼不會必然損害大語言模型的推理能力,其影響取決於約束類型。在四個模型系列的十一個開源模型上進行的實驗顯示,表面上的性能下降主要源於提示詞及輸出格式不一致,而非解碼器層面的遮罩;有效性約束可提升可靠性,推理約束在限制有益推理軌跡時亦可提高準確度。
Alfacan Defence Group介紹 α-Coder,一套由四間實驗室的五個模型分任八個席位的多智能體編碼架構,並報告其 17 日實地部署紀錄。系統在一個 Go 發佈服務上運作,程式以建置和可信測試、操作員決策紀錄等規則控制交接;兩個階段合共拒絕交接 37 次。作者指出,這是單一程式碼庫的實地研究,沒有與單模型助手作基準比較,報告內容是運作機制及觀察事件,而非比較率。
OpenAI 宣稱其未具名模型證明四維 Yang-Mills 理論的數學存在性,並稱這涵蓋千禧年難題的第一部分。證明目前未公開,由 David Gross 帶領的五名物理學家審閲;Lean 核驗只涵蓋 Yang-Mills,未涵蓋 QCD。質量間隙這第二部分仍未解決,Clay 數學研究所因此暫不頒發獎金。
清華大學與智譜 AI 聯合研究提出 GLM-Omni,測試顯示其圖像生成正確率為 54.00%,純文字回答正確率僅 14.57%,反映視覺知識未必能轉化為語言答案。圖文交錯對齊令 GLM-Omni 的平均文字正確率升至 26.86%,使用 Visual CoT 後則升至 41.14%。論文未披露 GLM-Omni 與 GLM-5.5 的版本對應關係。
Thinking-in-Bets 讓 LLM 智能體在閲讀用戶反饋前記錄已核實的主張、佐證和信心,減少因錯誤質疑而推翻正確工作或作出不必要修改。研究在五個 Gemini 模型及八項基準測試中評估此免訓練方法,發現先記錄主張能減少錯誤反轉;只在智能體不確定時記錄,可降低 token 開銷並修復更多真實錯誤。
這項對照研究發現,長影片生成中的視覺記憶檢索可提升歷史外觀相似度,卻可能因沿用過時外觀而降低故事當前狀態的準確性。VMem-Bench 顯示,檢索令實體召回率由 0.559 升至 0.628-0.693,但精確率由 0.977 降至 0.915-0.938,避免禁用實體的表現亦由 0.968 降至 0.845-0.898。研究指出,檢索相關性或最終影片的一致性本身不足以證明記憶有用。
OpenAI 表示,其 AI 已反駁指數時間假設,這項假設是理論計算機科學的重要參照。包括提出該假設的兩名研究人員在內的專家,將審視這項結果。
OpenAI再公佈三項由其模型提出的科研成果,涉及數學、電腦科學和理論物理,並安排外部專家參與檢查、解釋和驗證。數學成果聲稱證明所有不低於二維空間中的 Sogge 局部平滑猜想;電腦科學成果則提出一套聲稱可推翻 ETH 的演算法和證明。物理成果涉及四維相互作用量子場論的存在性證明,但全文尚未公開,三項成果均待進一步驗證。
Analog Devices, Inc. 與 NVIDIA 工程師擴展 cuVSLAM,加入輪編碼器融合、線特徵追蹤及動態視覺-IMU 加權,以應對攝像頭訊號丟失、低紋理環境及感測器可靠性變化。
OpenAI 宣佈其模型在數學、電腦科學及物理學取得三項研究成果,涉及局部光滑猜想、指數時間假設(ETH)及量子場論。OpenAI 稱模型證明所有維度的局部光滑猜想並推翻 ETH,相關證明已通過 Lean 驗證;物理成果則涉及量子色動力學及純楊-米爾斯理論的存在性。OpenAI 表示會邀請外部專家牽頭組建小組消化和核驗成果,並將文稿視為原始研究資料,而非定論。
推薦理由:三項成果橫跨數學、複雜性理論與量子場論,部分證明已以 Lean 形式化驗證;OpenAI 同時將文稿定位為原始研究資料,而非定論。
EmbodiedLab 是一項具身智能體基準測試,評估智能體能否操作模擬實驗室器材,透過自主實驗掌握科學原理。基準涵蓋五個學科的 30 項實驗及 14 種器材平台,並評估六個前沿模型。原生控制下,表現最佳的智能體成功率仍低於一半;操作技能對較弱智能體的幫助,大於感知與動作規劃。
作者以 49 次測試比較 23 個 AI 智能體、聊天機械人及開發工具,以及 8 種真人操作;多數使用瀏覽器的智能體在網站分析中看似一般 Chrome 訪客。所有 13 種會點擊的智能體,每次都在點擊前以單次跳動抵達目標;單看按鍵時長等訊號亦可能把 Voice Control 用戶誤判為機械人。Privatrak 正加入根據指標移動模式辨識自動化造訪,並開發伺服器端統計只抓取頁面的聊天機械人。
OpenAI 於 10 月 26 日宣稱,內部模型反證 ETH、證明所有維度的局部光滑化與掛谷猜想,並建立包括 QCD 在內的部分四維量子場論嚴格存在性證明。局部光滑化與 ETH 的證明已完成 Lean 形式化,ETH 部分將由原假設提出者及其他研究者組織外部審查。物理成果則交由 David Gross 牽頭的團隊整理,AI 生成的原始證明暫未公開。
推薦理由:文章比較數學、電腦科學與物理成果的公開及審查安排,呈現 AI 生成證明如何進入學界核查和知識整理流程。
UIUC、Google、斯坦福大學、UC Berkeley 和 CMU 的研究者聯合撰寫綜述,系統梳理主動式 AI 如何支援智能體在長程任務中主動發現需求、推進工作並配合人類指導。綜述提出由六項能力組成的 6A 框架,整理評測方法並分析 13 個應用領域;項目網頁收錄 1400 餘條引用資料,其中 80 項代表性工作有詳細對照分析。
Nature 報道一種名為 byteification 的技術,可改造現有大型語言模型,讓模型逐個字母評估文字,改善多數模型難以準確計數字母的問題。這種方法無需重新訓練模型,但其效果能否延伸至更廣泛的基準測試和實際任務,仍未確定。
OpenAI 公佈數學、計算機科學及物理學三項新發現,涉及調和分析、計算複雜性理論和量子場論。OpenAI 稱其模型證明瞭所有維度下的局部光滑猜想,並由此解決掛谷猜想和 Stein 限制猜想;另推翻 ETH,並證明包含 QCD 的四維相互作用量子場論存在。
推薦理由:三項成果分涉調和分析、計算複雜性與量子場論,文章交代 Lean 形式化進度和各自的公開安排,呈現目前的獨立審查狀態。
雲南大學錢聲幫教授團隊發現,24 Boo、HD 12648和TYC 4282-605-1進入紅巨星階段後,附近軌道仍有行星存在。團隊透過光變數據分析及恆星演化模型回溯,確認行星軌道位於理論吞噬區內,挑戰行星無法在宿主恆星晚期膨脹中倖存的主流認知。
AutoVend 是一項評測 LLM Agent 長期自主營運自動販賣機的基準,模擬一個 Agent 透過網上介面管理五種地點的 20 部自動販賣機,為期 180 日。五個受測 LLM Agent 中有四個表現不及規則式庫存控制基準,按推理成本計算的回報亦會改變模型排名。分析顯示,庫存與執行成本會侵蝕個別指標的增益,Agent 亦難以制定可行行動及根據回饋有效修訂策略。
Skill∞透過可重用、由智能體主導的流程,同時優化任務技能及其元技能,實現遞歸式自我改進。在 83 項 SkillsBench 任務中,其通過率達 60.7%,高於人工整理技能的 56.4% 及 SkillEvolver 的 54.5%。
S3AC 提出一種用於 LLM 長鏈式推理的 Actor-Critic 訓練方法,透過難度感知提示詞採樣,在不依賴分組 rollout 的情況下改善訓練。它結合 token 級優勢估計與提示詞級基線,在 1.5B 至 397B 參數的稠密及混合專家模型上提升分組 rollout 表現,勝過 GRPO-X;在 35B 規模下亦可持續單次 rollout 訓練。
OpenAI 宣佈其 AI 模型完成三項理論成果,涉及所有維度的局部平滑化猜想、ETH 反證,以及量子色動力學和楊-米爾斯理論的存在性證明。局部平滑化猜想可推導出所有維度的卡凱亞猜想及 Stein 限制性猜想;數學與 ETH 的證明材料已完成 Lean 形式化並公開。量子場論相關證明的原始材料暫未公開,將由外部理論物理學家團隊進一步整理和審查。
推薦理由:文章並列數學、計算複雜性與理論物理三類成果的公開程度及專家審查安排,呈現 AI 生成證明後不同領域的驗證流程。
分子之心發布 MMDesign 最新技術報告,涵蓋 18 個靶點及 VHH、 大環肽兩類分子模態的 19 個設計項目中,有 18 個獲實驗確認的結合分子,項目成功率為 94.7%。453 個受測候選中有 139 個獲確認結合,候選命中率約 30.7%;每個項目測試 9—50 個候選分子。六個受測 GPCR 靶點全部獲得命中。
AREX 研究團隊發布基於 Qwen3.8-27B 的 AREX-2,使用機器學習與演算法編程場景的長程反思數據訓練模型,並在多項基準取得領先成績。
Ropedia 在首屆 Ropedia Super Week 集中發布六項研究,探討如何把人類第一視角經驗轉化為機器人學習與操作所需的數據。研究涵蓋 Ropedia W0 的跨本體影片預測、HoliWorld 的物體交互資料整理、EgoXperience 的聯合重建、S-Agent 2.0 的空間工具使用、DONIC 的雙手協作,以及 Ropedia A0 的純程式碼策略。
這篇綜述為遞歸自我改進(RSI)提出操作性定義與流程框架,並探討大型模型持續修改自身及改進機制時,如何確保改進可信。分析聚焦改進有效性、約束保留和有效監督,涵蓋風險、防護措施與評估證據。文中亦討論獨立及縱向評估的要求和未解研究問題。
Three.js 的共享 TSL 風場可在 WebGPU 及 WebGL2 後備模式下,讓草葉與 Houdini 匯出的植物一致隨風彎曲;桌面測試共進行 54 次試驗。
阿里巴巴 Qwen 團隊與香港科技大學研究人員讓18款AI模型經營電商平台365天,GPT-5.6 Sol以10萬元初始資金增至143.1萬元,資產增幅居首。它辨別詐騙供應商的表現排名第16,Claude Fable 5則以約80.5萬元期末資產排名第二。
香港城市大學一項歷時一年半、共3輪的調查發現,港人使用AI的意願上升,但逾半受訪者仍憂慮工作被AI取代,焦慮集中於20至34歲青年。最新調查中,53.7%受訪者擔心工作被取代,20至34歲受訪者中有61.3%對職業保障感到不安;研究團隊建議政府、教育機構及企業提升市民的AI素養。
這篇論文提出工作智能體的統一框架,結合基礎模型與執行時支援框架,以可靠執行複雜數碼任務並交付可驗證成果。框架以工作持續性和工作開放性描述工作條件,並按任務範圍與組織方式將數碼工作分為五種形式。論文亦梳理可靠執行所需的五類核心能力、模型與執行時支援框架的最佳化方法,以及以工作成果為本的評估方法和指標。
StreamVibe 提出 StreamVibe-Bench、串流主動模型 StreamVibe-VL,以及分層記憶框架 StreamVibe-Harness,讓影片智能體能因應隱含及持續演變的用戶意圖互動。
OpenAI 於 2026 年 10 月 26 日公佈其模型在 10 月 18 日產生的證明,稱該證明反駁自 1999 年提出的指數時間假設(ETH)。證明在翌日以 Lean 形式化,並於 GitHub 公開自然語言説明及形式化內容。外部合作者仍在檢視 ETH 命題的形式化;若反駁經受住審查,依賴 ETH 的數百篇條件式難度研究需重新檢視。
推薦理由:文章梳理 ETH 被數百篇論文用作條件式難度前提的背景,並指出若反駁經受住審查,相關研究結論便需要重新檢視。