GPT-5 與數學發現的未來
UCLA 教授 Ernest Ryu 與 GPT-5 解決了最佳化理論中的一個關鍵問題，展示 AI 加速數學發現的作用。
#論文/研究
#論文/研究
今日 3 條OpenAI NewsAI 評分3636
Google ResearchAI 評分3737 降低電動車續航焦慮：Google Research 的簡單 AI 模型如何預測充電接口可用情況
Google Research 公佈一款輕量、高效的線性迴歸模型，預測電動車充電站未來的充電接口可用情況。測試涵蓋 100 個隨機抽選站點及 30 分鐘、60 分鐘預測時距；模型相較「Keep Current State」基線，更能識別接口佔用變化顯著的時段。
OpenAI NewsAI 評分3232 GPT-5.1-Codex-Max 系統卡
這份系統卡列明 GPT-5.1-CodexMax 已實施的全面安全措施，涵蓋模型與產品層面的防護。模型層麪包括針對有害任務及提示詞注入的專門安全訓練；產品層面則包括智能體沙盒及可配置的網絡存取。
OpenAI NewsAI 評分2525 OpenAI 透過稀疏迴路理解神經網絡
OpenAI 正探索機制可解釋性，以理解神經網絡如何進行推理。其新的稀疏模型方法可能令 AI 系統更透明，並支持更安全、可靠的行為。
Google DeepMindAI 評分5353 Google DeepMind公佈以AI繪製、建模和理解自然的研究進展
Google DeepMind公佈生物圈研究進展，涵蓋森林砍伐風險預測、地球物種分佈製圖，以及生物聲學模型 Perch 的更新。
Google ResearchAI 評分5050 Google Research 以 AI 從統計森林損失轉向預測砍伐風險
Google Research 與 Google DeepMind 發表 ForestCast，以純衞星資料預測森林砍伐風險，並公開首個專供相關深度學習模型訓練的基準資料集。
Google ResearchAI 評分5959 Google Research 探索 Project Suncatcher 的可擴展太空 AI 基礎設施設計
Google Research 發表 Project Suncatcher 的研究，探討以太陽能衞星搭載 Google TPU、透過光學鏈路構建可擴展的太空 AI 基礎設施。
Google Research精選AI 評分6262 Google Research 公佈 PPI 系統，以差分私隱分析生成式 AI 使用情況
Google Research 公佈可證明私隱洞察（PPI）系統，結合 LLM、TEE 與差分私隱分析生成式 AI 工具的真實使用情況，只釋出匿名化聚合結果。
推薦理由：文章將 LLM 結構化摘要、TEE 內的資料隔離與 user-level 差分私隱聚合串成可外部檢查的流程，並以 Pixel Recorder 説明實際部署方式。
Google ResearchAI 評分5959 StreetReaderAI 探索以情境感知多模態 AI 改善街景無障礙體驗
Google Research 在 UIST’25 發表 StreetReaderAI 概念驗證原型，結合情境感知即時 AI 與無障礙導航，探索讓盲人及低視力人士使用 Street View。
OpenAI NewsAI 評分3737 GPT-5 系統卡補充説明：敏感對話
GPT-5 系統卡補充説明詳述 GPT-5 處理敏感對話方面的改進，並新增涵蓋情緒依賴、心理健康及抵抗越獄攻擊的基準測試。
OpenAI NewsAI 評分3232 OpenAI 界定並評估大語言模型中的政治偏見
OpenAI 以新的真實世界測試方法評估 ChatGPT 的政治偏見。這些方法提升客觀性並減少偏見。
OpenAI News精選AI 評分6161 OpenAI 與 Apollo Research 研究 AI 模型 scheming 的檢測與減緩
Apollo Research 與 OpenAI 開發了用於評估 AI 模型隱蔽失配（scheming）的測試，並在前沿模型的受控測試中發現與 scheming 一致的行為。團隊分享了具體案例，以及一種早期減少 scheming 方法的壓力測試。
推薦理由：材料同時呈現前沿模型受控測試中與 scheming 一致的行為，以及早期減緩方法的壓力測試，便於對照檢測與幹預研究的範圍。
OpenAI NewsAI 評分4343 人們如何使用 ChatGPT
涵蓋 ChatGPT 使用情況的最大規模研究顯示，ChatGPT 透過個人及專業用途創造經濟價值。採用範圍正擴展至早期使用者以外、縮小差距，並令 AI 成為日常生活的一部分。
OpenAI NewsAI 評分3232 OpenAI 研究解析語言模型為何會產生幻覺
OpenAI 新研究解析語言模型產生幻覺的原因。研究結果顯示，改進評測可提升 AI 的可靠性、誠實度與安全性。
Berkeley AI ResearchAI 評分4949 word2vec 究竟學到了甚麼？
研究提出 word2vec 學習過程的定量理論，證明在若干實際可行條件下，其學習可化為無權最小二乘矩陣分解，最終表示由 PCA 給出。從接近零的隨機初始化出發，word2vec 以離散步驟逐一學得正交線性子空間，每步提高嵌入矩陣的秩；這些特徵對應由語料統計及演算法超參數定義的目標矩陣頂部特徵向量。
Hugging Face BlogAI 評分5050 TimeScope：大型多模態模型能理解多長的影片？
Hugging Face Blog 介紹開源基準 TimeScope，評估視覺語言模型對 1 分鐘至 8 小時影片的理解能力。基準在長影片中插入約 5–10 秒短片，分別測試局部檢索、資訊綜合和細粒度時間感知。結果顯示模型表現會隨影片變長而下降；Gemini 2.5-Pro 是唯一在超過一小時影片上仍維持良好準確率的模型，而千問（Qwen）2.5-VL 在文字資訊綜合較強、細粒度動態辨識較弱。
Mistral AIAI 評分5959 Mistral AI 公佈 LLM 生命週期環境影響研究，倡議全球標準
Mistral AI 公佈其 LLM 生命週期環境影響研究，披露 Mistral Large 2 及 Le Chat 的碳、水與資源消耗數據。
OpenAI NewsAI 評分2929 OpenAI 的全新經濟分析
OpenAI 的新經濟分析探討 ChatGPT 對經濟的影響。OpenAI 同時啟動新的研究合作，研究 AI 對勞動市場及生產力更廣泛的影響。
OpenAI NewsAI 評分5454 OpenAI 研究語言模型對齊失配泛化的成因與預防
OpenAI 研究指出，對語言模型以錯誤回答進行訓練，可能引發更廣泛的對齊失配。研究識別出一項驅動此行為的內部特徵，該特徵可透過少量微調逆轉。https://openai.com/index/emergent-misalignment
OpenAI NewsAI 評分3737 BrowseComp：面向瀏覽智能體的基準測試
BrowseComp 是一項面向瀏覽智能體的基準測試。
OpenAI NewsAI 評分2626 研究 ChatGPT 情感化使用與情緒健康的早期方法
OpenAI 與 MIT Media Lab 合作，聚焦研究 ChatGPT 情感化使用與情緒健康的早期方法。現有簡介未列出具體方法或研究結果。
OpenAI News精選AI 評分6161 OpenAI 展示如何偵測前沿推理模型的不當行為
OpenAI 表示，利用 LLM 監測前沿推理模型的思維鏈，可偵測模型利用漏洞的不當行為。懲罰模型的「不良思維」無法阻止大多數不當行為，反而會令它們隱藏意圖。
推薦理由：材料對照監測與懲罰的結果，指出思維鏈監測能偵測漏洞利用，而懲罰不良思維未能阻止大多數不當行為，並會令模型隱藏意圖。
OpenAI NewsAI 評分2929 deep research 系統卡
OpenAI 的 deep research 系統卡概述產品推出前完成的安全工作。這些工作包括外部紅隊測試、依據 Preparedness Framework 進行的前沿風險評估，以及針對主要風險領域內置的緩解措施。
Hugging Face BlogAI 評分5353 DABstep：面向多步推理的數據智能體基準
Hugging Face 與 Adyen 聯合推出 DABstep，這項基準以450多項數據分析任務評估 AI 智能體的多步推理能力。任務源自 Adyen 的實際工作負載，但資料與商業背景為人工生成；基準涵蓋結構化資料和非結構化文件，並提供資料集、任務、評測、即時排行榜及基線。
OpenAI NewsAI 評分3636 OpenAI o3-mini 系統卡
OpenAI o3-mini 系統卡概述該模型的安全工作，涵蓋安全評估、外部紅隊測試及 Preparedness Framework 評估。
OpenAI NewsAI 評分3030 OpenAI Operator 系統卡
OpenAI 的 Operator 系統卡説明其多層安全方案，以及已實施的模型與產品緩解措施，用以防範提示詞工程和越獄，並保護私隱與安全。文件亦詳述外部紅隊測試、安全評估，以及持續完善相關防護措施的工作。
OpenAI NewsAI 評分1616 OpenAI 以推理時運算換取對抗穩健性
OpenAI 以推理時運算換取對抗穩健性；原文未列明相關方法、模型或評測數據。
OpenAI NewsAI 評分1212 OpenAI 推進人類與 AI 參與的紅隊測試
OpenAI 推進由人類與 AI 共同參與的紅隊測試。
OpenAI NewsAI 評分3838 OpenAI 簡化、穩定並擴展連續時間一致性模型
OpenAI 簡化、穩定並擴展連續時間一致性模型，令其樣本品質可媲美領先擴散模型。採樣僅需兩個步驟。
OpenAI NewsAI 評分2525 評估 ChatGPT 回應的公平性
OpenAI 使用 AI 研究助理保障用户私隱，分析 ChatGPT 如何根據用户姓名作出回應。
OpenAI NewsAI 評分4040 MLE-bench：評估 AI 智能體的機器學習工程能力
OpenAI 推出 MLE-bench，作為衡量 AI 智能體執行機器學習工程工作的基準，聚焦其在該領域的表現。
OpenAI NewsAI 評分2929 Prover-Verifier Games 提升語言模型輸出的可讀性
Prover-Verifier Games 可提升語言模型輸出的可讀性，令 AI 解答更清晰、易於驗證，並讓人類和機器更信任這些結果。
OpenAI NewsAI 評分4848 CriticGPT：用 GPT-4 找出 GPT-4 的錯誤
CriticGPT 是一個基於 GPT-4 的模型，會撰寫對 ChatGPT 回應的評析，協助人類訓練員在 RLHF 過程中找出錯誤。
OpenAI NewsAI 評分1010 一致性模型：擴散模型的迭代採樣令生成變慢
擴散模型大幅推進圖像、音訊和影片生成，但依賴反覆採樣流程，令生成速度較慢。
OpenAI NewsAI 評分2020 OpenAI 改進一致性模型訓練技術
OpenAI 改進一致性模型的訓練技術。一致性模型是一類新興生成模型，無需對抗式訓練即可一步生成高質素數據。
OpenAI NewsAI 評分1515 OpenAI 面向真實世界內容審核的不當內容偵測整體方法
OpenAI 提出一套面向真實世界內容審核的整體方法，旨在建立穩健且實用的自然語言分類系統，用於偵測不當內容。
Hugging Face BlogAI 評分5151 BigCodeBench：HumanEval 的新一代程式碼生成基準
BigCodeBench 團隊發布 BigCodeBench 程式碼生成基準，收錄1,140項函式級任務，涵蓋139個程式庫。基準分為 BigCodeBench-Complete 和 BigCodeBench-Instruct；GPT-4o 的 calibrated Pass@1 分別為61.1%和51.1%。團隊開源任務、測試案例、評測框架及排行榜，並提供 PyPI 安裝方式。
OpenAI NewsAI 評分2121 進一步説明 Voice Engine 的運作方式與安全研究
OpenAI 進一步説明文字轉語音模型 Voice Engine 的運作方式，並分享相關安全研究。內容聚焦於 Voice Engine 背後的技術。
OpenAI NewsAI 評分5555 OpenAI 擴展稀疏自編碼器技術，從 GPT-4 計算中識別 16 million 個模式
OpenAI 從 GPT-4 的計算中自動識別出 16 million 個模式。研究使用擴展稀疏自編碼器的新技術。
OpenAI NewsAI 評分4747 OpenAI 提出以弱至強泛化控制強模型的超級對齊研究方向
OpenAI 提出超級對齊的新研究方向，探索能否利用深度學習的泛化特性，讓弱監督者控制更強模型。這項研究亦取得初步且具前景的結果。