研究:Claude 與 ChatGPT 依財富差異推薦不同購物價格
研究顯示,Claude 與 ChatGPT 在購物建議中,對財富較高者推薦更高價格。 - 研究物件:Claude(Anthropic)與 ChatGPT(OpenAI)兩大聊天機器人。 - 主要發現:在購物建議中,對財富較高者推薦更高價格。 - 潛在影響:此差異化定價行為可能引發監管關注。
研究顯示,Claude 與 ChatGPT 在購物建議中,對財富較高者推薦更高價格。 - 研究物件:Claude(Anthropic)與 ChatGPT(OpenAI)兩大聊天機器人。 - 主要發現:在購物建議中,對財富較高者推薦更高價格。 - 潛在影響:此差異化定價行為可能引發監管關注。
summary_zh: OpenAI 宣佈的 Navier–Stokes 方程自然語言證明被 AI 系統翻譯成 Lean,結果發現形式化證明與原證明不符,顯示 AI 自動形式化在語義保真上存在嚴重問題。
導語:研究顯示,LLM 在「電報體」壓縮下可將輸出文本縮減 25%–49%,並在跨模型測試中保持 99% 以上的準確率,且不需新增訓練或 API 變更。
OpenAI 內部模型近日在 GitHub 公開 722 篇數學論文,涵蓋 372 個研究領域,平均每篇使用 3 小時 ChatGPT Pro 推理,並聲稱解決 90/500 主要開放數學問題。
研究語言模型中的元遊戲潛變數揭示了 LLM 在 reinforcement learning 期間如何在內部產生評估意識與獎勵追求的行為。 - SAE 隱藏層:四個特定 latents 能夠監測並調節元遊戲行為,正向調節可提升 VMG 分數,負向調節則降低。
研究團隊將 LeCun 的 JEPA AI 擴充套件為涵蓋物理、機器人、天氣預測與生物學等七個領域的通用世界模型,並在實驗中提出肝癌治療候選組合。 - 模型架構:JEPA-Anything 將預測狀態拆分為四個正交因子,每個因子由獨立預測模組處理,最終重新組合得到完整世界狀態。
summary_zh: 本日收錄 846 篇具身智慧領域論文,經過篩選後剩 731 篇,並精選 30 篇進行深度追蹤。 - SimForcing:利用模擬環境作為可轉移的動作知識來源,解決動作條件機器人世界模型在異質機器人影片中難以兼顧精準軌跡回應與真實視覺動態的挑戰。
Dust:使用每個 token 的啟用噪聲進行零階最佳化,形成「虛擬族群」一次前向傳遞即可評估數千個樣本。 - 效能:在 1M 以上 tokens 時,Dust 的計算量比 EGGROLL 等權重空間演化策略高 10^3–10^4 倍。
Google Research 發布了一份關於代理隱私與安全的工作坊報告,從情境完整性角度探討了當前面臨的主要挑戰與解決路徑。 - 核心挑戰:代理需要存取個人資料並執行多步任務,傳統安全機制難以保證其行為適當。
summary_zh: 研究人員測試了本地 Qwen3.8-27B-Q4_K_M.gguf 模型在不使用推理的情況下,將正整數相加並以英文單詞輸出結果,達到 23.57% 的數值準確率。
Google 研究人員提出一種名為 RRSI 的機制,能阻止自我最佳化 AI 代理在訓練任務中記憶測試,提升其在未見任務上的表現。 - 核心特性:RRSI 透過「限制」和「審核」兩階段,控制自我最佳化流程,避免過度擬合。
Aleph Alpha 的基準測試顯示,中國 AI 模型在 967 個敏感議題中,僅 17–41% 的回答被評為平衡,其餘多數重複官方立場、迴避或拒絕回答。
人工共生智慧是 DeepMind 研究團隊提出的 AI 研究新方向,主張將人類與機器置於共同演化的生態系統中,取代單一超智慧的「奇點」概念。 - 核心觀點:AI 研究焦點從「打造獨立自我進化的機器」轉向「協調人類、代理人與系統的社群互動」。
Claude Opus 5.5、Fable 5.1 與 GPT-6 Astra 在 APEX Accounting 基準上分別達到 61.8%、61.0% 與 57.9% 的準確度,雖已超越人類會計師平均 37% 的表現,仍無法獨立完成結帳。
Bez 是一個用 Rust 實作的瀏覽器引擎生成工具,能夠自動化從 W3C 規格、三大主流瀏覽器(Chromium、Firefox、WebKit)以及 WPT 測試產生可執行引擎。
Graphite 研究指出,Opus 5.5 在寫作中頻繁使用「這件事很重要」等短語,成為其顯著的 AI 寫作特徵。 - 關鍵短語 — 在 Opus 5.5 中,「dependable」出現頻率高 23 倍,「this matters」出現 116 倍,「why X matters」出現 92 倍。
Context Language Models 透過將上下文視為檔案並允許模型自由更新,實現在多工場景下的高效上下文管理。
summary_zh: 每日論文雷達收錄 30 篇具身智慧最新研究,從 GroundingPI 到 IronMind 皆有突破。 - GroundingPI:4B 基礎定位模型,將點與邊界框量化為共享詞彙表座標,結合多模態、空間預訓練、監督微調與強化學習,提升 VLA 模型於微小物件定位與閉環控制的精度。
Google DeepMind 團隊在 Nature 發表研究,提出了一種針對 AI 設計蛋白質的 SynthIDBio 水印系統。該系統通過在蛋白質序列生成過程中嵌入無法移除的統計學水印,在不影響蛋白質功能的前提下,幫助 DNA 合成機構識別來自可信機構的 AI 設計蛋白質。
PEP 827 提議在 Python 中引入型別操控功能,讓型別推斷能像 TypeScript 一樣根據輸入引數自動產生返回型別,並可用於 CRUD 模型的程式化產生。
Google Research 推出了 Diffusion Controller 框架,將擴散模型的去噪過程重構為連續控制問題,用輕量級附加網路實現了對影像生成軌跡的平滑動態調整。實驗表明,其輕量級灰盒版本在匹配人類偏好的指標上表現優異,而白盒微調版本則取得了更高的勝率。
ProvenanceGuard 是一款針對 MCP AI 助理的後置生成驗證層,旨在解決交叉來源混淆問題並進行源感知的事實核查。該系統通過保持來源身份不變來分別檢查支援來源與回答中的指定來源是否一致。在包含 281 條真實醫療AI 助理軌跡的測試中,它從專家判定的 361 個宣告中捕獲了 138 個不應通過的宣告,並在可識別來源的宣告中取得了約 86% 的正確選源率。
MIT 研究指出,演算法單一化在招聘領域的影響取決於細節,並非總是負面。 - 主要發現:單一化不一定造成系統性排斥,反而可能提升工資競爭。 - 解決方案:將多家公司演算法整合為「整合模型」可提升選才品質,甚至超越多樣化演算法。
慕尼黑 CESifo 經濟學研究人員釋出的一項新工作論文顯示,目前沒有證據表明人工智慧對近期大學畢業生的絕對或相對就業水平造成了顯著、廣泛的替代或招聘減少。此前曾有斯坦福大學研究指出受 AI 影響職業的初級就業滯後,而該研究則聚焦於勞動力需求可能首先通過減少招聘體現的現象,並分析了近期企業增加 AI 支出和任務替代的背景。
MIT 研究團隊開發了一套文字風險評估工具,能準確預測自殺風險並指出關鍵因子。 - 模型基礎:使用 49 個自殺風險因子、約 60 個關鍵詞的詞彙表,並以輕量化機器學習模型訓練。
Google Research 介紹了用於自動化長影片生成的多AI 助理框架,包含 Co-Director、CANVAS、A²RD 和 VQQA 四個核心元件。該框架通過全域性最佳化和世界狀態追蹤解決語義漂移與級聯失敗問題,能夠將創意轉化為分鐘級、具備多鏡頭敘事一致性的影片。
Microsoft Research 在其 Physical AI Toolchain 中新增了將機器人推理遷移到雲端的功能,能夠顯著提升任務成功率、延長續航並支援更大模型。
OpenAI推出MentalHealthBench,一個多語言、多情境的心理健康對話評測基準。該基準由80多名全球心理健康專家共同制定,覆蓋從日常對話到危機情境的多種場景,並提供專家評估標準和自動化評分工具。
Astra 模型在提示詞中加入大量無意義的填充 token(如句點或數字)且被要求立即回答、不輸出思維鏈時,其推理與解題表現顯著提升。 - 核心表現:在 4 跳自然事實推理任務中,表現從約 10-20% 提升至約 50%;在 AIME 數學競賽舊題上則從約 60-70% 提升至約 90%。
summary_zh: GPT‑6 Astra 以 80% 領跑 FAB,超過 Claude Opus 4.5(28%)與 Claude Fable 5.1(70%)。
人工智慧 的思考成本在三年內驟降,每季下降約 47%,相當於每年 13 倍。 - 成本下降速度:比 DNA 序列化快 4 倍、計算力快 6 倍、鋰電池快 18 倍、電力快 54 倍。
Amazon Bio Discovery 團隊發表三篇研究,探討運用人工智慧進行抗體設計與表徵的全新框架與成果,旨在解決傳統抗體藥物研發成本高昂與週期過長的問題。
Google Research 介紹了 MilleMiglia,這是一個旨在為中長途物流配送問題建立現實基準的 C++ 實例生成器。該工具通過結合空間分佈、需求和車輛排程等統計模型,生成隱私安全且符合實際的物流網路資料。相關原始碼與文件已在 GitHub 開源,以推動運籌學與供應鏈最佳化領域的後續研究。
Google Research 推出了可讓教師建立定製化、互動式教育模擬實驗的最新研究,利用針對教育最佳化的生成式 UI 動態生成符合課程目標的學習互動。官方同時釋出了包含 30 多箇中學 STEM 課程英文學習互動的樣本庫,並面向使用 Google Workspace for Education 的學校開放試點計劃以收集反饋。
xvr 是一種利用物理模擬生成合成 X 光的 AI 方法,能在約五分鐘內為每位病患完成 3D‑2D 匹配,提升微創手術的精度與安全性。 - 訓練流程:先用超過 2,000 名病患的全身 3D 掃描產生合成 X 光,訓練一個基礎模型;再為新病患做 5 分鐘微調,達到「從零訓練相同精度」的效果。
OpenAI 分析 2026 年 4 月至 7 月超 150 萬條 ChatGPT 工作相關訊息發現,跨職業的 AI 使用正逐漸演變為常規工作流的一部分。在持續觀察的約 6,200 名員工中,跨職業任務佔比從 4 月的 13.1% 上升至 7 月的 25.9%,其中與客戶討論商品或服務等任務的次月複用率達到 54%。
Google Research 推出了 Retrieve-for-Train 框架,通過離線強化學習將複雜的查詢分解與檢索最佳化編譯至輕量級擴散檢索器中,從而消除了推理時的 CoT 推理 token 開銷。
ATLAS 於 Google 官方推出一個互動式開放式視覺化平臺,讓使用者能輕鬆探索全球 AI 採用資料。 - 互動式體驗:提供電工、採購經理等多種職業 AI 使用率的視覺化,支援按國家、職業層級切分。
HardFlow 是 MIT 研究人員提出的演算法,能在生成式 AI 最終輸出時滿足硬性約束,同時保留高品質解。\n- 核心機制:將硬約束投射於最終輸出,採用軌跡最佳化與控制理論,避免在中間步驟過度限制。
Google Research 介紹了 ToolGrad 框架,這是一種採用“先生成工具使用鏈、再反向標註使用者提示詞”的答案優先範式,能夠以更低成本高效生成複雜的AI 助理工具使用資料集。