Ethan Mollick 称，关于 Gemini 4 智能体通关《我的世界》的论文值得一读
关于一组 Gemini 4 智能体如何通关《我的世界》的论文值得一读。 这是一个易于理解的例子（部分原因是它由 AI 撰写），展示了智能体如何自发协作以实现复杂目标，以及它们的方法与人类有何不同。https://t.co/brrmhydhWw https://t.co/cxlp4jTjqf
全部动态 · 今日1条
#论文/研究
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
观点
人物观点、评论、分析、访谈、现象与趋势讨论
Ethan Mollick · X21
Google AI · X45 我们一直在探索利用 Gemini 4 Argon 加速 @Google 研究工作的潜力。我们进行的一项测试是，使用人类完成趣味任务（有人想玩投沙包吗？）的视频，自动生成训练模拟，而不是完全依赖手动编程。https://t.co/3oK74wKSmt
我们一直在探索利用 Gemini 4 Argon 加速 @Google 研究工作的潜力。我们进行的一项测试是，使用人类完成趣味任务（有人想玩投沙包吗？）的视频，自动生成训练模拟，而不是完全依赖手动编程。https://t.co/3oK74wKSmt
Import AI42 Import AI 474：Platonic mindspace、太空 TPU、智谱启动外层 RSI 循环
Import AI 474 期聚焦 Michael Levin 提出的"Platonic mindspace"假说，认为心智是非物理模式嵌入身体与机器的结果，并用 xenobots、anthrobots 等实验佐证。同期内容还涉及太空 TPU 与智谱启动外层 RSI 循环。
Hugging Face Blog精选62 Hugging Face 发布 2026 夏季开源模型生态观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型生态观察报告，基于 Hub 数据给出六项发现。报告显示公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，但 85.6% 的模型终身下载量不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用自家 Hub 数据拆解开源模型生态，下载与点赞的分野、Qwen 衍生规模等结论可迁移到模型选型判断。
Import AI42 Import AI 468：23 条 RSI 政策建议、PostTrainBench+，以及信任与透明度如何影响 AI 竞赛
Import AI 第 468 期汇总了智库 IFP 提出的 23 条应对 AI 研发自动化风险的政策建议，覆盖 7 个类别，包括提升自动化 AI 研发透明度、加速 AI 验证技术开发和扩展美国 AI 领先优势。
Mira Murati · X45 Mira Murati分享开放权重模型发布与AI安全的思路
我们分享开放权重模型发布的方法、对Inkling的评估方式、为什么安全取决于模型本身及其进入的生态系统，以及测试、分阶段开放访问和更强防御如何为进一步开放铺路。
Import AI52 Import AI 464：Fable 编写 GPU kernel、AI 自动化与模拟计算
Import AI 464 汇总多项研究进展。Fable 在 KernelBench-Mega 上写出 megakernel，在 RTX PRO 6000 Blackwell 上以 Cuda 实现 18.71X 加速，对比 Claude Opus 4.8 的 14.4X、GLM-5.2 的 11.14X 和 GPT 5.5 的 4.34X。
Hugging Face Blog28 为什么专业化不可避免：从优化理论、进化生物学到机器学习
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》。
Import AI62 Import AI 460：社会规则可被奖励攻击、Anthropic 的 RSI 数据与 RL 无人机竞速
本期 Import AI 汇总三项研究：伦敦国王学院、复旦大学与 Alan Turing Institute 构建 SocioHack 基准，用 72 个沙盒社会环境测试 AI 在信用卡积分、学校评分等场景中钻规则空子的能力，RL 训练的 LLM 在历史环境中以 61.25% 召回率和 90.85% 精确率重新发现已被修补的漏洞。
Jan Leike · X58 新论文提出自然语言激活（NLA），可将大语言模型的内部状态转化为可读文本
Jan Leike 写道，他很期待将自然语言激活（NLA）作为一种新的工具纳入可解释性工具箱。 在引用的帖子中，@saprmarks 将 NLA 介绍为一种无监督方法，可将大语言模型的内部状态转化为人类可读的文本，并表示相关结果有助于加深对大语言模型思维内容的理解，并对其进行安全审计。