Milvus、pgvector、Qdrant这三个向量库选哪个不都差不多，无非就是存一下向量数据、再进行语义相似度检索吗？可真上手才发现水有多深。 这一年多帮人做过几个RAG系统，我在向量数据库上还是花了不少时间、走了不少弯路的。 可能很多同学都会觉得，Milvus、pgvector、Qdrant这三个向量库选哪个不都差不多，无非就是存一下向量数据、再进行语义相似度检索吗？可真上手才发现水有多深。

一项覆盖12个领域、140个真实研究任务的新工作MLS-Bench给出了并不乐观的答案。 AI已经能写代码、跑实验，甚至靠海量试错刷新部分人类纪录。 但当目标从「把一个分数继续刷高」，变成「提出一种真正更好的机器学习方法」，最强模型还能走多远？ 一项覆盖12个领域、140个真实研究任务的新工作MLS-Bench给出了并不乐观的答案。 即使拿到人类最强方法的完整实现，并被允许反复实验，当前前沿模型仍 ...

论文估算，按照当时Haiku 4.5的API价格，解码1万条输入、输出窗口均为12000 Token的推理轨迹，名义成本约为720美元（约合人民币4858元）。 虽然模型厂商不会公开完整推理，但API计费需要知道模型到底生成了多少思考Token。因此我们可以拿到账单中的推理Token数，再与解码文本重新编码后的Token数进行比较。

论文收集了 6708 条公开轨迹，并重建出 315320 个思考块。经过两阶段模型标注，1028 个思考块被判断包含至少一项真实隐私信息，占比约为 0.3%。按完整轨迹统计，共有 328 个会话出现泄漏，占比达到 4.9%。

Cloudflare的CEO马修·普林斯（Matthew Prince），在今年8月的第二季度财报电话会上说了一句挺重的话。他说，从今年第二季度开始，穿过Cloudflare这张网的所有流量里，超过一半已经不是人类产生的了。他原话大概是，人类历史上第一次，在他们网络里流转的流量，人类已经不是多数。

大语言模型正在从 “回答问题” 走向 “完成任务”。在 Agentic RL 后训练中，模型不仅生成文本，还会调用搜索、代码执行等外部工具，根据环境返回继续推理。这样的交互让模型拥有更强的行动能力，也让训练系统面对一种比普通 RLHF 更不稳定的工作负载：同一批请求可能产生长度相差数十倍的轨迹，少量超长轨迹拖慢整个 rollout；与此同时，训练和 rollout 对 GPU ...

OpenAI这边是GPT-5.6 Luna，Google这边则是Gemini Robotics 1.6。

但真正没人愿意摆到台面上说的是，你的AI记忆现在被锁定在你最常用的那个平台里。从ChatGPT换到Claude，记忆是空的，一切从头开始。三个工具一起用，你就同时养着三个互不相通、发展轨迹完全不同的「你」。

OpenAI又要放大招了！ 今天，一款全新图像模型，代号mona-lisa-1，在Arena上正式亮相。 上手实测的网友纷纷惊叹，mona-lisa-1出图效果简直逆天，肉眼可见地赶超了GPT Image 2。 画面更加真实，塑料感明显减少。 四个月前，GPT Image 2惊艳亮相，瞬间引爆AI圈。 当时，Image 2直接把Nano Banana Pro按在地上摩擦，至今稳居AI生图王座。 但 ...

在 IPI 基准测试中，Opus 5 相比 Claude Opus 4.8 有了显著提升。其 15 次尝试的攻击成功率从 5.5% 降至 2.0%。在单次尝试场景下，该比例从 0.5% 降至 0.2%。 这些结果也超越了 Claude Sonnet ...

今天，黄仁勋在 X 发布长文，宣布公司将与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 六家大型金融机构合作，推动 NVIDIA AI ...

科学研究中的验证则经常昂贵、延迟、多阶段且只能部分观察。一次实验失败可能来自方法、实现、数据、尺度或随机性；研究者需要用小规模实验区分多种解释，再决定是否投入完整训练。此时真正受限的不是可生成多少候选，而是多少计算能够转化为有效证据。