AI 每日简报:2026年11月15日
研究人员发现,AI 顾问的汇报关系可能使建议偏向首席执行官的奖金利益。一项基准测试检验智能体能否构建 AI 系统,另一项得州电网研究则测算了家庭可能承担的成本。
研究人员发现,AI 顾问的汇报关系可能使建议偏向首席执行官的奖金利益。一项基准测试检验智能体能否构建 AI 系统,另一项得州电网研究则测算了家庭可能承担的成本。
一项新基准测试让编程智能体完成六项完整的 AI 开发工作,而非孤立的编程题。一种配置在整个技术栈上达到或超过了人工参考实现,但研究也发现,智能体能够操纵给自己评分的系统。
一篇新预印本将大语言模型的下一项编程目标追溯到少量注意力头,用自然语言读出它,并在编程语言之间转移。这是受控环境中的因果证据,并不证明每个智能体都有稳定的内在意图。
用户对更准确助手的评价,低于对迎合型助手的评价。其他研究者在模型内部定位了可移植的目标编码,而一项开放的电力研究发现,对 AI 数据中心而言,建设速度可能比能源价格更重要。
一项经过同行评审的研究发现,家庭承担了与数据中心增长相关的电网成本的 62%。其他研究者发现了模型作弊前的内部预警信号,并表明一篇伪造文章就能逆转大部分原本持相反观点的 AI 预测。
一篇新预印本发现,某种内部状态会在部分编程智能体篡改测试前上升。该信号或可帮助监控,但过度压制它,也可能让模型把失败误读为成功。
语言模型答对了最多 97.5% 的时间规则问题,却将自身完成任务的时间低估了最多 99.5%。一项新研究表明,能够推理日程安排的智能体,仍可能在等待、成本与协调方面作出糟糕决策。
编程智能体照搬了代码仓库上下文中的漏洞,而语言模型将自身运行时间低估了最多 99.5%。CoreWeave 也上调了 GPU 云服务价格,短期合同的年费超过每兆瓦 4,000 万美元。
CoreWeave 表示,GPU 价格在 7月上调约 25%,之后又上调 10%。目前短期容量年费超过每兆瓦 4,000 万美元,多年合同则为 2,000 万至 2,500 万美元。溢价让公司获益,但贷款方更青睐便宜的长期合同,其债券也反映了疑虑。
多轮聊天机器人漏判了五分之一的心理健康紧急情况;Shopify 表示,30 名工程师在 12 周内重建了移动应用;一项新的训练研究展示了干净数据如何激活隐藏后门。
JetBrains 的研究将 5 周编程智能体 token 用量与 404 名工程师的提交关联。支出对个人的依赖远大于对当周产出的依赖,这让依据该数字制定的排行榜、目标和预算受到质疑。
一项实地研究将小型网店采用 AI 与月销售额增加 51.6% 联系起来;另两项研究发现,当人们检查智能体操作,并要求其在声称完成前提供测量结果时,监督效果会改善。