分类： AI 资讯

Hugging Face发布RISEBench++：推理型视觉编辑评测，最强模型准确率仅56.6%

Hugging Face Papers 收录的论文提出 RISEBench++ 基准和 RISE-Agent 框架，专门评测“需要推理才能做对”的视觉编辑任务；在 58 个方法中，最强模型准确率也只有 56.6%，说明当前图像编辑模型在复杂指令理解上仍有明显短板。

谷歌研究把 RRSI（正则化递归自我改进）的“该保留哪些自我修改”这部分规则开源成纯 Python 代码，让 LLM Agent 可以在模型冻结的前提下重写自己的提示词、工具与流程，同时用统计校准和正则化机制防止过拟合。它不依赖 API Key 或 GPU，普通开发者也能本地跑通。

Anthropic 宣布自 2026 年 11 月 12 日起，对 Claude 的辱骂行为将违反其使用政策；Box CEO Aaron Levie 认为，即便不认为 AI 有意识，这一政策也值得支持，因为训练数据中的互动方式会影响未来模型的对齐表现。

微软计划让 Microsoft 365 Family 和 Premium 订阅用户把 Copilot 与 AI 使用权益共享给最多五位家庭成员，但同时把原本每人 1TB 的 OneDrive 存储改为全家共享 2TB。

Mistral Large 4 预览版以 -6.6% 的净改进分进入 Agent Arena 前十五实验室，总排名第 43，比前代 Mistral Medium 3.5 提升 11 位；这是目前欧洲实验室在该榜单的最好表现，开源权重预计 10 月底发布。

OpenAI 研究负责人 2026 年 10 月 9 日公开回应三名员工离职争议，称解雇原因是违反敏感信息处理政策，而非他们提出安全担忧，同时预告将公布第三方安全评估机构合作细节。

谷歌新一代模型 Gemini 4 Argon 已向部分 Pro 用户开放，并开始向真实代码仓库提交代码；它不再只是补全工具，而是被 Google Cloud 和内部工程流程当作可独立执行任务的智能体来使用。

2026年10月发布的一项美国民调显示，64%受访者认为AI发展速度过快，近八成民众要求政府确保AI安全可控并保护就业岗位。这一跨党派共识正在把AI监管推入中期选举议程。

美国犹他州初创公司 Nolla Health 启动为期一年的试点，让 AI 通过扫脸评估痤疮严重程度并直接开具处方，用户每月支付 5 美元即可使用。这是 AI 首次在有限范围内获得部分独立处方权，引发医疗监管与责任边界的讨论。

智谱AI近期释放新一代旗舰模型GLM-5.4与GLM-5.5的技术信号，参数规模正式进入万亿级别，并同步探索两条全新底层技术路线，目标指向AGI。