arXiv发布AI文明风险失效模式分析 不靠意识敌意也可能致人类灭绝
arXiv 2026年10月8日上线一篇新论文，提出用于分析先进 AI 如何导致人类灭绝、文明不可逆崩溃或永久失能的“失效模式”框架。其核心判断是，灾难性 AI 风险不依赖意识、敌意或伤害人类的明确意图。
标签： 人工智能
SWE-Game 基准测试：编码智能体做游戏，最强模型总分仍不到 60
Hugging Face Papers 收录的论文摘要提出 SWE-Game 基准，用 247 个任务、41 款可运行的 Godot 参考游戏测试编码智能体能否做游戏。值得关注的是，即便表现最好的 Opus5，在三个从零构建类任务上的最高分也只有 50.38 分（满分 100），六款模型整体都没过 60 分线…
SWE-Game 基准发布：247 项任务测评编程智能体造游戏能力
Hugging Face Papers 收录的论文摘要提出 SWE-Game 基准，用 247 项任务、41 个可执行 Godot 参考游戏测评编程智能体的游戏开发能力。结果显示构建类任务最高分仍不到 60 分，说明智能体离独立做出可玩游戏还有距离。
抖音生活服务双节报告：豆包订酒店订单环比增56%，AI入口带动交易
抖音生活服务发布2026年中秋国庆消费报告，首次将AI交互渠道纳入假期消费场景统计，其中“豆包订酒店”订单量环比增长超56%。AI入口正从功能尝鲜走向实际交易。
抖音生活服务双节报告：豆包订酒店下单量环比增56%，AI入口带动交易
抖音生活服务发布2026年中秋国庆消费报告，首次将AI交互渠道纳入假期消费统计：豆包“订酒店”下单量环比增长超过56%，AI入口开始从功能尝鲜走向实际交易。
arXiv 研究：同一批 Agent Skills，为何让 36.78% 任务表现倒退？
arXiv 2026 年 10 月 8 日发布的一项实证研究显示，同一个 Agent Skill 在不同模型与执行框架组合下效果截然不同，36.78% 的任务中配置之间的结果出现了明显分化，单纯按相关性挑选 Skill 容易错过更适配的候选方案。
arXiv研究：同一批Agent Skills在36.78%任务上帮了倒忙，重排序可提升首择通过率
arXiv 一篇新论文对 87 个任务、37,596 个候选 Skill 做实证研究，发现“相关”不等于“有用”，同一 Skill 在 36.78% 的任务上会因执行配置不同而拖累表现。
RobotWorld评测84项机器人任务：多模态智能体能写代码，却卡在物理世界
Hugging Face Papers 收录的论文提出 RobotWorld，一个包含 84 项任务的机器人使用仿真测试平台，用来检验多模态智能体能否把「写代码、用工具」的能力迁移到物理执行，结果显示能力可以局部迁移，但远未稳定。
微软发布RTX Spark AI PC，最高补贴千美元争夺开发者
微软在旧金山 Tech Week 发布搭载 NVIDIA RTX Spark 芯片的 Surface Laptop Ultra 与开发者工作站 Dev Box，并通过最高 1000 美元补贴吸引开发者，Windows 11 同步推出面向 AI Agent 的执行容器功能。
不训练参数也能涨点：RVV让混合域推理准确率升至79.4%
arXiv 2026年10月8日发布的一篇新论文提出 Route-Verify-Vote（RVV）框架，在不更新模型参数的前提下，通过“选推理流程—逐项验证—投票聚合”让语言模型处理混合域推理任务，在 SCoRE 2026 官方测试集上把精确集合准确率从 74.6% 提升到 79.4%。