标签：人工智能

SGAnalog发布：273个真实流片电路如何测出大模型短板

arXiv 上一项新研究提出 SGAnalog，用 273 个来自 Tiny Tapeout 开源流片的模拟电路设计，测试大模型能否真正从原理图还原网表并完成器件尺寸设计，结果显示最强模型仅达 56.1% 精确同构。

一篇论文提议为分词器（tokenizer）建立开放基准，用“比特每字节”分数让不同分词边界的模型可比，但目前只是设计倡议，尚无已跑通的基准与实测结果。

Hugging Face Papers 上公开的一篇论文摘要指出，工具型智能体即使能正确判断单个动作，也可能因为调查不完整或过早行动而在执行环节失败，研究团队为此提出 SafeActBench 基准。

Google 上线了 SynthID Detector 网页门户，用户上传图片、视频或音频文件，就能检测其中是否含有 Google 及其合作伙伴嵌入的 SynthID 水印，从而判断该媒体是否由 AI 生成或处理。

Mistral 发布 Mistral Large 4 研究公开预览版，在 Artificial Analysis 智能指数上得分 38，成为美中之外最智能的模型，但单位任务成本仍是同级开源权重模型的四倍以上。

Arena 公布一种将人类偏好与显式评分标准奖励结合的后训练方法，用约 500 万对偏好投票训练奖励模型，使 FLUX.2-dev 在其实时文生图榜单上升至第 2 名，Ideogram 4 得分达到 1224。

一篇 arXiv 新论文提出“代理置信度”方法，用开源小模型并行读取相同上下文与工具调用，借助自身对数概率判断黑盒大模型智能体的工具调用是否可能出错；在困难编程任务上 AUROC 达 0.825，而智能体自报置信度仅 0.598。

斯坦福团队开源 OpenWAM，把视频预测与机器人动作生成解耦成可配置的四种交互方式，并验证了反事实数据对动力学学习的提升。

一篇新论文提出 TRACE，用 rollout 端的量化结果反向指导训练端的 FP4 舍入决策，以缩小两条执行路径的数值差距，让 MoE 大模型在 RL 训练中实现低精度 rollout，并报告最多 5.4 倍加速。

亚利桑那州上诉法院裁定，一段用AI生成已故受害者形象并让其“原谅”凶手的视频带有不当情感分量，因此被告虽维持过失杀人罪，但刑期须重新考量。这起案件首次让AI生成内容在量刑程序中的证据权重成为司法焦点。