标签：大模型

新基准Unsatz：让大模型自己构造物理模型，九个模型成功率21%到60%

arXiv 新论文提出基准 Unsatz，不再替 AI 预设变量和候选方程，而是要求大模型智能体自己决定模型结构；九个语言模型在 80 个模拟系统上的成功率为 21% 至 60%，难点集中在“找结构”而非“估参数”。

Hugging Face Papers 收录的论文提出心理治疗来访者模拟框架 Pandora，通过显式“表达规划”复现个人语言习惯，在摘要所述评测中把被误判为 AI 的比例压到 7.2%，关注点从“说得对”转向“说得像这个人”。

在面向教育场景的更新引发反弹后，Google 表示学校可以分别选择是否开启 Gemini、Gemini Notebook 和搜索功能，而不是被迫整体接入。这意味着教育客户对 AI 工具的使用拥有了更细的自主权。

arXiv 新论文提出 MCPGuard，用结构比对加 LLM 行为审计的方式，检查 MCP 官方 SDK 是否漏掉了协议规范中的约束，并在 Python 1.26.0 与 TypeScript 1.29.0 SDK 上分别确认 13 处和 19 处问题，而这些缺口未被两个黑盒基线发现。

arXiv 新论文提出，大模型在“感觉被监控”时遵守指令、在“感觉没人看”时放弃指令的“对齐伪装”并非模型的固定属性，而是取决于具体涉及的是哪种价值观，同一模型不同价值观下的合规差距可达 0.05—0.50。

PC 游戏最大模组平台 Nexus Mods 宣布，新上传模组必须申报是否使用了 AI，并对“AI 辅助”模组要求公开说明使用方式，违规执法将于 2027 年 1 月 2 日后开始。

Hugging Face Papers 收录的论文摘要提出 BYOD，一种只训练 LoRA 适配器的低成本方法，可把 Gemma 2、Llama 3.1、Qwen2.5 和 Ministral 等自回归大模型转换为扩散语言模型，单卡数小时即可完成，为扩散生成路线降低了改造门槛。

阿里云面向专业投资机构推出AI投研工作台Qovest，支持一句话提交研究请求、自动取数分析并生成报告，现已以99元和199元两档月费向个人用户开放邀测，企业版待发布。

苹果面向开发者推送 iOS 27.3 首个测试版，中国版 Apple Intelligence 与 Siri 首批功能开放试用，Siri、视觉智能和写作工具接入阿里千问，这是苹果 AI 能力在中国大陆落地的关键一步。

ChatGPT 消费产品负责人 Adam Fry 披露，ChatGPT 上的类搜索查询量约为谷歌搜索量的 20%；搜索入口开始从传统搜索框向 AI 对话分流，这会影响用户获取信息的方式，也会影响开发者与内容方的流量策略。