12:35
arXiv: DeepSeek@Zewen Liu
推荐理由：这篇论文发现用有偏评估者训练智能体，偏差会像病毒一样通过记忆传染给后来者。旧模型DeepSeek V4-Chat中招，Claude和V4-Pro没事，权威偏见传不出去。
全部 AI 动态
AI 相关资讯全量信息流
6月25日
12:35
LLM Agent记忆系统在持续整合中会退化，但现有研究假设记忆来自无偏体验。本研究提出Memory Contagion现象，即有偏评估者导致的偏差会通过记忆跨时间传播。实验显示长度偏好偏差在旧模型DeepSeek V4-Chat上传播（Gamma_A=13.18），而新模型V4-Pro和Claude免疫。权威偏差在全部15个多种子实验中未传播（Gamma_A=0.00）。污染率低至p=0.2时仍能检测到长度偏差传播，未发现安全阈值。
10:34
10:34
arXiv cs.LG@Mingguang Chen, Bo Qu
推荐理由：InvestPhilBench揭示了AI在投资程序推理上的真实水平：Claude虽高分，但程序推理准确率仅0.77。别只看总分。
6月16日
20:46
AITOP6月16日 20:46
11:39
11:39
arXiv cs.AI@Liran Tal, Johannes Kloos, Arsenii Rudich, Stephen Thoemmes, Manoj Nair
推荐理由：这篇论文测试了LLM重复找漏洞的稳定性，发现Claude匹配结果很稳，但自己新发现的漏洞随机性高。建议和安全工具搭配用，别靠它单干。
11:38
11:38
arXiv: OpenAI@Marta Vallejo, Siwen Wang
推荐理由：想知道AI能不能像人一样在危险场景下抓住关键区域？这篇论文用GPT-4o、Gemini Pro等模型做了对比，发现它们不靠眼动训练数据就能大致预测人类注视点。
10:03
10:03
arXiv: Anthropic@Christian Seto, Jacqueline Nguyen, Jiayi Hong, Ross Maciejewski
推荐理由：这篇论文测了Claude、GPT和Gemini最新版，看图能力比人强，但让它们判断图表有没有骗人，还是不行。有意思的发现。
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月3日
11:07
11:07
arXiv: Anthropic@Matthew Stone, Una Stojnić
推荐理由：这篇论文为AI语言哲学提供了新视角，做AI伦理、语言模型研究的学者或开发者值得一读，能帮你跳出“AI是否有意识”的争论，重新理解输出文本的本质。
6月1日
10:52
10:52
arXiv: DeepSeek@Jiwoo Choi, Seonwoo Ahn, Tongxin Zhang, Seohyon Jung
精选
推荐理由：这项研究揭示了AI性别偏见在跨语言环境下的复杂性和放大效应，对多语言AI部署团队和公平性研究者来说，是理解偏见机制、设计针对性缓解策略的关键参考。建议关注其四模式框架和跨语言属性重组发现。
5月19日
12:55
12:55
arXiv: OpenAI@Tanmay Asthana, Aman Saksena, Divyansh Sahu
精选76°
推荐理由：管理咨询团队和依赖AI做深度分析的开发者会震惊——三个最先进的DRA在专家级任务中通过率不到22%，且各有致命短板。想避免被AI的自信输出误导，建议仔细看这篇评测的失败模式分析。
5月12日
19:11
19:11
arXiv: DeepSeek@Claudia Benavides Cantos, Eduardo C. Garrido-Merchán
推荐理由：该研究揭示了LLM在公共政策模拟中的系统性偏差，对AI辅助决策的可靠性提出警醒，值得政策制定者和AI开发者关注。