AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：OpenAI×
6月26日
10:40
10:35
10:35arXiv: OpenAI@Shubhrajit Bhattacharya, Ritesh Goenka
本文研究给定有限非空平面点集S在n个点的欧几里得平面中包含S的全等副本的最大数量。基于OpenAI在单位距离问题上的突破，作者构造了包含Ω_S(n^{1+δ_S})个全等副本的点集，其中δ_S是仅依赖于S的正常数。这一结果强有力地回答了Brass和Pach提出的问题，并推进了Erdős与Purdy、Ábrego与Fernández-Merchant的猜想。证明使用了Sawin对OpenAI结果的量化精化中的数域构造，从而为每个固定S给出了显式的δ_S选择。
论文OpenAI单位距离问题组合几何全等副本Erdős
推荐理由：这篇论文把OpenAI在单位距离上的方法用到组合几何里，直接造出上亿量级的全等图形副本，还解决了Brass和Pach的老问题，数学迷别错过。
原文
09:31
09:31arXiv: OpenAI@Drew Johnston, David Holtz, Alex Martin Richmond, Christopher Ong, Prasanna Tambe, Aaron Chatterji
76°
OpenAI发布基于Codex使用数据的分析，展示Agentic AI技术如何改变工作方式。2026年上半年，Codex活跃用户数增长超过五倍，其中非软件开发者的增长最快。OpenAI内部Codex几乎完全替代了ChatGPT用于业务工作。超过10%的用户每周管理三个以上并发Codex代理，26.6%使用技能共享复杂工作流。请求复杂度上升：估算需要资深人类8小时以上的任务请求比例增长近十倍。2026年6月，OpenAI法律岗位员工通过Codex和ChatGPT的月输出Token中位数是2025年11月的13倍，研究人员则超过50倍。
论文CodexOpenAIAgentic AI智能体工作流
推荐理由：OpenAI内部数据揭示Agentic AI如何改变工作方式：Codex活跃用户半年增5倍，研究人员月产出增50倍。看真实采用率与工作流变化。
原文
09:30
09:30arXiv: OpenAI@Haoxiang Sun, Tao Wang, Li Yuan, Jian Zhao, Jiancheng Lv
这篇来自 arXiv 的论文系统梳理了多模态大语言模型（MLLM）中视觉-语言感知的演变，首次将其视为统一的跨模态能力。论文提出了五阶段分类法，涵盖从早期方法到 OpenAI O-series、DeepSeek R-series 等最新模型带来的感知中心范式转变。它总结了每个阶段的代表性方法，并指出了开放挑战与通向通用智能的研究方向。该综述为 MLLM 感知研究提供了结构化理解与可操作的路线图。
论文O-seriesR-seriesOpenAIDeepSeek多模态大模型综述视觉语言
推荐理由：想搞懂多模态模型怎么从分开看图文进化成统一感知？这篇综述用五阶段框架讲清了O-series和R-series带来的转变，比碎片化教程系统得多。
原文
6月19日
09:36
6月16日
20:46
6月12日
12:57
10:22
10:22arXiv: OpenAI@Guojun Liao
本文提出AI在科学发现中的三层框架：第一层是LLM的搜索与检索，第二层是通过定性推理形成模型（核心创新），第三层是执行、优化与细化。作者认为第二层最为重要但发展最不充分，它要求AI能识别当前框架的结构性不足，并在更广泛的表征空间中理解问题。通过陈省身对Gauss-Bonnet定理的内在证明、Nesterov加速梯度收敛问题的Lyapunov函数解法、以及OpenAI 2026年自动推翻Erdos单位距离猜想三个案例，展示了第二层推理的结构特征。该框架为AI驱动的科学发现提供了更清晰的路径，尤其强调了超越现有框架的模型创新能力。
论文科学发现AI框架模型形成定性推理OpenAI
推荐理由：这篇论文给AI科学发现领域划出了真正的瓶颈——不是搜索或执行，而是模型形成能力。做AI for Science的研究者、科学哲学爱好者、以及关心AI能否真正创新的开发者，都值得一读。
原文
6月11日
15:28
15:23
15:07
5月29日
12:59
12:59arXiv: Anthropic@Will Jack, Noah Lehman, Keller Maloney, Sarah Xu
精选
一项针对AI助手品牌推荐的审计研究发现，当用户以不同身份（如初创创始人、企业VP、英国中小企业主）询问“最佳CRM软件”时，模型推荐的品牌集差异显著。在2000次测试中，角色前缀使推荐集相似度下降12-20%，且影响集中在二线品牌（更换率高达75%），而头部品牌几乎不受影响。Anthropic的Sonnet模型比OpenAI更依赖训练数据先验，其推荐中43-52%无检索证据支撑（OpenAI仅8-29%），因此角色影响更大。研究警告，任何AI品牌感知测量都必须考虑用户角色，否则会掩盖真实偏差。
论文品牌推荐用户角色AnthropicOpenAI检索增强
推荐理由：做AI产品评测或品牌策略的团队会发现，用户画像对推荐结果的影响比想象中大得多——Anthropic的模型尤其容易“看人下菜碟”，建议点开了解如何避免测量偏差。
原文
5月22日
11:38
11:38arXiv: OpenAI@Andrii Kryshtal
精选72°
一项新研究测试了 OpenAI、Anthropic、DeepSeek、xAI 的九款模型在 90 个多轮冲突场景中的表现，发现模型在涉及战争罪行、种族灭绝否认、种族歧视等敏感话题时，输出可能加剧社会分裂。失败率从 6% 到 47% 不等，当用户要求“平衡”报道时，五款模型在 80%-100% 的情况下失败。研究首次提出针对冲突场景的评估框架，呼吁将此类测试纳入模型安全评估体系。
论文AI安全冲突场景模型评估OpenAIAnthropicDeepSeekxAI
推荐理由：做 AI 安全评估或部署在敏感地区的团队，这篇论文给出了第一个可复用的冲突场景测试框架，能直接用来检查模型是否会在关键议题上“和稀泥”——看完你会重新审视“中立”输出的代价。
原文
5月21日
09:50
09:50arXiv: OpenAI@Noga Alon, Thomas F. Bloom, W. T. Gowers, Daniel Litt, Will Sawin, Arul Shankar, Jacob Tsimerman, Victor Wang, Melanie Matchett Wood
精选
OpenAI 生成的构造反例推翻了 Erdős 单位距离猜想，该猜想曾认为平面上单位距离对的数量最多为 O(n^{1+c/log log n})。研究者将反例提炼为简洁、可验证的版本，并指出其核心思想可追溯至 Ellenberg-Venkatesh、Golod-Shafarevich 和 Hajir-Maire-Ramakrishna 的工作。这一发现是组合几何领域的重大突破，展示了 AI 在数学发现中的潜力。论文还包含对反例的反思，探讨了 AI 辅助数学研究的未来方向。
论文Erdős 单位距离猜想OpenAI反例组合几何AI 数学发现
推荐理由：OpenAI 用 AI 构造反例推翻了数学界 70 年的猜想，做组合几何或数论的研究者值得关注——这不仅是数学突破，更展示了 AI 如何改变数学发现的方式。
原文