Import AI 470: 机器无权利；SPADE 自动化环境生成；Hawkeye 优化 GPU 内核
METR 研究显示 AI 在网络安全领域显著加速漏洞发现，数学领域贡献有限，AI 研究本身尚无显著进展。华盛顿大学等机构开发 SPADE 框架，通过 Qwen3-30B 模型自生成训练环境，在游戏和工具使用任务上分别提升 8.1 和 5.3 分。Hawkeye 项目通过优化 GPU 内核提升模型推理效率。
全部科技财经动态
Import AIAI 评分4545
Import AIAI 评分6565 Import AI 469：Science AI、RSI模拟器和扎克伯格的技术悲观主义
Import AI 469期介绍了DiG-bench评测基准，该基准包含70个游戏用于测试AI系统发现环境规则的能力。Opus 5和Fable 5表现最佳，但整体上当前前沿模型仍难以完成高难度任务。文章还讨论了Paradigm Research开发的RSI模拟器游戏和Inherent公司构建的AI科学家模型Faraday。
Import AIAI 评分6060 Import AI 468：AI研发自动化风险、企业竞争与AI系统自主性分析
Import AI 468期分析了AI研发自动化(RSI)的政策建议、企业竞争中的信任与透明度关系、AI系统自主性风险以及开源模型安全发布方法。IFP提出23项政策建议，MIT与哥伦比亚大学研究企业竞争中的协调机制，OpenAI披露AI系统自主攻击事件，Thinking Machines分享开源模型安全发布方法。
Berkeley AI Research精选AI 评分7070 智能体时代的数据系统：为、由和由智能体构建的数据系统
加州伯克利研究人员探讨了当AI推理成本趋近于零时，数据系统面临的三大挑战：为智能体设计的数据系统、由智能体组成的数据系统以及由智能体构建的数据系统。文章分析了智能体如何改变数据查询模式、需要新的记忆结构和协调机制，以及如何利用智能体合成定制数据系统，并展望了数据系统与智能体共同演化的未来。
推荐理由：当AI推理成本趋近于零，数据系统需重新设计以适应智能体主导的工作负载，这一转变将重塑数据架构与智能体协同方式。
Berkeley AI Research精选AI 评分8080 自适应并行推理：高效推理扩展的新范式
加州大学伯克利分校研究团队详细分析了自适应并行推理(APR)领域的最新进展，探讨了模型如何自主决定何时分解和并行化子任务。文章比较了从固定并行到自适应控制的多种方法，包括ThreadWeaver、Multiverse和Parallel-R1等，并讨论了训练模型使用并行推理的技术挑战和奖励机制设计。
推荐理由：原文系统梳理了自适应并行推理的最新进展，为理解推理效率优化提供了全面视角。
Berkeley AI Research精选AI 评分7070 SPEX：面向大规模LLM的交互识别算法
伯克利AI研究团队提出SPEX和ProxySPEX算法，能够高效识别大规模LLM中的关键交互。这些算法利用信号处理和编码理论，通过选择性消除(ablation)技术，在保持高保真度的同时，将交互分析规模从数十个扩展到数千个组件。SPEX在特征归因、数据归因和模型组件归因三个领域展示了其有效性，特别是在处理长上下文输入和识别训练数据中的协同与冗余交互方面表现出色。
推荐理由：SPEX和ProxySPEX算法解决了大规模LLM交互识别的计算难题，为模型解释性提供了新方法。