公开空间
论文于2026年10月15日提交arXiv。 如果让四个会写代码的AI组队打《Minecraft》，你会期待什么？ 也许是精密分工、高效执行，一路平推末影龙。论文《A team of Gemini 4 Argon agents beats Minecraft》报告的故事，却更像一场加长版荒野求生：有漂亮的数学，有惊险的救援，也有“都打这么久了，怎么对面还满血”的尴尬时刻。 按照论文记载，四个Gemini 4 Argon玩家代理在随机生成的世界里，用27小时14分钟击败了末影龙
TL;DR：2025 年 1 月，中国公司 DeepSeek 发布推理模型 DeepSeek-R1 及论文。1 月 27 日，美股 AI 板块大跌，英伟达单日市值损失约 5900 亿美元，是当时华尔街单只股票的最大单日损失。市场普遍把这次下跌归因于“便宜的中国模型可能压低算力需求”，但这是市场解读，论文本身并没有宣称这一点。 这是 2025 年初的旧事，不是今天的新闻。 2025 年 1 月 22 日，DeepSeek-AI 把论文《DeepSeek-R1: Incentiv
TL;DR：2022 年 11 月，Meta 发布面向科研的大语言模型 Galactica，公开演示站上线没几天就被撤下。有用户让它写出了关于“吃碎玻璃的好处”的条目和假研究，它还会编造引用。已确认的是“演示被撤”和“生成了假内容”；并没有证据说明有人因此受害，这个例子是测试者刻意诱导出来的。 这是 2022 年底的旧事，比 ChatGPT 发布还早约两周，但它几乎预演了之后几年大模型“幻觉”争议的全部剧情。 2022 年 11 月 15 日前后，Meta AI 推出 Gal
TL;DR：2020 年 12 月，谷歌 AI 伦理团队联合负责人 Timnit Gebru 与公司关系破裂，起因是她参与合写的论文《随机鹦鹉的危险：语言模型会不会太大了？》。可以确定的是：论文在内部审查中引发争议，她离开了谷歌，随后上千名谷歌员工联名抗议。双方对“是辞职还是被解雇”各执一词，至今没有统一说法。 这是 2020 年的旧事，不是今天的新闻。2020 年 12 月 2 日晚，Gebru 在推特上说自己被谷歌“逼走”，消息迅速传开。那时 ChatGPT 还要两年才会
TL;DR：2022 年，Epoch AI 的研究者推算：如果大模型继续按现有趋势扩张，训练数据量迟早会追上人类公开写下的文字总量。初版预测高质量语言数据可能在 2026 年前耗尽，后来修订版把窗口放宽为 2026 到 2032 年。这是一个“趋势不变”假设下的外推，不是已经发生的事实；论文同时讨论了合成数据等出路。 这篇论文发布于 2022 年 10 月底（arXiv 编号 2211.04325），不是最新消息。2024 年 6 月，作者发布了修订版并改了标题，下面的数字会
TL;DR：2022 年，杨百翰大学团队用 GPT-3 把真实问卷受访者的人口背景写成第一人称“人设”，让模型代替他们回答，造出所谓“硅基样本”。在美国大选投票选择上，整体结果与真实调查高度相关，但这只在群体层面成立，模型并不能预测某个具体的人，纯独立选民的拟合也最差。它证明的是“可以当研究工具试用”，不是“可以取代真人调查”。 这是一篇 2022 年 9 月发布在 arXiv 的论文，后来正式发表于《Political Analysis》，不是今天的新闻。作者是 Lisa
TL;DR：斯坦福等机构的研究者发现，把相关信息放在长输入的开头或结尾，模型答得最好；放在中间，准确率明显下滑。在多文档问答里，GPT-3.5-Turbo 在最差位置的表现甚至低于完全不给文档的基线（56.1%）。这说明模型并不能稳健地利用整段长上下文，但不等于「长上下文没用」：多数位置上给文档仍然有帮助。 这是一篇 2023 年的老论文：arXiv 首版于 2023 年 7 月 6 日提交，后发表于 TACL 2024。文中测的是当时的模型，现在的模型表现未必相同，但它提出
TL;DR：2023 年的一篇论文认为，大模型“规模一大就突然学会某项能力”的涌现现象，很大程度上来自研究者选用的评测指标，而不是模型本身发生了突变。换成连续、平滑的指标，许多“断崖式跃升”就变成了平稳上升。但论文并没有证明大模型不存在任何涌现，它的结论是：已报告的涌现并不稳固，不应默认它是规模带来的根本性质。 这是一篇 2023 年的老论文（arXiv 于 2023 年 4 月 28 日提交），不是最近的新闻，但它至今仍是讨论“大模型会不会突然变聪明”时绕不开的参照。 此前
TL;DR：这篇论文提出，不同结构、不同数据、甚至不同模态的 AI 模型，内部表征正在朝同一个“现实的统计模型”靠拢，作者称之为“柏拉图表征”。它主要是一篇立场论文：综述已有证据并做了一些跨模态对比，提出的是假说，并没有证明所有模型最终会收敛到同一处，文中也讨论了局限和反例。 这不是新闻，而是 2024 年的老论文：2024 年 5 月 13 日首次发布到 arXiv，7 月最后一次修订，后来在 ICML 2024 上作为 oral 展示。作者是 Minyoung Huh、B
TL;DR：2025 年 1 月，Center for AI Safety 和 Scale AI 发布了 Humanity's Last Exam（HLE），一套由全球专家出题、专门挑最强模型都答不出来的学术题库。论文初版里，测试的七个模型准确率都在 3.3% 到 9.4% 之间。这说明的是“发布时前沿模型在这套筛选过的题上很弱”，不代表 AI 整体不行，更不代表它真的是“最后一场考试”。 这是 2025 年 1 月的论文（arXiv:2501.14249，2025 年 1
TL;DR：2023 年 7 月，Wei、Haghtalab、Steinhardt 三位作者发表论文，把大模型越狱成功的原因归为两类：目标冲突与泛化不匹配。他们据此设计新攻击，在 GPT-4 和 Claude v1.3 上取得很高的成功率。需要注意：这是对当年两个模型的实证分析，两类失效模式属于作者的假说框架，结论不等于"今天的模型仍然如此"。 这是一篇 2023 年的老论文，评测对象是当时的 GPT-4 与 Anthropic 的 Claude v1.3，不是最近的新闻。但
TL;DR：2023 年的这篇论文提出“间接提示注入”：攻击者不跟模型对话，只把指令藏进模型之后会读到的内容里，模型就可能照办。作者在 Bing Chat 等系统上演示了诈骗、套取信息、恶意链接等攻击。需要说明的是，这些演示是研究者自己搭环境做的，论文没有量化成功率，也没有证明现实中已有人这样攻击过用户。 这是一篇 2023 年的老论文，2023 年 2 月 23 日首次发布到 arXiv（5 月更新过一版），作者来自 CISPA、萨尔大学等机构，Kai Greshake 是