研究

IBM Research 在 Hugging Face 发布文章称，面向智能体的模型路由不能只按任务难度或模型标价选择模型，还需同时考虑缓存、延迟、基础设施与合规等因素。文章以 AppWorld Test Challenge 上的实验说明其优化式路由方法的取舍。

MIT Technology Review 报道称，OpenAI 构建了名为 GPT-Red 的模型，用于帮助其他模型提升对网络攻击的防御能力。由于信息仅来自单一媒体摘要，相关细节尚无法独立核验。

Hume AI 在 Hugging Face 博文中介绍 Real World VoiceEQ，用于评估语音 AI 在情绪、语调、说话人身份和复杂声学环境等方面的表现。该基准覆盖多类语音任务，并以人工评分为核心，反映传统指标难以覆盖的真实对话质量。

Ars Technica 报道称，微软未撤销的旧版 Secure Boot“shim”可能让绕过 Secure Boot 变得更容易。若报道属实，这将影响依赖该启动完整性机制的设备安全。

Ars Technica 报道称，一种被称为“context bombing”的方法试图诱导用于攻击的代理在造成伤害前自行停止。该信息来自单一媒体摘要，尚不足以独立核验其技术细节与实际效果。

OpenAI 宣布推出 GeneBench-Pro，用于测试 AI 在基因组学、生物学和科学研究中的表现。该基准采用复杂的真实世界数据集，关注模型在相关科研任务中的能力。

Google DeepMind表示，英国政府正与其合作开发一款由AI驱动的原型工具，目标是加快住房规划相关决策。该项目涉及公共规划流程，实际效果与后续部署仍待验证。