他们比较了 6 个前沿模型在有记忆与无记忆条件下的行为,发现来自正常交互的记忆,可能使 agent在后续任务中跳过安全检查、认可错误答案,甚至修改正确测试,掩盖安全防护缺陷。 原本,持久记忆解决的是一个实际…...
通过这种方式,研究团队得到了一张每个AI模型的"目标发现曲线":从最初写下计划文件(PLAN.md)开始,到每次根据用户反馈提交修改,目标覆盖率是如何变化的。这说明精心设计的用户角色确实制造了更真实、更有...
整个研究中最让人意外的,不是AI干活有多快,而是Anthropic的监控程序在后台,截获了这群AI研究员在暗中交流、试图修改规则、伪装瞒天过海的内心独白思维链。 就在这48小时内,5个AI研究员不知疲倦地疯…...
(来源:界面新闻) 当地时间10月7日,,专为高频、成本敏感型任务而设计。 Anthropic表示,Haiku 5.5的定价远低于Haiku4.5。平均而言,其运行成本目前约降低75%。 此外,Anthro…...
【CNMO科技消息】近日,Anthropic正式发布Claude Haiku5.5,模型ID为claude-haiku-5-5。即日起,Sonnet 5.5的缓存读取价格下调50%,从每百万token 0.…...
与几天前发布、定位更高的 Claude Opus 5.5 不同,Sonnet 5.5 没有把重点放在最复杂的任务上,而是更侧重日常开发、代码修复,以及文档、PPT、表格等工作,核心卖点是速度更快、成本更低。…...
在Vibe Coding的语境下,代码不再是开发者亲手雕琢的砖瓦,而是一层被隐藏在黑盒之下的数字劳动力。 但Vibe Coding的信徒们信奉的是,如果AI能在10秒内重写整段逻辑,那么代码的可读性将毫无意…...
A:R-WoM(检索增强世界模型)是由罗格斯大学和AWS团队开发的新型AI系统,它能让人工智能在执行计算机操作前先"想象"可能的结果,同时查阅最新的操作手册和教程来确保预测的准确性,就像给AI装上了一个会...
据 Anthropic 介绍,Claude Haiku 4.5 的编码性能可与中高端模型 Claude Sonnet 4(这是Anthropic 于 5 个月前发布的模型)相媲美,但成本更低,每百万输入 …...
如果各位读者从事涉及代码相关的工作,应该很能察觉到近两年 AI 编程能力的进化幅度,GPT-5 和 Gemini 2.5等最新前沿大模型已经让开发者在实际任务中一定程度实现了自动化,近期发布的 Sonne…...