OpenAI 让 ChatGPT 更安全：青少年专属保护措施
OpenAI 推出针对青少年的 ChatGPT 安全保护措施，包括适龄学习工具、家长控制功能和专家合作，提升青少年使用体验。
#评测/基准
#评测/基准
今日 0 条OpenAI NewsAI 评分3535
Hugging Face Blog精选AI 评分7272 Hugging Face发布Real World VoiceEQ：衡量语音AI的人类质量
Hugging Face发布了Real World VoiceEQ基准，用于评估语音AI的人类质量，包括ASR、TTS、S2S和语音理解等多个维度，旨在衡量语音AI在实际对话中的表现。
推荐理由：原文提出了一个评估语音AI人类质量的新基准，读者可以了解其对语音AI发展的影响。
Hugging Face BlogAI 评分4343 ScarfBench：评估 AI 智能体企业 Java 框架迁移能力的基准测试
Hugging Face 推出开源基准 ScarfBench，用于评估 AI 智能体在 Spring、Jakarta EE 和 Quarkus 间的 Java 框架迁移能力。该基准包含 34 个应用和 204 项任务，强调构建、部署及行为验证而非仅代码生成。目前最强智能体的行为成功率不足 10%，且存在自我评估过度自信的问题。
OpenAI NewsAI 评分4242 OpenAI 通过大规模核心转储分析修复 18 年老bug
OpenAI 工程师利用大规模核心转储分析技术，成功调试了罕见的底层基础设施崩溃问题，揭示了硬件故障和长期存在的软件bug。
OpenAI NewsAI 评分4040 OpenAI 推出 GeneBench-Pro：基因组学 AI 性能新基准
OpenAI 推出 GeneBench-Pro，用于评估 AI 在基因组学、生物学和科学研究中的性能，采用真实世界数据集进行复杂基准测试。
Hugging Face BlogAI 评分5353 Hugging Face 与 Treble Technologies 推出首个开源远场 ASR 排行榜 FFASR
Hugging Face 联合 Treble Technologies 发布首个开源、社区驱动的远场自动语音识别（ASR）排行榜 FFASR，旨在评估模型在混响和噪声等真实声学条件下的表现。
OpenAI NewsAI 评分3535 ChatGPT GPT-5.5 Instant 升级：提升健康智能与医疗响应
OpenAI 推出 ChatGPT GPT-5.5 Instant 升级版，增强医疗健康问答能力，通过强化推理、优化上下文理解、清晰沟通及医生指导评估，提升用户健康咨询体验。
OpenAI NewsAI 评分4040 OpenAI 推出 LifeSciBench 评测基准
OpenAI 推出 LifeSciBench 评测基准，旨在评估 AI 系统在处理真实生物科学研究和决策任务时的表现。该基准由专家撰写和评审，为 AI 在生命科学领域的应用提供评估标准。
Google ResearchAI 评分4545 Gemini 研究如何利用 AI 帮助用户理解皮肤状况
Google Research 的 Gemini 团队通过一项大规模定量研究，展示了 AI 辅助工具在帮助用户识别皮肤状况和确定下一步行动方面的能力提升。研究显示，使用 AI 工具的用户在识别皮肤状况的准确性上提高了近三倍，但确定下一步行动的准确性提升有限。此外，研究还强调了从受惠社区获取更深入反馈的重要性。
Google Research精选AI 评分7777 Google Research 提出机器学习未学习审计新框架
Google Research 提出了一种新的框架，用于审计机器学习模型的未学习过程，以提高审计的敏感性和准确性。该框架利用正则化 f-Divergence 核测试，可以检测到复杂的数据分布变化，并支持隐私审计和机器学习未学习评估。
推荐理由：原文提出了一个新的框架，用于审计机器学习模型的未学习过程，读者可以了解该框架如何提高审计的敏感性和准确性。
OpenAI NewsAI 评分4545 OpenAI Codex 荣获 2026 年 Gartner 企业 AI 编码代理魔力象限领导者地位
OpenAI 的 Codex 被Gartner评为2026年企业AI编码代理魔力象限领导者，以其创新和大规模部署能力获得认可。
OpenAI NewsAI 评分3535 OpenAI Codex 与 GPT-5.5 协同加速代码审查
OpenAI 的 Codex 与 GPT-5.5 模型结合，帮助 Ramp 工程师在几分钟内而非数小时获得实质性代码审查反馈，显著提升代码审查效率。
OpenAI NewsAI 评分3535 ChatGPT 新安全更新：提升敏感对话中的上下文识别能力
OpenAI 的 ChatGPT 新安全更新增强了在敏感对话中的上下文识别能力，有助于随着时间的推移检测风险并更安全地响应。
OpenAI NewsAI 评分3232 Parameter Golf：探索AI辅助研究的新视角
Parameter Golf活动汇聚了超过1000名参与者及2000份提交，旨在探索在严格约束下的人工智能辅助机器学习研究、编码智能体、量化以及新型模型设计。
OpenAI NewsAI 评分4040 ChatGPT 在 2026 年第一季度用户增长迅速，35 岁以上用户增长最快
ChatGPT 在 2026 年第一季度用户增长迅速，35 岁以上用户增长最快，性别使用更加平衡，标志着更广泛的 AI 主流化应用。
Hugging Face BlogAI 评分4545 vLLM V0 至 V1：在 RL 迁移中先纠正错误再进行纠正
Hugging Face 的 PipelineRL 使用 vLLM 作为推理引擎，在 vLLM V0 至 V1 迁移过程中，通过修复四个问题（处理滚动日志概率、V1 特定的运行时默认值、飞行中的权重更新路径和用于最终投影的 fp32 lm_head）来确保 V1 版本与 V0 版本匹配。
Hugging Face BlogAI 评分4040 Open ASR Leaderboard 引入 Benchmaxxer Repellant，Appen 和 DataoceanAI 提供高质量 ASR 数据集
Open ASR Leaderboard 引入 Benchmaxxer Repellant，Appen 和 DataoceanAI 提供涵盖多种口音的脚本和对话式语音的高质量英语 ASR 数据集。
OpenAI NewsAI 评分3232 OpenAI 推出 ChatGPT 广告自助管理器及优化工具
OpenAI 推出 ChatGPT 广告自助管理器，支持 CPC 投标，并增强测量工具，旨在保护隐私并保持对话与广告分离。
OpenAI NewsAI 评分5050 GPT-5 行为中的个性驱动怪癖：鬼怪输出传播、时间线、根本原因及修复方法
OpenAI 分析了 GPT-5 中个性驱动怪癖的鬼怪输出传播，揭示了时间线、根本原因及修复方法。
OpenAI NewsAI 评分3535 OpenAI 如何在 ChatGPT 中保障社区安全
OpenAI 通过模型安全措施、滥用检测、政策执行和安全专家合作，在 ChatGPT 中保护社区安全。
OpenAI NewsAI 评分4040 OpenAI Responses API 利用 WebSockets 加速智能体工作流程
OpenAI 的 Codex 智能体循环通过 WebSockets 和连接范围缓存，降低了 API 负载并提升了模型延迟。
OpenAI NewsAI 评分5050 OpenAI Privacy Filter：开放权重模型助力文本中个人身份信息检测与编辑
OpenAI推出开放权重模型OpenAI Privacy Filter，用于检测和编辑文本中的个人身份信息（PII），准确率达到业界领先水平。
Hugging Face Blog精选AI 评分7070 QIMMA：首个以质量优先的阿拉伯语LLM评测平台
QIMMA是一个针对阿拉伯语LLM的评测平台，通过质量验证和代码评估，为阿拉伯语NLP研究提供了更可靠的数据。QIMMA整合了14个源基准的109个子集，涵盖了7个领域，包括文化、STEM、法律、医疗、安全、诗歌和文学以及软件开发。
推荐理由：QIMMA是一个针对阿拉伯语LLM的评测平台，通过质量验证和代码评估，为阿拉伯语NLP研究提供了更可靠的数据。
OpenAI NewsAI 评分4040 OpenAI ChatGPT Enterprise助力Hyatt提升员工AI能力
Hyatt在全球员工中部署ChatGPT Enterprise，利用GPT-5.4和Codex提升生产力和客户体验。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 EVA 语音智能体评估框架
Hugging Face 发布了 EVA 语音智能体评估框架，旨在评估语音智能体的准确性和用户体验。该框架使用真实对话场景，并提供了基准测试结果。
推荐理由：EVA框架为评估语音智能体提供了全面的评估方法，有助于读者了解语音智能体在准确性和用户体验方面的表现。
OpenAI NewsAI 评分4242 OpenAI 收购 Astral，加速 Codex 成长，助力下一代 Python 开发者工具
OpenAI 宣布收购 Astral，旨在加速 Codex 的成长，为下一代 Python 开发者工具提供动力。Astral 的加入将增强 OpenAI 在开发者工具领域的竞争力。
Google DeepMindAI 评分4848 Google DeepMind 发布 AGI 认知评估框架并启动 Kaggle 黑客松
Google DeepMind 推出基于认知科学的 AGI 进度测量框架，识别感知、推理等 10 项关键能力。该框架提出三阶段评估协议，将 AI 系统表现与人类基线进行对比。为落实理论，DeepMind 联合 Kaggle 启动黑客松，聚焦学习、元认知等五大领域构建评测，总奖金池达 $200,000。
Google ResearchAI 评分3737 Google Research 评估 LLM 在高温超导研究中的表现
Google Research 联合康奈尔大学测试六款大语言模型回答高温超导专家级问题的能力。结果显示，基于受控来源的 NotebookLM 和自定义 RAG 系统表现最佳，优于拥有全网络访问权限的 GPT-4o、Claude 3.5 等模型。该研究旨在探索构建可信科学工具以加速科研发现。
OpenAI NewsAI 评分3535 Codex Security 不依赖传统 SAST 的原因分析
OpenAI 的 Codex Security 采用 AI 驱动的约束推理和验证技术，以减少误报，而非传统安全评估工具 SAST，深入解析其不依赖 SAST 的原因。
OpenAI NewsAI 评分3737 ChatGPT 如何防御提示注入和社会工程学攻击
ChatGPT 通过限制风险行为和保护敏感数据，在智能体工作流程中防御提示注入和社会工程学攻击。
OpenAI NewsAI 评分3737 OpenAI IH-Challenge 提升前沿 LLM 指令层次结构
OpenAI 推出的 IH-Challenge 训练模型优先执行可信指令，提升指令层次结构，增强安全可控性和抵抗提示注入攻击的能力。
Hugging Face Blog精选AI 评分7070 16个开源异步强化学习库的比较分析
某研究机构对16个开源异步强化学习库进行了详细比较分析，包括架构设计、缓冲区设计、权重同步协议、陈旧数据管理、部分回滚处理、LoRA支持以及分布式训练后端等方面，为理解和实现异步强化学习库提供了重要参考。
推荐理由：原文详细比较了16个开源的异步强化学习库，分析了它们在架构设计上的异同，对了解异步强化学习库的设计和实现有重要参考价值。
OpenAI NewsAI 评分4242 OpenAI 推出 CoT-Control：推理模型难以控制思维链，监控成为 AI 安全保障
OpenAI 推出 CoT-Control，发现推理模型难以控制思维链，强调监控在 AI 安全中的重要性。
OpenAI NewsAI 评分4545 OpenAI 与太平洋西北国家实验室合作推出 DraftNEPABench 基准测试，加速联邦许可审批
OpenAI 与太平洋西北国家实验室合作，推出 DraftNEPABench 基准测试，旨在评估 AI 编码智能体在联邦许可审批中的应用，有望将 NEPA 起草时间缩短 15%，并现代化基础设施审查。
OpenAI NewsAI 评分3737 OpenAI 停止评估 SWE-bench Verified 的原因
OpenAI 分析发现，SWE-bench Verified 评测基准存在测试缺陷和训练泄露问题，因此不再进行评估，并推荐使用 SWE-bench Pro。
OpenAI NewsAI 评分3737 GPT-4 参与First Proof数学挑战，测试研究级推理
OpenAI 的 GPT-4 模型参与了 First Proof 数学挑战，旨在测试其在专家级问题上的研究级推理能力。
OpenAI NewsAI 评分4747 OpenAI 构建实时访问系统：Sora 和 Codex 访问扩展
OpenAI 开发了一款结合速率限制、使用跟踪和信用积分的实时访问系统，以支持 Sora 和 Codex 的持续访问。该系统旨在解决访问限制问题，提高用户访问效率。
Hugging Face Blog精选AI 评分6565 OpenEnv 实践：评估工具使用智能体在真实环境中的表现
OpenEnv 是 Meta 和 Hugging Face 开发的一个开源框架，用于评估 AI 代理在真实系统中的表现。Turing 贡献了一个生产级的日历管理环境，用于研究工具使用代理在现实约束下的表现。
推荐理由：OpenEnv 提供了一个评估 AI 代理在真实环境中的表现的平台，通过 Calendar Gym 等工具，可以更全面地了解代理的局限性和改进方向。
Hugging Face Blog精选AI 评分6767 Hugging Face 推出社区评测功能，打破黑盒排行榜的信任危机
Hugging Face 推出社区评测功能，允许用户提交和查看模型评测结果，打破黑盒排行榜的信任危机。
推荐理由：Hugging Face 推出社区评测功能，允许用户提交和查看模型评测结果，有助于提高评测的透明度和可信度。
OpenAI NewsAI 评分3030 OpenAI 退役 GPT-4o、GPT-4.1、GPT-4.1 mini 和 OpenAI o4-mini
OpenAI 宣布将于 2026 年 2 月 13 日退役 GPT-4o、GPT-4.1、GPT-4.1 mini 和 OpenAI o4-mini，这些模型将从 ChatGPT 中移除，API 无变化。