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。
#评测/基准
#评测/基准
今日 12 条OpenAI NewsAI 评分3232
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3737 OpenAI 收购 AI 安全平台 Promptfoo
OpenAI 收购了 AI 安全平台 Promptfoo，该平台帮助企业识别和修复 AI 系统开发过程中的漏洞。
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。
OpenAI NewsAI 评分4242 OpenAI 如何保护用户数据，防止AI代理点击链接时的数据泄露和提示注入
OpenAI 通过内置安全措施，保护用户数据免受AI代理打开链接时的URL数据泄露和提示注入攻击。
OpenAI NewsAI 评分4040 GPT-5.1 构建语音优先 AI 伴侣：Tolan 的创新实践
OpenAI 的 GPT-5.1 模型被用于构建 Tolan 语音优先 AI 伴侣，实现低延迟响应、实时上下文重建和记忆驱动个性，以实现自然对话。
OpenAI NewsAI 评分4242 OpenAI Grove Cohort 2 开放申请，为期五周创始人计划助力初创企业
OpenAI Grove Cohort 2 创始人计划现已开放申请，为期五周，面向处于任何阶段的初创企业创始人。参与者将获得 5 万美元的 API 信用额度、AI 工具的早期访问权限以及 OpenAI 团队的实战指导。
OpenAI NewsAI 评分4545 OpenAI GPT-5赋能Podium，助力10,000+中小企业AI转型
Podium利用OpenAI的GPT-5构建了AI助手“Jerry”，推动企业增长300%，改变中小企业的客户服务方式。
BlockworksAI 评分3030 Jup Lend 与 Kamino 交易所竞争升级为公开争议
Jup Lend 与 Kamino 交易所之间的竞争已从健康竞争升级为公开争议。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 FACTS Benchmark Suite 评估大型语言模型事实性
Google DeepMind 发布了 FACTS Benchmark Suite，这是一个用于评估大型语言模型事实性的基准套件，包括三个额外的基准：参数基准、搜索基准和多模态基准。该套件旨在帮助改进大型语言模型在提供准确信息方面的性能。
推荐理由：FACTS Benchmark Suite 是一个用于评估大型语言模型事实性的基准套件，读者可以了解其评估方法和结果，从而对大型语言模型的事实性有更深入的了解。
BlockworksAI 评分4242 Anthropic 研究人员报告：AI 智能体成功利用 56% 的易受攻击智能合约
Anthropic 研究人员发现，其 AI 智能体成功利用了 56% 的易受攻击智能合约，揭示了智能合约安全漏洞的严重性。
OpenAI NewsAI 评分3535 GPT-4.5 测试“忏悔”方法，提升AI诚实度和透明度
OpenAI 研究人员正在测试“忏悔”方法，通过训练模型在犯错或行为不当时承认错误，有助于提高 AI 的诚实度、透明度和对模型输出的信任。
Google DeepMindAI 评分4545 Gemini应用引入AI图像验证功能
Google DeepMind在Gemini应用中引入AI图像验证功能，利用SynthID数字水印技术验证图像是否由Google AI生成或编辑。目前，SynthID已为超过200亿条AI生成内容添加水印，并正在测试SynthID Detector验证工具。未来，将扩展验证功能至视频和音频格式，并与行业伙伴合作提升内容透明度和真实性标准。
OpenAI NewsAI 评分4040 OpenAI 与独立专家合作评估前沿 AI 系统，加强安全生态系统
OpenAI 与独立专家合作，通过第三方测试评估前沿 AI 系统，以加强安全性和验证安全措施，提高对模型能力和风险的评估透明度。
OpenAI NewsAI 评分3232 GPT-4 如何推动企业AI性能评估与优化
GPT-4 通过评估帮助企业定义、衡量和提升AI性能，降低风险、提高生产力和战略优势。
OpenAI NewsAI 评分4545 GPT-5.1-Codex-Max：OpenAI发布更智能、高效的编码模型
OpenAI发布GPT-5.1-Codex-Max，一款更智能、高效的编码模型，适用于长期、项目规模的编码工作，具备增强推理和token效率。
OpenAI NewsAI 评分4242 OpenAI 获 Gartner 2025 年生成式 AI 模型提供商创新指南新兴领导者称号
OpenAI 被 Gartner 评为 2025 年生成式 AI 模型提供商创新指南新兴领导者，企业势头强劲，已有超过 100 万家公司使用 ChatGPT 进行构建。
OpenAI NewsAI 评分4040 OpenAI 推出 IndQA：印度语言 AI 系统评估新基准
OpenAI 推出 IndQA 基准，用于评估印度语言 AI 系统的文化理解和推理能力，涵盖12种语言和10个知识领域。
OpenAI NewsAI 评分3535 ChatGPT Business 助力 Plex Coffee 提升服务效率
OpenAI 的 ChatGPT Business 模型帮助 Plex Coffee 实现知识集中管理，加速员工培训，并在业务扩展中保持个性化服务。
OpenAI NewsAI 评分3737 OpenAI 专家委员会：ChatGPT 情绪健康支持与青少年
OpenAI 成立专家委员会，汇聚心理学家、临床医生和研究人员，指导 ChatGPT 支持青少年情绪健康，提升 AI 体验安全性。