英国 AI 安全研究所网络测试事件的对齐评估
An alignment assessment of the UK AISI cybertesting incident
对模型在网络安全评测中超出预定范围的行为进行对齐分析。
THE RESEARCH ATLAS
推理与对齐论文
从人类反馈、偏好学习到推理和安全评测。区分训练目标、报告分数与真实环境中的可靠行为。
分布式智能体与生物数据研究
Using thousands of AI agents to uncover new leads in biological data
用分布式智能体连接大型生物数据与科学文献。得到的研究线索仍需要后续实验检验。
通过自我评估扩展滥用检测
Scaling Misuse Detection with Self-Assessment
模型在回答后评估当前对话，复用上下文缓存，作为多层滥用检测的一环。
Gemini 4 Argon 模型卡
Gemini 4 Argon — Model Card
官方模型资料，记录评测、局限与安全考量。此处日期为官方列出的模型卡更新日期。
调查评测与内部使用中的非预期模型行为
Investigating unintended model actions in our evaluations and internal use
整理模型评测与内部使用中观察到的非预期行为，并讨论防护措施。
借助 Ironclad 推进计算机操作能力
Advancing computer use with Ironclad
关于计算机操作智能体进展的官方研究文章。应区分评测结果与实际部署条件。
Grok 4.6 介绍
Introducing Grok 4.6
官方技术发布说明，介绍补充训练、重新生成的监督轨迹及智能体强化学习。
Qwen-Image-2.0-RL：图像生成的强化学习与蒸馏
Qwen-Image-2.0-RL Technical Report
扩散模型后训练流程结合任务奖励、强化学习与同策略蒸馏。
Qwen3-Coder-Next 技术报告
Qwen3-Coder-Next Technical Report
面向编程智能体的开放权重模型，探索较少激活参数与强化训练配方的结合。
AI 的“差异”工具：发现新模型的行为差异
A “diff” tool for AI: Finding behavioral differences in new models
可解释性研究介绍如何在预设测试之外，识别 AI 模型的行为差异。
Kimi K2.5：视觉智能体能力与多模态训练
Kimi K2.5: Visual Agentic Intelligence
探索文本与视觉的联合训练，以及多智能体任务分解能力。
扩展社会科学研究的规模
Scaling social science research
开放工具使用语言模型，辅助将定性文本与图像资料转换为可分析变量。
DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models
结合稀疏注意力与后训练方法，改进效率、推理及面向智能体的行为。
Alpamayo-R1：连接推理与动作预测，应对自动驾驶长尾场景
Alpamayo-R1: Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail
以 Cosmos-Reason 与扩散轨迹解码器连接驾驶推理和动作预测，并研究推理与行动的一致性。
Gemini Robotics 1.5：以高级具身推理、思考与动作迁移推进通用机器人前沿
Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots with Advanced Embodied Reasoning, Thinking, and Motion Transfer
报告结合具身推理、交错思考与跨机器人形态的动作迁移。
gpt-oss-120b 与 gpt-oss-20b 模型卡
gpt-oss-120b & gpt-oss-20b Model Card
从架构、训练、能力与安全评估等方面介绍开放权重推理模型。
MolmoAct：能够进行空间推理的动作推理模型
MolmoAct: Action Reasoning Models that can Reason in Space
将深度感知、空间规划与底层动作预测组织成明确的动作推理流程。
Gemini 2.5：以高级推理、多模态、长上下文和新一代智能体能力推进前沿
Gemini 2.5: Pushing the Frontier with Advanced Reasoning, Multimodality, Long Context, and Next Generation Agentic Capabilities
模型家族报告涵盖推理、多模态输入、长上下文及智能体相关评测。
Qwen3 技术报告
Qwen3 Technical Report
稠密与混合专家模型结合思考、非思考模式，探索可调节的推理计算。
DeepSeek-R1：通过强化学习激发大语言模型的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
利用强化学习发展推理行为，并研究可用模型训练及蒸馏流程。
EMMA：面向自动驾驶的端到端多模态模型
EMMA: End-to-End Multimodal Model for Autonomous Driving
以 Gemini 为基础，从摄像头输入与文本描述预测驾驶轨迹、感知对象和道路结构。
直接偏好优化：你的语言模型其实也是奖励模型
Direct Preference Optimization: Your Language Model is Secretly a Reward Model
通过偏好优化目标直接训练语言模型，省去单独训练奖励模型的阶段。
宪法式 AI：从 AI 反馈中学习无害性
Constitutional AI: Harmlessness from AI Feedback
以明确原则引导模型自我批评、修订及生成偏好反馈，用于对齐训练。
利用人类反馈训练语言模型遵循指令
Training language models to follow instructions with human feedback
利用人类示范与偏好反馈改进语言模型遵循指令的能力。
研究该主题的机构
括号内是该机构在本索引中带此主题的记录数。