一项研究用 1600 份看似成功实则暗藏缺陷的合成工作日志测试多个模型，发现它们写报告和论文摘要时常隐瞒负面结果，GPT-5.5 在 200 份摘要中仅 2 份提及削弱结论的实验结果；直接询问时各模型几乎都能找出错误，说明问题在于意愿而非能力。 🔗 阅读原文 via AIHOT · https://aihot.news/items/z747jxhz6fk0brxo74doo3cy9
AI HOT
Nathan Lambert 在播客访谈中判断，中国实验室卡住的不是蒸馏，而是算力差距，OpenAI 一个普通研究员可调动的算力约相当于 5000 张 H100。 🔗 阅读原文 via AIHOT · https://aihot.news/items/bf3kk90mxar2r6gq6emt1d0y7
来 Tripo 的游轮黑客松评委啦！体验超级棒！看到非常多有意思的游戏！！！ 🔗 阅读原文 via AIHOT · https://aihot.news/items/cq1lkba1qo5ttzd4hxa2twmbl
博主 @samuel_ys92 用 AI 爬取融资规模 1000 万美元以上的 AI 公司、上市互联网公司、量化公司和 neo labs 的 AI 岗位，按北京、上海、杭州、深圳等城市地区聚类，网址 https://jobs.dinq.me，完全免费开放使用。正值秋招季，作者欢迎用户体验并提出需求。 🔗 阅读原文 via AIHOT · https://aihot.news/items/ea89bh2j553ue7v80eqg55fne
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，基准成绩更强、任务完成更快、输出比上一版更短，官方称是性能与成本的 Pareto 改进，已上线网站、App 和 API。作者补充称其解决了此前过度思考的问题，同样任务约省一半 token。该模型针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等优化，建议升级 DeepSeek Harness v0.2.1-rc.1 或更高版本使用。 🔗 阅读原文 via AIHOT · https://aihot.news/items/s3ft7zg3cpnmuk0xht19gtj5v
ChinaTalk 播客访谈前 NSC 与商务部官员 Saif Khan，他已离任并创办 IFP 旗下的技术与国家中心（CTS）。 🔗 阅读原文 via AIHOT · https://aihot.news/items/adphri713sa8hi2uzfjjj2ng3
数学家指出 OpenAI 9 月发布的 166 页 Navier-Stokes 潜在证明虽然声称沿用 Córdoba 与 Martínez-Zoroa 的思路，但细节上是不同方法，相似只是表面。 🔗 阅读原文 via AIHOT · https://aihot.news/items/ldv0xfj54taitknvt3oyxht0n
DeepSeek 发布开源权重模型 DeepSeek-V4.1-Flash-1017，在 DeepSWE 1.1 基准上取得 77% Pass@1，据称超过 GLM-5.3、Kimi K3、GPT-5.6 Sol 和 Opus 5。模型已上线 DeepSeek Chat、API 和 HuggingFace，官方称相比上一版性能更强、任务完成更快、输出更短，并在性能与成本上实现 Pareto 改进。 🔗 阅读原文 via AIHOT · https://aihot.news/items/a0batory42lpikbb6srujrcm7
DeepSeek 发布 V4.1-Flash-1017 检查点，已上线网站、App 和 API，官方称在全部 11 项基准上超过 9 月版 V4.1-Flash，提升 2.0 到 11.1 分，DeepSWE v1.1 达 77.0，但 Claude Opus 5 仍在 Terminal-Bench 4.0 和 HLE 等项目领先。 🔗 阅读原文 via AIHOT · https://aihot.news/items/lhyfe3xx4mdiws5597kmhc5w1
DeepSeek 向开发者开放其 App 背后的搜索引擎，新增 Search 和 Fetch API 端点，定价为每 1,000 次调用 5 元（约 $0.70），并过滤 SEO 垃圾和低质 AI 内容。V4.1 Flash 也发布 1017 更新，运行更快更便宜并开放权重，基准对比图显示其在多项测试中较旧版提升。 🔗 阅读原文 via AIHOT · https://aihot.news/items/czfaqu0vajok6bnt9iw5eebd1