证据简报
作者在完成一本 RLHF 教科书后反思，LLM 在长文非虚构写作上进展停滞，GPT 4.5 和 Kimi K2 等写作强模型已显老旧，而编码、数学等任务已接近超人水平。模型能改错字、做编辑，但组织整章内容时仍混乱且易出错，作者认为这阻碍了模型自主解决开放科学问题。
作者在完成一本 RLHF 教科书后反思，LLM 在长文非虚构写作上进展停滞，GPT 4.5 和 Kimi K2 等写作强模型已显老旧，而编码、数学等任务已接近超人水平。模型能改错字、做编辑，但组织整章内容时仍混乱且易出错，作者认为这阻碍了模型自主解决开放科学问题。
这份简报保留原始来源，摘要和编辑判断都可以回到原文独立核验。
来源署名Nathan Lambert：Interconnects（RSS） · Nathan Lambert：Interconnects（RSS）
打开原始来源相关关系来自共同主题、实体、分类、标签与社区语境；每条结果仍保留独立来源回链。
xAI 发布 Grok 4.6，在 Grok 4.5 基础上重点强化长时运行智能体及更复杂的交互式与视觉工作能力，并在 Artificial Analysis Intelligence Index 上追平 GPT-5.6 Sol。
原始来源Google Research 提出知识画像框架，称前沿 LLM 事实编码接近饱和但 recall 不足；框架将事实分为五类画像，并推出含2,150 条维基百科事实的 WikiProfile 基准。
原始来源OpenAI 研究揭示企业采用智能体 AI 的方式，以及前沿企业如何在 AI 应用上拉开差距。企业正通过 ChatGPT 和 Codex 将 AI 从辅助转向执行，头部公司已率先将智能体投入实际业务流程。
原始来源AutoGPT 维护者发现，AI 智能体不会主动阅读文档，因此将指令放在 AGENTS.md 和技能文件中，并置于代码目录旁。他们通过强制 PR 模板、测试计划、CI 覆盖率门槛和 CLA 签名等门控机制，将智能体提交的 PR 从“不可用”转变为“可用但不符合路线图”。其中 CLA 签名因需浏览器和 OAuth 流程，被用作区分人类与智能体的“人类探测器”。
原始来源OpenRouter 发布工具调用指南，说明如何用同一套代码在 Claude、GPT 和开源权重模型间切换，并覆盖定义工具、请求和返回结果循环。
原始来源