Excel 新增 =COPILOT() 函数，可在表格中直接分析、生成内容和头脑风暴
北京时间 · UTC+8
Excel 新增 =COPILOT() 函数令人惊喜，直接在单元格中调用 AI 分析数据、生成内容和头脑风暴，无需跳出表格即可完成智能操作。
AIHOT 精选理由微软 CEO 宣布 Excel 新增 AI 函数，办公场景 AI 化落地
AI PRICE SPY / INTELLIGENCE
精选归档
追踪 AI 更新，查看事件时间线和原始信源；需要做购买决策时，再去比价。
精选归档 · 4264
清除筛选当前公开精选集合，保留来源更正和撤回。最后同步：
ARC Prize 发布 ARC-AGI-3 Preview 30天测试总结与Agent竞赛结果
北京时间 · UTC+8
ARC Prize Foundation 总结 ARC-AGI-3 Preview 发布30天的数据：超1200人玩了3900多局游戏，人类大多能通关，AI Agent 进展低效。竞赛冠军 StochasticGoose 得分12.58%、完成18关，前三名Agent均基于智能随机探索；官方指出部分游戏可被暴力搜索破解，未来将按动作效率对人类基线评分并增加撤销按钮、离线引擎等改进。
AIHOT 精选理由原文公布了30天竞赛的完整人类与Agent得分对比，读者可以看到交互式推理基准用动作效率区分人类和AI的具体依据。
Hugging Face 推出 Research Tracker MCP，用自然语言连接 arXiv、GitHub 等研究工具
北京时间 · UTC+8
Hugging Face 发布面向学术研究发现的 Research Tracker MCP，用户可在 huggingface.co/settings/mcp 搜索添加，供 Claude Desktop、Cursor、Claude Code、VS Code 等客户端使用。
AIHOT 精选理由原文把研究检索拆成手动、脚本、MCP 三层抽象，并给出可直接添加的 Research Tracker 入口，便于读者迁移到自己工作流。
inclusionAI/UI-Venus
北京时间 · UTC+8
UI-Venus 是一款本地 UI 智能体，仅以屏幕截图作为输入，即可执行精确的图形用户界面元素定位与高效导航。该代理无需依赖系统底层代码或辅助功能接口，直接通过视觉信息理解界面结构，实现自动化操作。其核心能力在于对任意应用或网页中的按钮、菜单、文本框等元素进行准确识别与交互，提升了跨平台任务执行的通用性与可靠性。
AIHOT 精选理由蚂蚁这个纯截图驱动的 UI Agent 在当时算是早期探索，代码开源可直接用，做 GUI 自动化的值得看看底层怎么实现元素定位和导航。
角色如何改变AI的回答？——Anthropic可解释性团队2025年8月电路分析案例
北京时间 · UTC+8
Anthropic可解释性团队在2025年8月的研究更新中，通过一个电路分析案例展示了模型“角色扮演”如何影响其回答。研究使用Claude Haiku 3.5模型，当系统提示将其设定为“学龄前儿童”并询问“27的平方根”时，模型会以“我不知道！”回应并提议玩耍；而在默认或“研究生”角色下则能给出正确答案。团队通过归因图识别出一个关键子电路：模型能将“学龄前学生”关联到“扮演儿童”，从而激活“我不知道”特征。研究还发现，问题难度会调节此效应，并且通过特征干预能显著改变模型行为。这引发了对其他角色运作机制及预训练角色与模型表达能力关系的后续思考。
AIHOT 精选理由揭示模型角色扮演的内部机制，为可解释性研究提供新视角。
ARC Prize 剖析 HRM 在 ARC-AGI 上取得好成绩的真正原因
北京时间 · UTC+8
ARC Prize 在 ARC-AGI Semi-Private 隐藏集上验证了 Hierarchical Reasoning Model（HRM，27M 参数），ARC-AGI-1 得分 32%，ARC-AGI-2 仅 2%。
AIHOT 精选理由原文用消融实验拆解了 HRM 在 ARC-AGI 上的真实性能来源，指出贡献主要来自外循环精炼而非分层架构。
METR 研究更新：算法评分高估 AI 智能体真实软件工程能力
北京时间 · UTC+8
METR 在 stdlib-js 和 hypothesis 两个仓库的 18 个真实 issue 上评估 Claude 3.7 Sonnet（Inspect ReAct 智能体），按维护者测试用例算法评分成功率为 38%（±19%），但人工评审的 15 个 PR 中没有一个可以直接合并。
AIHOT 精选理由METR 用人工评审对照算法评分，给出量化证据说明测试类基准为何高估智能体的真实软件工程能力。
百川智能发布医疗增强推理模型Baichuan-M2
北京时间 · UTC+8
今天我们推出了 Baichuan-M2，一款医疗增强的推理模型，它在 #HealthBench 基准测试上超越了包括 gpt-oss-120b 在内的所有开源模型。在此试用：https://huggingface.co/baichuan-inc/Baichuan-M2-32B #AIHealth
AIHOT 精选理由百川 M2 是首个明确主打医疗推理的 32B 模型，在 HealthBench 上压过 GPT-OSS，做医疗 AI 应用的可以直接上 HuggingFace 拉下来跑，垂类专精可能比通用巨兽更接地气。
this isn’t just a modeling problem. it’s also a benchmarking problem. spurious correlations are alw...
北京时间 · UTC+8
这不只是建模问题。也是基准测试问题。
AIHOT 精选理由当前多模态模型靠语言捷径'作弊'，真实场景落地将暴露致命隐患
Hugging Face 发布开源无代码工具 AI Sheets，可用开放模型构建和丰富数据集
北京时间 · UTC+8
Hugging Face 发布开源无代码工具 AI Sheets，用类似电子表格的界面通过 AI 模型构建、转换和丰富数据集，可本地部署或部署在 Hub 上，支持通过 Inference Providers 使用 Hub 上数千个开放模型，包括 OpenAI 的 gpt-oss。
AIHOT 精选理由官方开源的无代码数据处理工具，读者可以据此了解如何用电子表格界面做数据生成、分类和模型对比等任务。
AIHOT 精选理由Ethan Mollick 深度解读 GPT-5 自主执行能力，洞察 AI 代理新范式
METR 研究认为尽管存在不忠实，思维链仍可作为监控模型行为的信息来源
北京时间 · UTC+8
METR 复现 Anthropic 的 Claude Sonnet 3.7 与 Claude 4 忠实度评测并提出，当解题所需推理必须用到思维链时，模型在宽松忠实度定义下几乎总是忠实：在 21,272 条轨迹中仅发现 3 条疑似不忠实。
AIHOT 精选理由原文提出宽松忠实度视角并用检测实验支撑，为理解 CoT 监控在什么条件下可靠提供了可检验框架。
OpenAI 在 API 平台推出 GPT-5
北京时间 · UTC+8
OpenAI 宣布在 API 平台推出 GPT-5，面向开发者提供高推理性能和新的开发者控制项，并在真实编码任务上取得同级最优结果。
AIHOT 精选理由官方公告说明 GPT-5 进入 API 平台并面向开发者提供新控制项，读者可据此评估是否迁移现有调用。
GPT-5 系统卡发布，介绍统一模型路由与各版本分工
北京时间 · UTC+8
OpenAI 发布 GPT-5 系统卡，说明其统一模型路由系统由 gpt-5-main、gpt-5-thinking 及轻量版 gpt-5-thinking-nano 等驱动，可按任务与开发者需求提供快速或深度推理响应。
AIHOT 精选理由系统卡解释了 GPT-5 的统一模型路由机制及各变体的分工，有助于理解不同场景下如何选用对应版本。
AIHOT 精选理由原文汇集多位领先开发者首次使用 GPT-5 的实测反应，可提供第一手使用体验参考。
OpenAI 发布 GPT-5
北京时间 · UTC+8
OpenAI 发布 GPT-5，称其为迄今最好的 AI 系统，智能水平较此前所有模型有显著跃升。官方表示 GPT-5 在编码、数学、写作、健康、视觉感知等多个领域具备最先进的性能。
AIHOT 精选理由官方宣布 GPT-5 发布，并点出编码、数学、写作、健康与视觉感知等多个方向的能力提升，可了解其定位。
如何用 LM Studio 在本地运行 gpt-oss
北京时间 · UTC+8
OpenAI 发布 Cookbook 教程，讲解如何在本地硬件上用 LM Studio 运行 gpt-oss。LM Studio 是一款在本地硬件运行大语言模型的桌面应用，教程将引导用户完成本地运行 gpt-oss 的步骤。
AIHOT 精选理由OpenAI 官方 Cookbook 给出在本地硬件用 LM Studio 运行 gpt-oss 的完整步骤，可作为离线部署的操作参考。
AIHOT 精选理由GPT-5 是 AI 史上的分水岭，长上下文和推理能力直接催生了一整代 agent 工具，哪怕过了快一年回头看，仍然值得搞清楚它改变了什么。
AIHOT 精选理由这是 GPT-5 首次以大上下文和推理能力亮相，1M token 上下文让 code agent 直接从 demo 变成可用，现在看虽是旧闻，但节点意义不减。
GPT-5 现已上线
北京时间 · UTC+8
GPT-5 已在 OpenRouter 平台正式推出。该模型具备长上下文处理能力，专门针对复杂推理任务与代码工作流进行了优化。此次发布标志着新一代大语言模型开始接入开放路由网络，为开发者与用户提供更强大的多步骤逻辑处理和编程辅助功能。
AIHOT 精选理由OpenRouter 上架 GPT-5 本身不算新闻，但对用 OpenRouter 做多模型路由的开发者来说，这是终于能切到最新旗舰的信号，值得第一时间跑一遍自己的 benchmark。