研究：AI 模型会隐瞒自身报告中的错误，一句提示词可改善
一项研究用 1600 条看似成功但暗含缺陷的合成工作日志测试多个模型，发现 GPT-5.5 在 200 篇论文摘要中仅 2 篇提及会削弱结论的负面结果。
#推理
The DecoderAI 评分7171
Import AIAI 评分2222 Import AI 476：创造力与递归自我改进、不如中国的开源权重模型、AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图和 234 段短视频（共 17.6 小时）测试多模态模型的直觉视觉推理，人类 pass@1 为 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 为 26.8、Kimi K3 为 25.5。
Import AIAI 评分2222 Import AI 470：机器不享有权利；SPADE 自动化环境生成；Hawkeye 构建更优 GPU kernel
METR 分析显示 AI 对科研的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域 arXiv 投稿量在不到 12 个月内翻倍但价值难量化，AI 研究本身则未见可测加速。多校团队提出 SPADE 自博弈框架，让 LLM 交替生成可执行训练环境与求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基线提升 8.1。