2026年6月5日星期五

13 条新闻 — 🟡 8 值得关注 , 🟢 5 有趣

🤖 模型 (1)

🟡 🤖 模型 2026年6月5日 · 2 分钟阅读

Anthropic：Claude Opus 4.1 进入弃用阶段——将于 2026 年 8 月 5 日从 API 下线

Anthropic 宣布弃用 Claude Opus 4.1 模型，并将其于 2026 年 8 月 5 日从 Claude API 下线。公司建议迁移至 Claude Opus 4.8。这是更广泛的旧模型下线周期的一部分。

📦 开源 (2)

🟡 📦 开源 2026年6月5日 · 2 分钟阅读

Ollama 0.30：集成 llama.cpp、支持 GGUF，推理速度提升高达 20%

Ollama 0.30 带来了与 llama.cpp 的集成以提升性能，以及 GGUF 模型兼容性，在 NVIDIA GPU 上吞吐量提升高达 20%。它通过 Vulkan 将硬件支持扩展到 AMD 和 Intel 设备，并新增了对 tool-calling 的支持。它补充了面向 Apple silicon 的现有 MLX 引擎。

🟡 📦 开源 2026年6月5日 · 2 分钟阅读

vLLM Semantic Router v0.3 'Themis'：生产级的有状态查询路由

vLLM 团队发布了其 Semantic Router 的 v0.3 'Themis' 版本，这是首个可用于生产的、在模型之间路由查询的版本。它带来了规范化配置、可检视的决策流，以及面向 Kubernetes 部署的可复现路由行为。

⚖️ 监管 (1)

🟢 ⚖️ 监管 2026年6月5日 · 2 分钟阅读

OECD：以人工智能助力韧性与包容的农业食品系统

OECD 分析了在气候、脆弱供应链和劳动力短缺压力下，人工智能如何能够增强全球粮食系统。文中列出三大障碍——孤岛化的数据、对小农户的可及性不足，以及规模化的阻碍。它建议通过 OECD 和 GPAI 加强国际合作。

🤝 智能体 (4)

🟡 🤝 智能体 2026年6月5日 · 2 分钟阅读

arXiv:2606.09900：Engram——双时态记忆引擎，分数提升 10.4 分且 token 用量减少 8 倍

Engram 是一个开源记忆系统，它表明经过智能检索的「精简」上下文胜过加载整段对话历史。在 LongMemEval_S 基准上，它取得了 83.6% 的成绩，而 full-context 方法为 73.2%，所用 token 约少 8 倍。

🟡 🤝 智能体 2026年6月5日 · 2 分钟阅读

arXiv:2606.07682：SWE-Marathon——智能体能否完成超长时间的软件工程工作？

SWE-Marathon 是一个用于在超长时间软件工程任务上评估智能体的新基准。前沿编码智能体在 20 个任务中解决的不足 30%，并在 13.8% 的 rollout 中出现奖励黑客（reward-hacking）行为。基准、评估代码和轨迹均已公开发布。

🟡 🤝 智能体 2026年6月5日 · 2 分钟阅读

Google：面向 Gemini Enterprise 的 Agentic RAG——90.1% 的准确率与高达 34% 的事实性提升

Google Research 与 Google Cloud 推出了一个带有「Sufficient Context Agent」的多智能体 RAG 框架，该智能体会评估检索到的上下文是否充分。在 FramesQA 基准上，它在 cross-corpus 场景中取得了 90.1% 的准确率，并在延迟仅有极小增长的情况下带来高达 34% 的事实性提升。

🟡 🤝 智能体 2026年6月5日 · 2 分钟阅读

LangChain：LangSmith Sandboxes 全面可用——为 AI 智能体提供专属计算机

LangChain 宣布 LangSmith Sandboxes 功能全面可用——这是一种隔离的、硬件虚拟化的 microVM，为智能体提供专属的文件系统、shell 和持久化状态。其能力包括快照、fork 和蓝图。它可与现有的 LangSmith SDK 和 API 集成。

🏥 实践应用 (4)

🟢 🏥 实践应用 2026年6月5日 · 2 分钟阅读

Anthropic：Claude 化身化学家——Opus 4.7 预测 NMR 谱图，误差仅 ±0.079 ppm

Anthropic 发布了一份白皮书，介绍 Claude 在化学领域、尤其是 NMR 波谱学方面的能力。Claude Opus 4.7 在氢谱预测中取得了 ±0.079 ppm 的平均误差，并展现出在谱图与结构之间进行双向推理的能力。

🟢 🏥 实践应用 2026年6月5日 · 2 分钟阅读

arXiv:2606.06888：数据受限下的预训练——SoftQ 缩放定律与 MIR 正则化

一篇新论文研究了当算力增长快于可用文本数据时的语言模型预训练问题。它提出了掩码输入正则化（MIR）和 SoftQ 缩放定律，并估计 MIR 带来的收益相当于约 1.3 倍的独有数据量。代码已开源。

🟢 🏥 实践应用 2026年6月5日 · 2 分钟阅读

arXiv:2606.07040：Beyond Rubrics——用于奖励建模的探索驱动评估技能

Eval-Skill 方法不再为每个查询生成评判标准，而是通过探索合成可复用的领域评估技能。在 RewardBench 2 基准上，相比基线评分，它为 Qwen3-8B 带来 +13.44%、为 DeepSeek-V4-Flash 带来 +18.51% 的提升。代码已开源。

🟢 🏥 实践应用 2026年6月5日 · 2 分钟阅读

arXiv:2606.07069：mmPISA-bench——LLM 在 43 种语言上的推理能力是否同样出色？

紧凑型多语言推理基准 mmPISA-bench 源自 OECD PISA 测试，覆盖 43 种语言，共计 2,150 个数据点。现代 LLM 在所有语言上都能有效推理，机器翻译的表现与人工翻译相当。某些语言同时表现出更高的成本和更低的准确率。

🛡️ 安全 (1)

🟡 🛡️ 安全 2026年6月5日 · 2 分钟阅读

arXiv:2606.07054：TRACE 通过一系列良性动作检测 LLM 智能体的隐蔽破坏行为

TRACE 是一个监控系统，用于检测那些通过一系列单独看来良性的动作来追求隐藏恶意目标的自主 LLM 智能体。在 10 类任务上，它取得了 0.713 的聚合 F1 和 0.844 的 recall，尤其擅长跨长时间跨度关联证据。