arXiv cs.LG（机器学习）

One Mask to Rule Them All: On Hidden Facts after Editing and How to Find Them

Ali Holmov, Paul Youssef, Nandi Schoots…

本文针对ROME、MEMIT等Transformer知识编辑方法内部机制不明的问题，通过训练紧凑二值掩码定位编辑依赖的权重子集，验证了不同事实编辑共用同一功能权重子空间，且编辑实为抑制而非覆盖原有知识，这也是其无法同步更新关联事实的原因，定位到的公共子空间可用于恶意编辑的检测与防御。

Representation Signatures and Risk-Feedback Alignment in LLM Trading Agents

Weicheng Xue

该文研究大语言模型交易智能体的金融决策对齐特性与表征动态：依托可审计测试床TradeArena开展实验，可精准捕捉模型失效前的可测表征漂移信号；结构化风险反馈无需微调即可作为对齐信号但无普适增益，大模型存在关联资产集中敞口盲区，验证了可审计风险反馈加表征轨迹可有效识别大模型金融推理状态。

Mechanistic origins of catastrophic forgetting: why RL preserves circuits better than SFT?

Jeanmely Rojas Nunez, Viraj Sawant, Nathan Allen…

针对大模型微调易出现灾难性遗忘、已有RL比SFT旧能力保留效果更好的结论缺乏机制解释的问题，该研究提出头级度量“差分电路脆弱性”，在Qwen2.5-3B-Instruct科学问答微调场景下对比发现：SFT任务适配更快但电路破坏、遗忘更严重，RL适配偏慢但保留更多基础电路，这正是RL抗遗忘的机制根源。

OpenAI 官方动态

Boston Children’s uses AI to unlock new diagnoses

OpenAI

波士顿儿童医院引入OpenAI相关人工智能技术落地临床场景，既优化患者诊疗体验、降低院内运营负担，也依托AI对罕见病特征的捕捉优势，目前已辅助完成超40例罕见病病例的诊断，为AI赋能临床诊疗、破解罕见病诊断难的行业痛点提供了可参考的落地实践。

How Braintrust turns customer requests into code with Codex

OpenAI

本文介绍Braintrust的工程提效方案：其工程师将Codex的代码生成能力与GPT-5.5的语义理解能力联动，落地客户需求转代码、开发侧实验验证两大核心场景，大幅压缩需求拆解、代码编写、实验调优的全链路耗时，显著提升研发响应速度与交付效率。

Anthropic News

Introducing Claude Opus 4.8

Anthropic

本次发布的Claude Opus 4.8是Opus级大模型的升级迭代版本。该版本针对性优化了模型能力适配性与长流程运行稳定性，在代码开发、智能体任务、专业领域工作三类核心场景下性能均有显著提升，同时大幅改善了长周期持续任务的处理一致性，可更好支撑高复杂度的长期工作需求。

Introducing Claude Design by Anthropic Labs

Anthropic

Anthropic实验室近日正式推出新品Claude Design。该产品依托Claude大模型的交互能力，支持用户与AI协作完成各类高完成度的可视化内容创作，覆盖场景包括专业设计稿、产品原型、演示幻灯片、单页宣传物料等，可有效降低视觉内容创作门槛，提升相关从业者的工作效率。

Google DeepMind

We’re launching the Google DeepMind Accelerator program in Asia Pacific to tackle environmental risks

Google DeepMind

谷歌DeepMind近期启动亚太区加速器项目，以应对气候、生态等各类环境风险为核心目标，依托自身AI技术积累，扶持亚太地区科创团队、科研机构，聚焦气候灾害预警、生态保护、碳排放管控等场景，研发落地针对性AI解决方案，助力区域提升环境风险防控能力，支撑绿色发展。

Fast-tracking genetic leads to reverse cellular aging

Google DeepMind

本研究聚焦逆转细胞衰老的遗传靶点挖掘需求，科研人员借助智能辅助工具Co-Scientist开展筛选，成功找到多款可有效实现人类细胞复壮的全新调控因子，大幅压缩了衰老相关遗传靶点的研发周期，为后续抗衰干预技术、相关药物的开发提供了全新候选方向。

Hugging Face Blog

Profiling in PyTorch (Part 1): A Beginner’s Guide to torch.profiler

Hugging Face

本文是PyTorch性能剖析模块torch.profiler的新手入门教程首篇，围绕官方内置的该工具展开：梳理其可精准定位算子耗时、CPU/GPU资源利用率、内存异常等模型运行瓶颈的核心能力，讲解基础API配置、结果解读实操步骤，降低新手性能调优门槛，助力开发者快速识别低效代码、优化模型运行效率。

ITBench-AA: Frontier Models Score Below 50% on the First Benchmark for Agentic Enterprise IT Tasks — by Artificial Analysis and IBM

Hugging Face

这份由人工智能分析机构与IBM联合推出的ITBench-AA，是全球首个面向智能体的企业级IT任务评测基准，覆盖真实场景下的IT运维、资源调度等多类任务需求，实测显示当前前沿大模型在该基准的综合得分不足50%，暴露出现有大模型落地复杂企业IT场景的能力短板，也为后续IT领域智能体的研发优化提供了客观参照。

The Gradient

After Orthogonality: Virtue-Ethical Agency and AI Alignment

The Gradient

该文聚焦AI对齐问题，从美德伦理视角反驳“理性主体必须锚定固定终极目标”的主流预设，指出人类理性行动的核心是适配包含行动倾向、评价标准在内的实践网络而非指向单一目标。据此提出AI对齐思路：需让AI决策逻辑匹配人类的实践型行动逻辑，这既利于对齐人类伦理要求，也能保障AI核心安全属性。

AI 每日精选 · 2026-05-30