Import AI 461：“对齐并未走上正轨”；FrontierCode；以及合成研究实习生

一家名为Sequent的新型非盈利研究组织由英国AI安全研究所和一致性理论初创公司Timaeus的研究人员共同成立，旨在开发用于超级智能AI系统的一致性技术。Sequent计划初步筹集1亿至1.5亿美元，并扩展至40至80名员工，探索包括可扩展监督、学习理论、启发式论证、博弈论和角色形象在内的多元化研究方向，以实现对一致性的有原则的信心。Devin的开发商Cognition发布了FrontierCode，一个包含150个任务的编码基准测试，分为三个难度等级（Diamond、Main、Extended），衡量代码质量、可合并性以及对代码库标准的遵循程度；Claude Opus 4.8在Diamond等级上仅达到13.4%，表明仍有很大提升空间。小米推出了MiMo-V2.5-Pro-UltraSpeed，这是一个拥有1万亿参数的大型语言模型，在配备8个GPU的普通节点上使用FP4量化、通过DFlash进行的投机性解码以及来自初创公司Tile AI的TileRT软件，实现了每秒1000个token的推理速度。来自西安交通大学和西安电子科技大学的研究人员开发了AARR（Act As a Real Researcher，像真正的研究员一样）基准测试，从AARRI-Bench开始，用于评估AI系统在入门级研究任务上的表现；表现最好的系统是搭载了Mini-Swe-Age的Claude-Opus-4.7，在科学类场景中得分为42.13%。