残缺宇宙

针对高权限AI运维智能体，传统语义护栏已不足防范其执行危险操作的风险。需构建三层运行时安全架构：先验证用户意图，拦截恶意请求；再于沙箱中执行并监控生成代码的实际行为，阻断危险动作；最后对输出进行静态合规检查。该架构强调安全重心应从文本过滤转向对智能体“动作”的持续。

近期，一项由复旦大学、上海创新研究院与新加坡国立大学联合主导的研究，在人工智能理解连续视频流这一长期挑战上取得了关键性进展。这项于2026年初发表的研究成果，提出了一套名为HERMES的创新性系统。该系统首次使AI能够像人类一样，流畅地处理源源不断的实时视频画面，并实现真正意义上的“秒级”精准交互与

来自加州大学圣克鲁兹分校、约翰斯·霍普金斯大学、北卡罗来纳大学教堂山分校、加州大学伯克利分校及英伟达的顶尖科学家，于2026年1月联合发布了一项颠覆性AI视觉研究成果。这项以论文arXiv:2601 15369为标志的工作，成功破解了AI视觉领域长期存在的“理解”与“创造”分离难题，为构建统一、高效

想象一下，当你第一次走进一座陌生的大型商场时会怎么做？你可能会先站在入口处，快速扫视整个布局，心中大致规划一条路线——先去二楼的服装区，再到三楼的餐厅，最后到地下停车场。这就是“慢思考”的过程。然后在实际行走中，你会根据眼前的具体情况做出快速反应——避开人群、绕过障碍物、发现感兴趣的店铺时临时调整路

这项由微软研究院与中国人民大学高瓴人工智能学院联合主导、清华大学参与的研究，于2025年1月正式发表于arXiv预印本平台（论文编号：arXiv:2601 16206v1 [cs CL]）。研究揭示了一个突破性发现：当大语言模型（LLM）被赋予一个可自由操作的虚拟计算机环境时，其在多项非编程任务上的