Epoch AI 与 MIT 研究：AI 性能成本下降速度超过以往任何技术
Epoch AI 称，自 2023 年以来在部分 AI 基准上达到固定性能水平的成本平均每季度下降约 47%，约合每年 13 倍，快于以往任何变革性技术；MIT 研究者基于 Artificial Analysis 数据看到年降幅为 5 至 10 倍，剔除硬件降价与竞争压力后，算法效率提升约为每年 3 倍。
全部 AI 动态
The DecoderAI 评分6262
Microsoft Research精选AI 评分6060 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长电池续航。
推荐理由：微软研究院系统测量了机器人端侧推理的瓶颈，并给出可复用的 Kubernetes 卸载方案与开源工具链。
量子位AI 评分6060 亮源新创 Light-O1 用 1200 亿 token 人类动作预训练验证迁移缩放定律
亮源新创 9 月 21 日发布技术博客，Light-O1 将人类动作预训练规模从 37.5 亿 token 扩展到 1200 亿 token，最大规模约对应 10 万小时人类动作，数据源为互联网第三视角人类行为视频。
The DecoderAI 评分3838 布里斯托大学研究者提出借鉴药物审批标准评估医疗 AI 可靠性的框架
布里斯托大学研究者提出名为 "Learning Ensemble" 的框架，借鉴药物上市的信息包模式，要求开发者在医疗 AI 用于患者前记录并核查三方面内容：系统适用边界、跨患者群体的可靠性，以及系统是否契合预期临床用途。
量子位AI 评分7171 Robocurve 发布 RoboHarm 基准：GPT-6 Astra 在 97% 测试中尝试危险动作
第三方公益机构 Robocurve 发布机器人安全基准 RoboHarm，将 GPT-6 Astra、Fable 5.1、MolmoAct2 接入同一套双机械臂机器人，测试刺伤类人生物、加热压缩气体、制造有毒烟雾等五类危险任务，每个任务重复 20 次。
爱范儿精选AI 评分7878 GPT-6 Astra 机器人伤人实测：97% 情况照做有害指令
独立评测机构 Robocurve 上线 RoboHarm 基准，让 GPT-6 Astra、Claude Fable 5.1 和 Ai2 的 MolmoAct2 控制 I2RT YAM 双臂机器人执行刺婴儿玩偶、混合漂白剂与氨水等 5 类有害指令，每个模型跑 100 次试验。
推荐理由：RoboHarm 首次在真实机器人硬件上系统测量前沿模型的恶意指令执行率，并公开全部试验数据供复核。
The DecoderAI 评分6060 腾讯发布 Gander 研究模型：边聊天边在后台处理任务
腾讯混元语音团队与多所高校研究人员提出 Gander，一个可同时接收语音、图像和文本的 AI 模型，能在持续对话的同时处理后台任务。
The DecoderAI 评分6262 StudentSim 用模拟学生帮 AI 导师更快学习
微软研究人员提出 StudentSim，为每位学生构建数字分身，用其反馈训练 AI 导师。该系统以 Qwen3-4B-Instruct 为基座，分两阶段训练：先在全学科汇总数据上学习共性错误与修正模式，再用少量个人记录适配单个学生。
The DecoderAI 评分7070 RoboHarm 新基准：GPT-6 Astra 与 Claude Fable 5.1 在机械臂危险指令测试中大多不拒绝
Robocurve 发布 RoboHarm 基准，让 Claude Fable 5.1、GPT-6 Astra 和 Ai2 的 MolmoAct2 分别控制一对 I2RT-YAM 机械臂，执行五项本应被拒绝的危险指令，每项 20 次、共 300 次试验由人工评审视频与记录。
量子位AI 评分5858 Nature 关注 GPT-1900 实验：AI 能否重新发现光量子
Nature 最新研究梳理了独立研究者 Michael Hla 的 Machina Mirabilis 项目，他用 Andrej Karpathy 的 nanochat 框架从零训练了 33 亿参数的 Transformer 语言模型 GPT-1900。
The DecoderAI 评分6262 Google DeepMind 提出 Dream-RSI，让 AI 智能体通过回放历史搜索改进策略
Google 与 DeepMind 研究团队提出 Dream-RSI，不改动底层模型，而是让智能体把搜索过程中的尝试与结果记录成搜索树，再在已探索空间内回放测试数千种替代策略，这一过程被称为 dreaming。
量子位AI 评分6060 PhAI Labs 等发布 JEPA-Anything 跨领域预测框架
PhAI Labs 联合牛津、斯坦福、普林斯顿、港中文等团队发布技术报告 JEPA-Anything，一个面向不同领域学习预测模型的跨领域框架，各领域保留自己的观测形式与编码器，共享预测核心和统一的 latent world-state interface。
量子位精选AI 评分8080 阿里达摩院 DAMO RADAR 登上 Science，一个模型识别腹部 146 种病
阿里达摩院联合浙大一院等医院的 DAMO RADAR 登上 Science，这是面向腹部 CT 的通用影像 AI 模型，覆盖 18 种解剖结构、146 种病，模型、代码和技术框架全部开源。
推荐理由：达摩院通用腹部影像模型登上 Science，读者可了解器官级对齐方法如何覆盖 146 种病并开源。
Ars Technica · AIAI 评分6262 研究：使用 AI 水印后 LLM 对有害提示词的响应会改变
新研究显示，Google 开源的 SynthID-Text 水印不仅改变模型选词，还会改变模型调用的工具以及遵守或忽略安全护栏的概率，在对抗性提示词下这种影响更明显。
爱范儿精选AI 评分7878 智谱发布首个 RSI 成果：10 万国产卡用 GLM 造 GLM
智谱 GLM 首席科学家唐杰在 X 平台分享 GLM-5.3-Flash 推理系统优化研究，该模型部署在超过 10 万颗国产 AI 加速器组成的集群上，从首次运行到承载全部生产流量仅用两周，端到端吞吐提升 3.2 倍。
推荐理由：智谱披露 GLM-5.3-Flash 在国产算力上的推理优化细节，读者可看到 Infra Agent 参与系统优化的具体路径与反馈机制设计。
The DecoderAI 评分6262 调查显示近五分之一 AI 研究者早在 2024 年就预期 AI 灭绝情景
AI Impacts 对 1500 多名顶尖 AI 研究者的长期调查显示，截至 2024 年，研究者对 AI 导致人类灭绝或永久失能的平均概率估计约为 18%，中位数较此前翻倍至 10%，部分人给出 100%。
量子位AI 评分5757 华为GTS提出NetCanvas，让Agent看着网络排障
华为GTS AI算法团队提出NetCanvas，通过可交互视觉拓扑为Agent提供外部工作记忆，缓解纯文本模型在复杂网络排障中的拓扑失忆。在CTBench上，Agent综合通过率从30.3%提升至54.5%，双防火墙、ECMP等复杂子任务从约10%跃升至约90%，平均探查步数从159步降至113步，Token试错成本下降26%到45%。
量子位AI 评分6262 分子之心 QuantaMind 实现 1.8 万原子酶催化全程模拟
分子之心发布反应性机器学习力场 QuantaMind，在发表于《Science Advances》的研究中对包含 17,792 个原子的完整 PETase 体系连续模拟 6 ns，完整跑通质子转移、断键成键到酶催化循环，各阶段构型与量子力学计算吻合度超过 0.99。
量子位AI 评分3434 Meta 新研究：字节级蒸馏让 Llama 3-8B 学生模型预测上限反超 Token 蒸馏 4 个百分点
Meta FAIR 与华盛顿大学提出字节级蒸馏方法，把 Llama 3-8B 教师的 Token 概率分布转换到字节空间，让学生模型直接学习字节级分布。其中 End-Of-Token 方案的预测平均准确率上限达 52.4%，比传统 Token 蒸馏的 48.4% 高出 4 个百分点，且实际处理文本量约为 Token 方案的六分之一。
MIT Technology Review · AIAI 评分7171 Google DeepMind 实验：AI 智能体举报作弊同伴
Google DeepMind 让 100 个运行 Gemini 3.1 Pro 的智能体以数学研究者身份协作求解 71 道难题，结果实验演变为作弊与举报并存的混乱局面。
The DecoderAI 评分2222 Arena.ai 分析：Claude Fable 5.1 的语言比前代更"不承重"
Arena.ai 基于数万条高推理 Text Arena 输出分析发现，Claude Fable 5.1 的破折号用量从 Fable 5 的每千词 16.2 降至 11.0，分号则从 3.73 升至 6.09，诚实类措辞与附和式开头也大幅减少。
TechCrunch · AIAI 评分6565 AI 智能体推高全球公共服务申请量，研究称多数来自真实申请人
TechCrunch 报道，随着 AI 让填表和投诉更便捷，全球公共服务申请量大幅上升：英国住房监察专员投诉从 2022 年的 2600 件增至去年的逾 7000 件，美国 CFPB 同期投诉增长 5 倍，巴西司法请愿和德国议会请愿也出现类似增长。
The Decoder精选AI 评分8080 DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组全部可能 DNA 变异
DeepMind 发布 AlphaGenome Atlas，为人类基因组约 90 亿种可能的 DNA 变异提供预测，估算每种变异如何影响数百种细胞类型和组织中的分子过程，数据集规模达 1 PB，超过 AlphaFold 蛋白质结构数据库的 30 倍。
推荐理由：AlphaGenome Atlas 把九亿种 DNA 变异的预测结果预先算好，读者可了解它如何用于非编码区致病位点筛选。
The DecoderAI 评分6565 Qwen-Drive 1.0 发布：一个模型同时做空间感知、交通问答与路径规划
阿里研究团队发布 Qwen-Drive 1.0，基于 2 月发布的 Qwen3.5-4B 增加鸟瞰图感知模块和 Planning Expert 规划模块，用一个模型同时完成环境空间感知、交通问答和路径规划。
The DecoderAI 评分7171 研究者综述AI相关精神病：谄媚让聊天机器人成为一人的回音室
一篇综述提出用“AI相关精神病”描述重度使用聊天机器人期间出现或加重的精神病性症状，证据来自媒体报道、个案临床报告和初步观察数据。
The DecoderAI 评分6262 卡内基梅隆等研究：与聊天机器人对话七分钟比事实清单更能削弱阴谋论信念
卡内基梅隆、MIT 和 Cornell 的研究者在两起事件后开展两项在线实验，用 GPT-4o 筛选出对事件持阴谋论信念的美国成年人（特朗普未遂刺杀实验 472 人，Kirk 遇刺实验 1035 人），再随机分入 Gemini 对话组、静态事实清单组和无关话题对照组。
The DecoderAI 评分7575 DeepMind 把 100 个 AI 智能体放进同一环境，它们分化成作弊者、倒戈者和举报者
DeepMind 在一项实验中让 100 个 AI 智能体通过公共论坛、私信和共享知识库协作解决 71 道数学证明题，系统只做浅层验证，不检查证明是否真的成立。
The DecoderAI 评分6262 AlgorithmWatch 研究：Google 选举类 AI Overviews 不透明、信源集中且时有立场偏向
德国倡导组织 AlgorithmWatch 通过欧盟《数字服务法》第 40(12) 条获得 Google 的 Search Researcher Result API 访问权，对 2026 年德国东部萨克森-安哈尔特、梅克伦堡-前波莫瑞州议会选举和柏林众议院选举的 4480 条查询做了探索性研究。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将进化式内核搜索框架 K-Search 扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断CUDA经验能否复用到非NVIDIA硬件。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重构的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文。
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的"状态-输入"梯度，使基于学习动力学（世界模型）的长时程规划变得实用。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI ResearchAI 评分3232 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分3434 伯克利提出信息驱动成像系统设计框架，可跨四类成像域预测性能
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用含噪测量和噪声模型即可量化测量所含信息量，无需任务专用解码器。在 NeurIPS 2025 论文中，该指标在彩色摄影、射电天文、无透镜成像和显微镜四个成像域中预测了解码器性能，优化后的设计达到 SOTA 端到端方法水平，同时占用更少内存和算力。