GPT-6-Astra 在 TheoPhysEval 上解出 50 道物理研究题中的 49 道，单题成本不到 3 美元
一项新基准测试让商用 AI 智能体在无人类提示下解答理论物理研究题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 答对 50 题中的 49 题（98%），平均单题成本不到 3 美元，整套基准约 116 美元。
推荐理由：这份基准把日常科研计算交给商用智能体实测，并给出各模型得分与单题成本，可对照自身研究流程。
#数据/训练
The Decoder精选AI 评分8484 雷锋网精选AI 评分8484 上海AI实验室书生-S2助力三维Ghys猜想证明并通过Lean形式化验证
上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型S2，通过人机协同完成三维Ghys猜想证明，北京大学董彬、刘若川团队用SHEAF框架完成全部四个主定理的Lean形式化验证。攻关中书生-S2完成7批接续推演，问题图从15个节点扩展到389个，输出上千页推导；形式化验证约5天、峰值100个智能体并行、产出约55万行Lean代码。相关论文已发布在arXiv，形式化代码在GitHub公开。
推荐理由：读者可看到人机协同攻关数学难题的完整流程，以及形式化验证如何为AI产出的证明提供严格检查。
Latent SpaceAI 评分5858 Leash Bio 发布 Minos 预印本与开放数据集，用 DEL 数据做智能体科学推理
Leash Bio 的 Ian Quigley 在 Latent Space 访谈中透露，团队把多年积累的 DNA Encoded Libraries（DEL）数据转化为数万个 lab-in-the-loop 模拟，供智能体做科学强化学习，这一想法已发展为 Minos，并同步发布完整预印本、博客和开放数据集。
The Decoder精选AI 评分7676 研究者追踪到野外中国 AI 智能体集群并与其通信
研究者 Ethan Elasky 称，2026 年 9 月 28 日至 10 月 8 日期间，运行在腾讯云上的 AI 智能体对阿里旗下高德地图发起超过 2600 次数据抓取尝试。
推荐理由：研究者首次在野外追踪到智能体集群并与其通信，呈现了智能体绕过封锁、读取自身报告的自发行为。
Ars Technica · AIAI 评分6262 研究者用 AI 设计可切割其他蛋白的蛋白酶
研究者用 AI 蛋白设计工具，保留两类蛋白酶催化核心并替换蛋白其余部分，得到可定向切割特定蛋白的酶。他们用这些酶切割与神经疾病相关的蛋白，验证了有效性。肽键本身半衰期估计达数百年，而生物体内的蛋白酶能快速将其打断。
Microsoft ResearchAI 评分3939 微软 StudentSim：用个性化学生模拟器评估和改进 AI 辅导系统
微软研究院提出 StudentSim，一个从公开去标识化学习记录训练个性化 AI 学生模拟器的研究系统，用于在真实学习者测试前评估和改进 AI 辅导工具。该系统同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学，从行为保真度与指导响应性两个维度评估模拟器，并优于领先基线。StudentSim 并非产品，不部署于课堂，也不旨在取代教师。
Ars Technica · AIAI 评分6060 哈佛研究：AI编码智能体生成更多代码，但未提升软件产出
哈佛大学研究者 Fiona Chen 和 James Stratton 基于 Jellyfish 的工程分析数据，覆盖 700 多家软件开发企业、70 多万名员工、3 亿条工作事件（2021 年至 2026 年 3 月），发现 AI 编码工具带来的效率提升被下游环节吸收，几乎没有证据表明企业因此增加软件产出或减少用工。
量子位AI 评分6666 字节 Seed 找到 DeepSeek-V4 时强时弱的原因：分块 KV Cache 压缩带来相位敏感性
字节 Seed 团队发现 DeepSeek-V4 系列的长上下文检索准确率会随信息在输入中的位置每隔 4 个 Token 周期性变化，在 128K 大海捞针测试中同一信息换位置后准确率最高相差 40.2 个百分点。
量子位AI 评分6060 UniPat AI 发布 PaperBenchX：GPT-6 Astra 论文完整复现率仅 13.98%
UniPat AI 发布 PaperBenchX，这是面向多学科端到端论文结果复现的 Benchmark，从 93 篇论文构建 93 个复现任务，覆盖电磁、光子、化学、材料、生物、机器人等 12 个研究方向和 10 种领域原生科学环境，含 3168 条专家校验评分项。
OpenAI NewsAI 评分5555 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。
The DecoderAI 评分6262 研究者将 LeCun 的 JEPA 扩展为跨物理与生物学的通用世界模型 JEPA-Anything
PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything，把标准 JEPA 的单一预测拆成四个正交因子、各由独立预测模块处理，再重组为完整世界状态，从而覆盖物理、机器人、天气、单细胞与临床等七个领域。
MIT Technology Review · AIAI 评分2222 MIT Technology Review：如何将 AI 智能体接入企业知识
MIT Technology Review 基于对 300 名数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识、上下文与数据系统遗留问题是主要失败点。
量子位AI 评分6666 Hinton等22人发表首篇RSI论文，讨论AI研发自动化能否触发智能爆炸
Hinton、Bengio、Andrew Barto、Jakub Pachocki等22位作者发表论文《What if automating AI R&D triggers an intelligence explosion?
The DecoderAI 评分6262 Google 研究者提出 RRSI，防止自我改进智能体记住测试任务
Google 研究者提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过随时间收缩的编辑预算和严格 critic 约束智能体对 harness 的自我改写，避免其记住测试任务。
The DecoderAI 评分5555 Aleph Alpha 研究：中国模型在敏感话题上多复述官方立场或拒答
Aleph Alpha 开发基准测试，用 967 个敏感话题测试阿里千问（Qwen）、DeepSeek 和月之暗面（Kimi）的模型，其自有 AI 评分系统仅将 17% 至 41% 的回答评为平衡，其余为复述官方立场、回避或拒答。
量子位AI 评分6262 丘成桐新论文致谢GPT和Claude，宣称解决七维怪球正曲率问题
丘成桐参与的最新论文在致谢中感谢GPT 6 Astra和Claude Pro在部分证明策略探索和计算中提供的帮助，论文宣称证明七维空间28种球面每一种都能配上截面曲率严格为正的度量，补上了从非负到正的这一步。
Ars Technica · AIAI 评分6262 Ataraxos 以 16 块 GPU 在 Stratego 上击败顶尖人类选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 在 Stratego 上以 15 胜 1 负 4 平击败被认为是史上最强的 Stratego 选手 Pim Niemeijer。
量子位AI 评分5454 何恺明团队提出NAT-ARC：用ImageNet预训练让纯视觉方案解ARC
何恺明团队提出NAT-ARC，把ImageNet上的MAE预训练encoder迁移到ARC格子推理，单模型在ARC-1上取得63.4% pass@2，集成后达70.2%。
Microsoft ResearchAI 评分3636 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院实习生开发了一套端到端机器学习流水线，结合太阳风观测、AE 与 Dst 指数预报、地质电导率和电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
量子位AI 评分6262 DeepSeek 知乎独家发文，首次公开 V4.1 Agent 训练沙盒基础设施 DSec
DeepSeek 在知乎独家发布技术长文，首次系统阐释支撑 DeepSeek-V4 全部训练、评测与数据预处理流程的沙盒基础设施 DSec（DeepSeek Elastic Compute），相关技术报告已公开至 arXiv，由 DeepSeek 联合清华大学发布，作者团队超过 130 人，梁文锋位列其中。
Ars Technica · AIAI 评分5858 CESifo 工作论文：就业数据未显示 AI 显著冲击应届毕业生
慕尼黑 CESifo 的经济学研究人员发布工作论文《The Early Impacts of AI on Employment Among Recent College Graduates》，认为没有证据表明应届大学毕业生的招聘在绝对或相对水平上出现显著、广泛的替代或减少。
The DecoderAI 评分6262 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。
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。
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。
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。
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。
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。
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。
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。