Graphite 研究：Claude Opus 5.5 最爱说 this matters，各模型写作痕迹各不相同
营销公司 Graphite 研究前沿模型的写作习惯，发现 13000 个在 AI 内容中出现频率至少是人类两倍的短语。
#论文/研究
TechCrunch · AIAI 评分5252 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。
Ars Technica · AIAI 评分3838 Google 找到为 AI 设计蛋白质加水印的方法
Google 研发出一种为 AI 设计蛋白质添加水印的方法，目标是服务于生物安全。该方法可配合一款流行的 AI 蛋白质设计工具使用。
量子位AI 评分7171 斯坦福 HomeBody 用 GPT-6 Astra 控制宇树 G1 进厨房干活
斯坦福团队项目 HomeBody 让 GPT-6 Astra 接入宇树 G1，机器人先探索陌生厨房并保存空间记忆，再按语言指令收拾物品、丢弃纸盒，甚至从视野外的抽屉取药递给人。
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。
MIT Technology Review · AIAI 评分6262 AI 何时才算真正做出科学发现？
Anthropic 宣布其分子生物学实验室的 Claude 智能体系统在 21 小时内从数百万 DNA 序列中标记出一个已知酶周围的重复模式，并称这是该实验室的首个发现，但部分生物学家认为找到基因簇和重复序列往往只是容易的部分，真正困难的是弄清系统实际功能。
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 研究显示顶尖 AI 专家严重低估领域进展速度
Forecasting Research Institute（FRI）的研究发现，AI 专家和超级预测者普遍低估了 AI 的进展速度。AI 在 2025 年 7 月达到国际数学奥林匹克金牌水平，比专家预测中位数早五年、比超级预测者早十年；专家对实际发生基准结果的平均概率估计为 24.6%，超级预测者为 9.7%。
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。
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6060 Runway 研究实时视频生成：边描述边出流，首帧目标低于 100 毫秒
Runway 公开了其实时视频生成研究，用户不再输入提示词后等待成片，而是边描述边以流式方式生成视频，目标是尽量缩短首帧时间。该方案基于 GWM-1 逐帧生成，可接受镜头运动、机器人指令或音频作为控制信号，并沿用 Gen-4.5；Runway 称实时生成能减少等待并降低 GPU 成本。
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。
量子位AI 评分6262 生数科技发布世界模型 Motus2，让机器人实现闭环自进化
生数科技发布世界模型 Motus2，在前代基础上拓展视觉、语言、动作与触觉模态，把行动、预测、评估三种能力放进同一模型，形成生成动作、预测后果、评估结果、更新策略的闭环，探索递归自我改进（RSI）。
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。
TechCrunch · AI精选AI 评分7878 NYU数学家称OpenAI在千禧年数学难题上抢先并施压
NYU数学教授Tristan Buckmaster宣布与Anthropic数学家Levent Alpöge合作，借助Codex和Claude模型在Navier–Stokes存在性与光滑性问题（千禧年大奖难题之一）上取得阶段性证明，并指控OpenAI在其成果公开前获知其进展后抢先发布完整证明。
推荐理由：围绕同一数学难题的优先权争议，呈现了AI参与学术研究时的算力优势与署名伦理冲突。
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。