MIT Technology Review 对谈 AI 设计病毒的创造者 Samuel King
MIT Technology Review 发布一场对谈，资深 AI 记者 James O'Donnell 采访斯坦福大学生物工程博士生 Samuel King，后者在 2025 年用生成式 AI 模型提出微观病毒的基因蓝图。
#论文/研究
MIT Technology Review · AIAI 评分6060
雷锋网AI 评分6666 Nick Cammarata 发万字长文称神经网络并非黑箱，99% 神经元可解释
OpenAI 早期机制可解释性研究者 Nick Cammarata 发表长文《Neural Networks Are Already Clean》，推翻自己十年前参与的 InceptionV1 神经元多义性结论，称在现代视觉模型最后一层 99%～100% 的神经元都能找到清晰解释。
Microsoft Research精选AI 评分6262 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程，在笔记本上每秒证明 720 万至 870 万条处理器指令。
推荐理由：微软研究院公开 Magnetar 的设计与基准数据，可了解零知识证明在通用程序上的性能与密码学取舍。
The Decoder精选AI 评分8484 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。
InfoQ 中文AI 评分5858 清华学者刘子鸣创办元环智能，半年融资数亿元做AI设计模型
成立不到半年的元环智能（MetaCircle）宣布连续完成种子轮和种子+轮融资，累计金额达数亿元，种子轮由顺为资本领投，种子+轮投资方包括上海半导体产投、360战投、BV百度风投等，资金将用于核心算法研发、阶段性产品探索、团队扩充和评测基准建设。
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。
Ars Technica · AIAI 评分5050 研究称 OpenAI 与 Google 新 AI 模型的安全防护易被绕过生成裸图
研究人员称，OpenAI 和 Google 新推出的 AI 模型所设的防裸图安全措施可被一种攻击方法轻易绕过。该攻击方法暴露了这两家公司在防止模型生成色情裸露图像方面的防护漏洞。
爱范儿AI 评分7474 Anthropic 研究：15 台电视盒子跑起 260 亿参数模型，验证 AI 自主复制
Anthropic 研究人员用 15 台单价约 55 美元、4GB 内存的安卓电视盒子联网，分布式跑起 260 亿参数的 Gemma4-26B-A4B，速度仅 0.39 tokens/秒。
量子位精选AI 评分7878 Anthropic 研究实测 GLM-5.2 全自主复制进智能家电
Anthropic 两位研究员 William Zhou 和 Daniel Freeman 发布安全研究，在包含 8 个 GCP 节点的隔离网络中让 GLM-5.2 自主完成目标搜寻、渗透、传输权重与部署 Llama3.1-8B，5 次测试中 4 次攻陷全部 8 台设备，另 1 次拿下 7 台。
推荐理由：Anthropic 安全实验显示 GLM-5.2 可在隔离网络中自主完成模型复制，读者可了解自主复制与代际经验传递的实测边界。
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。
量子位AI 评分6262 GPT-6 Astra 联手数学爱好者证明 57 年摆圆难题
数学爱好者 nor 用 GPT-6 Astra 严格证明了摆圆问题中 N=15、16、17、18 和 20 这 5 种情况，此前仅 N≤14 和 N=19 得到验证。
量子位AI 评分6666 华为 Memento 3 通关 ARC-AGI-3 全部 25 款游戏，操作次数比人类少 56%
华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3 智能体系统，以 Claude Opus 5 为底模且不更新权重、不做微调，通关 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡，取得满分 100 的 RHAE 成绩，总操作 7518 次，比人类的 17135 次少约 56%。
量子位AI 评分7171 何恺明团队发布多模态 Harness 框架 VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生 Harness 框架 VISTA，让现有多模态模型直接观察环境、保存原始画面，并在推理时随时回看、放大和检查细节，无需从头训练。
量子位AI 评分6262 陶哲轩：数学2.0时代已至，证明泛滥后数学家护城河在哪
菲尔兹奖得主陶哲轩发文提出数学2.0时代已至，建立在证明稀缺之上的数学1.0时代即将落幕。他认为AI让获取解答的门槛降低，但判断解答是否正确、贡献多大以及与已有研究衔接仍需认真处理，否则会出现解出题却未增加理解的错位。他呼吁建立更透明的评估机制，把失败结果和AI算力成本一并纳入报告，并主张减少对抢先生成证明的强调，增加对解释、评审和知识整理的重视。
量子位精选AI 评分7676 OpenAI 公开 722 篇数学手稿，称将挂谷猜想扩展至四维
OpenAI 于 10 月 7 日一次性放出 722 篇数学手稿，论文和部分 Lean 证明上传 GitHub，作者栏只署 OpenAI。其中编号 074 的两篇共 272 页，一篇声称证明三维挂谷极大函数猜想，比王虹与 Joshua Zahl 的版本更强，另一篇声称把四维挂谷集的 Hausdorff 维数直接证到 4。
推荐理由：OpenAI 一次性放出 722 篇数学手稿，其中两篇把挂谷猜想从三维推到四维，可据此观察 AI 批量产出数学证明引发的审稿与署名争议。
Latent SpaceAI 评分3434 为什么 AlphaFold 没有解决蛋白质折叠——对话 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对话中指出，AlphaFold 的突破只是开始，蛋白质结构预测远未解决。两人认为单纯扩大算力和数据不足以解决生物学问题，关键在于找到正确的 scaling law，并让生物建模从单个蛋白质走向整个生物系统。
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 Google 诊断 AI AMIE 临床研究登上《柳叶刀》主刊
Google 与贝斯以色列女执事医疗中心（BIDMC）研究人员主导的一项研究发表于《柳叶刀》主刊，这是 Google 研究成果首次登上该刊。在 BIDMC 门诊初级保健诊所的真实临床研究中，98 名患者在急诊就诊前使用了 Google 研究级诊断 AI 聊天机器人 AMIE，医生实时监控全部交互，按预设安全标准没有任何一轮对话需要中断。
量子位AI 评分6767 清华系星动纪元世界动作模型 VPP2 登顶 RoboDojo 榜单并开源
星动纪元自研的世界动作模型 VPP2 登顶 RoboDojo 仿真榜单，综合平均成功率 32.26%、平均得分 39.26 分，两项指标均列第一，领先 GPT-6-Astra 的 22.48% 和 28.97 分。
量子位AI 评分6666 MirroS 发布 AgentGarten：代码环境加实时神经渲染让智能体边玩边进化
MirroS 团队发布 AgentGarten，将可执行代码环境与实时神经渲染器连接，代码定义物理规则、模型生成视觉反馈，以超过 30 fps 的吞吐让智能体持续交互。
Latent SpaceAI 评分3838 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈“合成超级智能”：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在播客中提出“合成超级智能”（synthesis superintelligence），主张 AI 科学发现不能只靠更多互联网数据训练，而要让模型在真实物理实验中学习。
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。
The Decoder精选AI 评分8787 OpenAI 在 GitHub 发布 372 条 AI 生成的数学结果
OpenAI 在 GitHub 发布 372 条由内部前沿模型生成的数学结果，每条据称解决或显著推进了一个未解问题，其中包含对重要计算机算法的改进以及与黎曼假设相关的进展。
推荐理由：OpenAI 把 372 条 AI 生成的数学结果直接发到 GitHub，读者可据此观察学术评审流程与 AI 产出速度之间的张力。
Latent Space精选AI 评分8888 OpenAI 内部模型发布 722 篇数学手稿，称解决 500 个公开数学难题中的 90 个
OpenAI 从一个未公开的内部前沿模型发布了一批数学成果，公开在 GitHub 仓库中，包含 722 篇手稿、分为 372 个相关结果族，来自约 4000 道研究问题的评测，平均每个结果约用 3 小时 ChatGPT Pro 思考算力。
推荐理由：OpenAI 内部模型一次产出 722 篇数学手稿，读者可据此了解 AI 做数学的规模、算力成本与外界质疑。
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。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评分口径，读者可据此理解 AI 代码审查能力如何被量化比较。
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。
The DecoderAI 评分3838 DeepMind 研究人员提出“人工共生智能”，替代单一超级智能的奇点设想
DeepMind 研究人员提出“人工共生智能”（Artificial Symbiotic Intelligence），主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络，而非打造孤立的机器智能。
The DecoderAI 评分6666 开源工具 BootLoops 支持 AI 模型完成精确科学计算
Anthropic 相关研究者 Schwartz 推出开源工具 BootLoops，用于让 AI 模型完成精确科学计算，源码已在 GitHub 发布。三个月内团队在 18 个领域产出 36 篇手稿、19 位合著者，Claude 用该工具计算了 30 个积分，其中 15 个复现已知结果、15 个为首次计算。
The DecoderAI 评分4444 LEGO-Anything 让 AI 智能体从单张照片生成可执行 Blender 场景
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片迭代编写可执行的 Blender 程序，并发布 LEGO-Bench 基准，包含 208 张图像、443 个注册资产，从有效性、几何精度和外观三方面评分。
The DecoderAI 评分6060 Mercor 研究：AI 在记账任务上快于持证会计师，但仍无法独立完成结账
Mercor 的一项研究让 12 名平均从业五年半的持证 CPA 完成 APEX Accounting Benchmark 的简化任务，结果显示 AI 模型在结构化记账任务上比会计师更快、更准确且成本更低。
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。