研究论文、技术报告、基准与数据集
Import AI 476 介绍了 Humanity’s Sixth Sense，这是 Elorian 和 Scale AI 推出的一项基准测试，用于评估直觉式视觉推理。人类的综合 pass@1 得分为 93.1，而 GPT 6 Astra 得分为 53.6；GLM-5.3-flash 和 Kimi K3 分别为 26.8 和 25.5。本期通讯还探讨了 AI 如何加速太空开发，并报道了 TasteVal——一项评估 AI 系统研究品味的基准测试。
由清华大学领衔的团队举办的 WorldArena 2.0 挑战赛于9月16日发布最终排行榜，共设三个赛道，涵盖视频质量、作为强化学习环境的世界模型以及真实机器人操作。Visincept 的 WorldIncept 赢得第一赛道，中关村学院的 MW2 赢得第二赛道，小米机器人的 ViTacX 位居第三赛道榜首，总奖金为7,000美元。组织者表示，接触密集的真实机器人操作仍是一个瓶颈。
OpenAI 发布一批共 722 篇手稿，覆盖 372 个结果族，据新成立的独立顾问组织 AGMAI 称其中包含对数百个开放问题的解答，这些结果由一个未发布的前沿模型产出。
推荐理由：OpenAI 一次性放出 722 篇数学手稿，读者可借此了解这批成果的规模、发布方式与学界对研究伦理的争议。
英国 AI Security Institute（AISI）正采用 EvalEval 的 Every Eval Ever schema 和 Evaluation Cards 平台公开分享评测结果，以提升评测科学的可复现性。
Hugging Face 在 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战，1221 名社区成员用 Claude Code、Codex、Cursor 等编码智能体逐条复现论文，共发布 6816 份 Trackio logbook，覆盖 2226 篇论文，约占大会论文总数的 34%。
推荐理由：Hugging Face 公开了 2200 余篇 ICML 论文的复现结果与判定数据，可据此观察智能体做科研复现的边界。
