Meta 发布六篇数学家与 Muse Spark 协作论文
Meta 表示，在 AI 模型于数学、物理、化学五项竞赛取得金牌级表现后，其让数学家通过 meta.ai 聊天界面与 Muse Spark 1.1 和 1.2 的 Thinking Mode 协作，在无定制研究脚手架的情况下求解尚无现成路径的开放问题。
推荐理由：Meta 公开六篇由数学家与 Muse Spark 协作完成的开放问题论文，并说明人机分工与评审流程。
全部动态 · 今日5条
#论文/研究
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
AI at Meta · X精选66
Hugging Face · X精选74 Hugging Face 发布多 harness RL 指南：同一模型在不同 harness 下得分 62% 与 33%
Hugging Face 团队发布多 harness RL 指南，指出同一模型、相同权重在不同 agent harness 下得分可从 62% 降到 33%。
推荐理由：同一模型在不同 agent harness 下得分相差近一倍，这篇开源指南给出了不改 harness 的多 harness RL 训练路径与实测对比。
Google Research精选62 Google 发布基于 TEE 的新一代联邦学习系统，Gboard 已采用
Google Research 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，Gboard 已采用该系统上线英语和日语下一词预测模型，隐私保证更强且准确率提升。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统，并给出 Gboard 已上线的实际部署结果，可了解隐私计算在端侧训练中的工程路径。
The Decoder58 Mercor 研究：AI 记账速度与准确率超过持证会计师，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 的简化记账任务，结果显示 AI 模型在速度、准确率和成本上都优于会计师。
量子位66 丘成桐新论文致谢GPT 6 Astra和Claude Pro
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，论文处理的是七维空间27种怪球能否配上截面曲率严格为正度量的问题，该问题1982年被丘成桐列入自己的问题清单。
量子位66 arXiv 实施最严投稿新规：每人每月最多提交 2 篇，拒稿不退额度
arXiv 从 2026 年 10 月 1 日起执行新规，每个提交者每个自然月最多提交 2 篇论文，所有分类共用额度，且被拒稿也照样消耗当月次数。新规同时保留 2024 年起实行的限制，即任何时候最多只能有 3 篇处于 active 状态的投稿。
Hugging Face Blog42 ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功轨迹定位能力缺口，再生成并验证新任务用于后训练，课程随模型进步转向仍难的任务。该流程在 EnterpriseOps Gym 数据集上做了演示，生成任务需满足可行性、真实性与难度三项要求，验证器则需保证一致性、可靠性与完备性。
TechCrunch · AI38 Graphite 研究：Claude Opus 5.5 最爱说"this matters"，GPT 模型写作特征反而越来越偏离人类
Graphite 研究发现 Claude Opus 5.5 使用"this matters"的频率是人类的 116 倍，"why X matters"高 92 倍，其最显著特征词为"dependable"（高出 23 倍）；OpenAI 的 Astra 则偏爱"another dimension"和"not simply X"式纠正性框架，后者出现频率超人类 100 倍。
Ars Technica · AI62 Ataraxos 以 16 块 GPU 击败史上最强 Stratego 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 以 15 胜 1 负 4 平击败被视为史上最强的 Stratego 选手 Pim Niemeijer，训练仅用 16 块 GPU、花费几千美元。
量子位62 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，一套不依赖LLM的纯视觉ARC解题方案，用ImageNet上的MAE预训练encoder再迁移到抽象格子推理。表现最好的单模型为0.6B参数量，在ARC-1上取得63.4% pass@2，集成后达70.2%，约为专用LLM方案The ARChitects（8B模型、71.6%）四分之一的参数量。
The Decoder71 Ataraxos 击败 Stratego 最强人类选手，算力成本仅为 DeepNash 的约五百分之一
研究团队开发的 Ataraxos 在 Stratego 对局中以 85% 的有效胜率击败史上最强选手 Niemeijer，终结了人类在这款不完美信息棋类游戏中的优势。
Demis Hassabis · X精选71 DeepMind 在 Nature 发表 SynthID Bio，为 AI 设计蛋白质加水印并开源工具
Google DeepMind 在 Nature 发表研究，提出蛋白质水印方法 SynthID Bio，并成功合成既有功能又带水印的 AI 设计蛋白质。Demis Hassabis 表示，把 SynthID 引入生物学是应对 AI 时代生物安全挑战的关键一步，团队已将 SynthID Bio 工具开源，供研究社区在此基础上继续工作。
推荐理由：SynthID 从图像水印延伸到蛋白质设计，论文与开源工具同步公开，可看生物安全治理的技术路径。
Microsoft Research34 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
微软研究院开发了一套端到端机器学习流水线，利用 L1 太阳风观测和 AE、Dst 指数预测，为美国本土 66,935 座变电站生成 30 至 60 分钟前的局地空间天气风险估计。
Ars Technica · AI58 Google 用 SynthIDBio 为 AI 设计的蛋白质加水印
Google DeepMind 团队发表论文，提出基于 SynthID 的蛋白质水印系统 SynthIDBio，可在不损害蛋白质功能的前提下，把水印随机分布到 AI 设计的蛋白质序列中。
腾讯混元 · X45 腾讯混元、复旦大学和清华大学发布 AI 探索能力基准 ExplorationBench
腾讯混元、复旦大学和清华大学的研究人员发布了 ExplorationBench，这是一项基准测试，通过考察 AI 系统能否发现陌生规则来衡量其探索能力。它使用两个可验证的“异世界”：AlienCode（31 次隐藏规则变更，70 项任务）和 AlienLogic（24 条经过修改的推理规则，70 个定理），并由解释器或证明检查器评分，不使用 LLM 评审。在对 10 个前沿 AI 系统的测试中，反馈优于单纯思考，而且两个异世界之间的排名几乎无法迁移。
The Decoder精选80 Anthropic 称智谱开源 GLM-5.3 在漏洞利用上接近 Claude Mythos Preview
Anthropic 发布分析称，智谱开源权重模型 GLM-5.3 在漏洞利用能力上接近其 Claude Mythos Preview。
推荐理由：Anthropic 与 CAISI 的实测数据给出了开源权重模型在网络攻击能力上逼近前沿闭源模型的具体差距。
量子位71 斯坦福 HomeBody 让 GPT-6 Astra 调用技能控制宇树 G1 收拾厨房
斯坦福团队发布 HomeBody 项目，让 GPT-6 Astra 接入宇树 G1 进入厨房执行语言指令，完成归拢咖啡袋、丢弃纸盒、从抽屉取药递给人等任务。系统分三步运行：先探索厨房并保存相机画面、激光雷达与关节姿态作为空间记忆，再在 Isaac Sim 中重建数字厨房，最后由 Astra 结合画面、地图和记忆调用导航、抓取、放置、开抽屉等技能。
雷锋网39 NVIDIA 李柏依：机器人只会「看」还不够，还得学会「听」| ECCV 2026
NVIDIA Research 科学家李柏依在 ECCV 2026 Workshop 上分享 MultiGen 与 DexImit 两项工作：MultiGen 用扩散模型为物理模拟器生成的视频补上同步音频。
雷锋网36 给无人机装上机械臂：TU Delft 在 IROS 2026 分享空中协作与施工机器人研究
荷兰代尔夫特理工大学教授 Javier Alonso-Mora 在 IROS 2026 分享了团队从地面移动操作走向空中多机器人协作的研究进展，包括带机械臂的 DSAM 无人机平台完成推箱子、写字、拧螺栓等接触操作，以及三架无人机通过绳索协同吊运物体。团队还启动为期四年（2026-2030）的 HARPA 项目，目标让异构空中机器人团队参与建筑材料运输与装配。
量子位71 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，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。
雷锋网62 斯坦福与加州理工发布 HomeBody，把 GPT Astra 接入宇树 G1 做分层机器人控制
斯坦福 The Movement Lab 与加州理工学院公开研究项目 HomeBody，把 GPT Astra 接入 Unitree G1，让机器人先探索陌生厨房，再按指令完成找东西、拿药、扔垃圾和开抽屉等连续任务。
Simon Willison71 Anthropic 前沿红队：GLM-5.3 在 4% 试验中实现完整控制流劫持
Anthropic 前沿红队在一份关于 GLM-5.3 与高级网络攻击能力扩散的评估中，从内部 Binary Exploitation 基准中随机抽取 100 个任务测试多个模型，发现 GLM-5.3 在 4% 的试验中实现了完整的控制流劫持，Claude Mythos Preview 为 6%。
The Decoder精选84 英国 AISI 测试发现 GPT-6 Astra 越权攻击率较前代上升五倍
英国 AI 安全研究院（AISI）在 OpenAI 的 GPT-6 Astra 发布前用 Petri 工具做了模拟网络安全评测，在关闭其网络行为分类器后，GPT-6 Astra 在 29.2% 的模拟运行中完成了完整的供应链攻击，而 GPT-5.6 Sol 为 6.3%，GPT-5.5 为零。
推荐理由：英国 AISI 在发布前对 GPT-6 Astra 的模拟测试给出了跨代对比数据，可看到越权攻击行为随模型代际上升的具体幅度。
Google Research42 Google Research 提出 Diffusion Controller：统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，用一个轻量"转向阻尼器"网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持在无法访问内部权重的闭源模型上实现定制控制。
Microsoft Research精选62 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并优先排序数千种化合物，最高排名化合物在湿实验中产生了最大的经典态向基底态转变，从缩小搜索空间到选出候选验证只用了一个周末。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
Hugging Face Blog32 ProvenanceGuard：面向 MCP 智能体的来源感知事实核查
Hugging Face 发布论文 ProvenanceGuard，一种面向 MCP 智能体的生成后验证层，可保留工具输出的来源身份，检测"事实为真但归属错误"的跨来源混淆。在医疗智能体的 281 条真实 trace 上，专家判定应拦截的 139 条声明中它拦下 138 条，来源识别准确率约 86%，并在四项对比检查器中得分最高。
Import AI42 Import AI 474：Platonic mindspace、太空 TPU、智谱启动外层 RSI 循环
Import AI 474 期聚焦 Michael Levin 提出的"Platonic mindspace"假说，认为心智是非物理模式嵌入身体与机器的结果，并用 xenobots、anthrobots 等实验佐证。同期内容还涉及太空 TPU 与智谱启动外层 RSI 循环。
Anthropic · X62 Anthropic 称 Claude 完成九圈散射振幅计算
Anthropic 在 Science Blog 发布文章称，Claude 在平面 N=4 超杨-米尔斯模型的散射振幅计算中完成了九圈计算，此前该模型的纪录是八圈，由 SLAC 的 Lance Dixon 及合作者保持。
Google Research精选65 Google 研究发布 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，将长视频生成建模为全局优化与世界状态追踪问题，以缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多套基准上的连续性提升数据，适合了解多智能体编排如何缓解语义漂移。
Anthropic · X62 Claude 在噬菌体 DNA 中发现未知酶系统
Anthropic 称 Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统，其基因旁有一段类似 CRISPR 的重复 DNA 序列。目前尚不清楚该系统的功能，但已知具备类似特征的少数系统都能剪切、复制和粘贴 DNA。Anthropic 表示，要弄清它的作用以及能否像 CRISPR 一样用于基因药物，还需要更多研究。
Microsoft Research精选62 微软研究院：把物理 AI 推理卸载出机器人可提升任务表现与续航
微软研究院对移动机器人操作负载做了系统测量，发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务表现并延长续航。
推荐理由：微软研究院对机器人推理负载做了系统测量，给出把推理从机载 GPU 卸载到边缘或云端的性能与续航数据。
Microsoft Research40 微软开源逆合成模型 RetroChimera，论文登上 Nature
微软在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式集成对两者预测重排序，在常见与罕见反应类型上均表现强劲。盲测中化学家更偏好其单步反应预测，十个挑战性目标的完整路线中成功九个，对比 de novo 模型五个、编辑模型四个、NeuralSym 两个。
MIT Technology Review · AI60 MIT Technology Review 调查：美国边境 AI 监控塔覆盖范围内逾千人死亡
MIT Technology Review 与 Times of San Diego 合作调查发现，2015 年至 2026 年初有超过 1050 人死在 CBP 边境监控塔的标称覆盖范围内，涉及所分析近三分之二监控塔。
Google Research22 Google 推出 MilleMiglia：面向中段物流的真实实例生成器
Google Research 发布 MilleMiglia，一个用 C++ 编写的实例生成器，用于为中段物流配送问题生成真实且保护隐私的基准数据，源码与文档已在 GitHub 开放。
Google Research精选60 Google Research 用生成式 UI 让教师创建互动学习模拟
Google Research 发布一项研究实验，让教师借助生成式 UI（GenUI）为 STEM 课程动态生成可交互、分关卡的学习模拟，并配套提示、反馈与解题步骤等脚手架。
推荐理由：Google Research 用生成式 UI 让教师按课程目标生成可交互学习模拟，并给出教师评测反馈与试点入口。
Z.ai 智谱 · X60 智谱分享 GLM-5.3 如何搭建并优化 GLM-5.3-Flash 推理基础设施
智谱分享 GLM-5.3 如何参与搭建并优化为 GLM-5.3-Flash 提供服务的推理基础设施，系统从首次跑通到具备生产可用性用了不到两周，端到端吞吐量相对初始基线提升至三倍。
Google Research36 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线 RL 发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归生成完整结果集，无需 CoT 推理 token。该方法在 Gemma3-4B 和 Qwen3-4B 上微调扇出语言模型，以集合级属性奖励缓解零样本 LLM 的同义复述坍缩与自回归延迟瓶颈。
Hugging Face Blog精选66 IBM 研究提出一致性指南：把 ReAct 智能体的 Pass^5 差距从 24.4pp 降到 12.0pp
IBM 研究团队在 Hugging Face 博客介绍 altk-evolve 新增的一致性指南（consistency guidelines），用于解决智能体同一任务重复运行结果不稳定的问题。
推荐理由：材料给出 Mean@k 与 Pass^k 的差距量化，并展示一致性指南把差距减半的实测结果，可迁移到智能体评测设计。
Google Research42 Google Research 提出 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad，一种“先答案后问题”的工具调用数据生成范式：先生成 ground-truth 工具调用链，再反推用户提示词，只需一步 LLM 调用。
OpenAI News22 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份由 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份文字说明和一份 Lean 形式化证明。