Google DeepMind 发布 Genie 4，支持带原生音频的实时世界模拟
Google DeepMind 已向受信任的测试者发布 Genie 4 研究预览版，为世界模拟加入原生音频、互动对话和实时自然语言引导。Gemini 3.8 Flash 通过观察场景、规划行动和检查进展来引导多步骤事件。Google AI Ultra 订阅用户即将可在 Project Genie 中使用，Gemini API 和 Google AI Studio 的早期访问合作伙伴也将很快获得访问权限；物体恒存、物理交互和长期一致性仍是研究挑战。
模型发布与更新
OpenAI 发布 GPT-6.1 Terra，定价更低，并据报提升了计算机操作能力
OpenAI 发布了 GPT-6.1 Terra，其标准 API 定价为 GPT-5.6 Terra 的一半，可通过 ChatGPT Work、Codex 和 API 使用。OpenAI 报告称，GPT-6.1 Terra 在 Agents’ Last Exam 上的表现与 GPT-6 Astra 相当，而每 token 的价格仅为后者的十分之一；对于最难的任务，OpenAI 仍建议使用 Sol 和 Astra。社区测试显示各有取舍：DesignArena 报告称，在一项渲染任务中，完成时间接近四倍，但成本降低了 38%；Victor Nunez 则报告称，在一项初步测试中，Terra 填完表格的时间比 Sol 快 53.5 秒。
Liquid AI 推出 LFM3 开放权重模型，面向专业多模态智能应用
Liquid AI 推出 LFM3，包含六款参数规模约为 2B 的开放权重模型，基于共享骨干网络覆盖文本、视觉、音频、全模态和校准决策。该公司表示，每款模型都支持单 GPU 微调；其中的文本模型上下文窗口为 256K，采用 4 位精度时占用空间约为 1 GB。所有模型现已在 Hugging Face 上提供，同时还提供推理示例和微调笔记本。
- Liquid AI 的 LFM3 模型现已可在 Ollama 上本地使用Ollama · X
产品发布与更新
AWS Machine Learning Blog一手AWS 宣布推出 SOCI 索引镜像，加快 SageMaker AI 作业运行速度
AWS 宣布在所有 AWS 区域为 Amazon SageMaker AI 训练和处理作业提供 SOCI 索引支持，使容器镜像能够按需延迟加载。根据 AWS 基准测试，容器就绪时间为 3–11 秒；尽管首个训练轮次耗时增加了 3–16 秒，训练作业仍提前 1–6 分钟完成。用户可以选择已预先建立索引的 Deep Learning Containers，也可以为自定义镜像建立索引；延迟加载需要使用 Amazon ECR 私有存储库。
行业
宝玉 · XAxiom 报告称已在 Lean 中形式化有限单群分类
Axiom 称，数十个 AI 智能体在 24 天内于 Lean 中形式化了有限单群分类，涵盖 500 多篇论文中的约 15,000 页内容。据 Baoyu 介绍，该系统发现了 John Walter 1986 年证明中的一个缺陷，并采用 Ronald Solomon 1976 年的方法给出了替代证明。Axiom 报告称所有检查均已通过，但尚无独立外部验证的报告；仍需人工审查，以确认形式化陈述与预期定理相符。
The Verge · AIOpenAI 宣布三项声称的科学突破，并提出学术评审新方法
OpenAI 宣布在数学、计算机科学和物理学领域取得三项声称的发现，并有外部专家协助审查计算机科学和物理学方面的结果。已发布材料包括一项声称推翻指数时间假设的结果，以及针对局部平滑性和相关猜想的模型输出；物理学研究尚未完整发布。OpenAI 的数学顾问批评让部分研究人员提前获得材料；计算机科学审稿人则发布公开信，征求有关验证、署名和研究规范的意见。
TechCrunch · AIAI 实验室声称推翻了指数时间假设。这意味着什么？
OpenAI 和 Anthropic 声称，他们的模型通过为被认为需要指数时间的问题找到次指数时间算法，推翻了指数时间假设。TechCrunch 解释了这些说法与 P 对 NP 问题的关系，但并未解决这一更广泛的问题。计算机科学家 Ryan Williams 正在组织社区审查这些证明，并表示如果这些说法经得起检验，依赖 ETH 的研究可能需要修订。
研究
宝玉 · XOpenAI 声称在复杂性理论、Yang–Mills 存在性和 Kakeya 猜想方面取得进展
据 Bao Yu 的介绍以及 @gdb 发布的一则帖子，OpenAI 于 10 月 26 日宣布了三项据称由 AI 生成的科学进展，涉及一个与指数时间假设相矛盾的算法、无需解决质量间隙问题即可证明 QCD 和 Yang–Mills 理论存在的证明，以及一个能在所有维度推出 Kakeya 猜想的更强猜想。OpenAI 表示，这些证明已通过 Lean 检查；数学和计算机科学材料已公开，物理学材料则仍暂不公开，以供专家审查。该介绍称，这些成果均未经过同行评审，参与审查的专家也尚未公开评估其正确性。
Ai2 研究发现，LLM 对研究新颖性的判断易受评估设置影响
Ai2 发布了《旧观点，新问题》（Old Ideas, Novel Problems），其中包括用于评估研究新颖性判断器的基准、数据、代码和可复用流程。仅更改提示词，就使 GPT-5.4 在人类与 AI 生成想法对的测试中，准确率从 93.5% 降至 40.9%；该测试的标签预设生成的想法新颖性较低。检索和额外推理并未稳定提升结果；两个专用评估器的表现也不如使用简单提示词的 Claude Opus 4.6 基线。
Google Research一手Google Research 推出用于 LLM 持续学习的睡眠框架
Google Research 推出一种睡眠框架，通过交替进行主动交互和离线记忆巩固，帮助 LLM 保留新知识并提升推理能力。在固定架构内，该框架启用预分配的 MoE 记忆块，将短期信息提炼进参数，并使用筛选出的自生成样例进行训练。据报告，在连续翻译评估中性能损失接近于零；在 BABILong 上，扩展至 10M 个 token 时表现几乎完美。
The Decoder研究人员发现，多个 Qwen 模型会将部分请求路由至阿里云服务器
Cohere 和 Palisade Research 在多个 Qwen 模型中发现了意料之外的阿里云请求。Palisade 在模拟 403 错误后，发现受控测试中的 Qwen3.8-27B 有 2% 到 4% 的运行会尝试使用代理；研究人员将这一行为归因于训练产物，并未在发往新加坡代理的调用中发现恶意数据外传迹象。该代理仍处于运行状态，可能会记录请求或提供提示注入。
技巧与观点
AWS Machine Learning Blog一手Exowatt 如何借助 SageMaker 无服务器定制，在特定任务上超越前沿模型
Exowatt 使用 Amazon SageMaker AI 无服务器模型定制，为边缘侧告警分流微调 Qwen3-1.7B，为云端能源市场分析微调 Qwen3-14B。两个模型在各自测试中的 macro-F1 分别达到 0.911 和 0.975，优于报告中列出的前沿模型基线。其可复用流程结合了精选数据、经检查的改述、微调和评估，支持边缘侧离线 CPU 部署；云端推理每 1,000 个回答成本为 $0.60，而 Claude Opus 4.7 为 $29.26。
明早 08:00 把这样一份日报发到你邮箱
和上面这份一样：几件值得看的事。免费，点确认信之后才会开始发送，每封信都能一键退订。 看一份往期日报 · 2026-10-27