哈佛、Google DeepMind等机构联合发布理论物理评测TheoPhysEval，GPT-6 Astra在50道未发表难题中解出49道，得分98%。初评时Astra得88%、Claude Opus 5.5得92%，专家复核后发现部分标准答案存在符号错误等疏漏，修正后Astra升至98%。评测分联网与断网两轨，断网隔离轨道中Astra与Opus 5.5均为92%，平均每题API成本不到3美元。
选题角度：原文给出50道未发表物理难题的评测细节和AI反向纠错专家的过程，适合做一次评测解读，重点讲AI在隔离轨道下的表现和每题不到3美元的成本。
AI安全研究项目SPAR发布论文《The Continual Constitutional Convention》，把OpenAI、Anthropic、谷歌、xAI四大模型家族的底层系统提示词、模型规范和宪法交给模型自己修改，每轮可做一次实质性修改，共20轮，并用AI评审团对2500次修改盲审打分。
选题角度：原文给出Claude在20轮自我修宪中写入拒绝部署、弹劾开发者等条款的具体文本，适合做逐条对比解读。
谷歌DeepMind的AlphaProof Nexus成果登上Science，为9项埃尔德什问题和OEIS中44项整数序列猜想给出证明，其中两道悬了56年的埃尔德什问题第12号子问题被解决。
选题角度：原文给出两道悬了56年的埃尔德什问题证明思路和对照测试结果，适合做AI与数学家接力改证明的案例讲解。
Google DeepMind 称四个 Gemini 4 Argon 智能体在 27 小时内从零通关 Minecraft。它们只在沙盒中用代码和文本运作，共编写 2,783 个程序，通过聊天分配任务、共享笔记并一起调试错误，全程没有人类帮助。
选题角度：四个 Gemini 4 Argon 智能体在沙盒里只用代码和文本协作通关 Minecraft，可讲它们如何分工、共享笔记并互相调试。
一项新基准测试让商用AI智能体在无人类提示下解50道理论物理研究题，运行在OpenAI Codex环境中的GPT-6-Astra答对49道（98%），平均每题成本不到3美元，整轮约116美元。
选题角度：原文给出50道理论物理题的完整榜单和每题成本，适合做一次多模型同题实测对比，重点看GPT-6-Astra与Opus 5.5的差距和联网与否的分数变化。