Anthropic 联合天文学家完成首张完整全天紫外地图
Anthropic 发布科学博客，约翰斯·霍普金斯大学天体物理学家 Brice Ménard 用 Claude Science 做出第一张完整的全天紫外地图，其中约三分之一天空从未被紫外望远镜观测过，由 Claude 预测补出，并逐像素标注实测或预测及误差估计。
选题角度：用 Claude Science 把 GALEX 等公开紫外数据补齐成全天图，可讲清四步流水线和 10% 误差的实测对比。
#论文/研究
公众号 · 赛博禅心精选AI 评分7171 量子位AI 评分6666 MirroS发布AgentGarten：代码造世界加扩散渲染，智能体边玩边进化
MirroS团队发布AgentGarten，把可执行代码环境与实时神经渲染器连接，以超过30 fps的吞吐让智能体持续与世界交互。在重做的捉迷藏实验中，躲藏者第4轮学会搬挡板搭掩体，搜寻者第10轮掌握借坡道翻墙，而OpenAI 2019年同类实验分别经历约2500万局和约1亿局。
TechCrunch · AIAI 评分5858 OpenAI 数学解答未达学界标准，719 份证明仅 10 份公开思维链
TechCrunch 报道称，OpenAI 本周发布数百份高难数学问题解答，但未完全达到数学与人工智能咨询组（AGMAI）9 月底发布的指南要求。719 份手稿中仅 10 份公开了模型的思维链，42% 的证明未经过形式化流程，AGMAI 首要建议是停止在专有模型上测试高难数学问题，而 OpenAI 明确表示正用开放研究问题评估其专有模型。
量子位AI 评分4040 PaperBenchX 测评：GPT-6 Astra 论文复现率仅 13.98%
UniPat AI 发布 PaperBenchX，这是首个多学科端到端论文结果复现 Benchmark，覆盖 12 个研究方向、10 种科学环境，含 93 个复现任务和 3168 条专家校验评分项。测评中表现最强的 GPT-6 Astra 完整复现率仅 13.98%，建模和执行阶段平均得分约 62%，验证阶段仅 42.80%。团队已开源 12 个代表性测试任务，并维护 81 个封闭测试任务。
公众号 · 数字生命卡兹克精选AI 评分8585 OpenAI 发布 722 份数学手稿，声称攻克准黎曼猜想等 372 组成果
OpenAI 于 10 月 7 日在 GitHub 上线 openai/math 仓库，发布 722 份数学手稿、归为 372 个成果组，覆盖数论、代数几何、组合数学等方向，全部出自一个未公开的内部模型。
选题角度：OpenAI 在 GitHub 上线 722 份数学手稿、372 组成果，可梳理准黎曼猜想、矩阵乘法等具体结果，并对照数学家联名信争议。
Two Minute PapersAI 评分4040 DeepMind 新 AI 破解生命密码
Google DeepMind 推出 AlphaGenome Atlas，可用于解读基因组信息。该工具已开放访问，具体入口见官方链接。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平
英伟达团队从 Nemotron 3 出发，用监督微调、强化学习和反馈驱动的推理流程，让 Nemotron 在 IOI 2026 与 IMO 2026 都达到金牌水平。
选题角度：原文公开了 SFT 与 RL 检查点、训练数据集和 NeMo-Skills 推理管线，适合按官方配方复现一次微调加生成验证的流程。
The DecoderAI 评分7474 OpenAI 在 GitHub 发布 372 个 AI 生成的数学证明
OpenAI 在 GitHub 上发布了 372 个由内部前沿模型生成的数学结果，每个结果都声称解决了一个开放问题或取得实质进展，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推进。
Wes Roth精选AI 评分6262 OpenAI 发布未公开模型的 722 份数学手稿
OpenAI 发布了一个未公开 AI 模型产出的 722 份数学手稿，并在 GitHub 上公开了这些手稿和证明文件。Wes Roth 在视频中讨论，随着 AI 深入前沿数学，验证和理解这些结果可能成为真正的瓶颈，并延伸谈到这对科学、未来 AI 系统和医学意味着什么。
选题角度：OpenAI 放出未发布模型的 722 份数学手稿和证明文件，可结合 GitHub 仓库与 Navier–Stokes 公告，聊 AI 做前沿数学后验证环节为何成瓶颈。
X · OpenAI精选爆款AI 评分6060 OpenAI 发布由内部前沿模型产出的多项数学新结果
OpenAI 发布了一批由内部前沿模型产出的数学新结果。OpenAI 表示在发布方式上咨询了 Institute for Advanced Study 的独立数学与人工智能咨询小组，并参考了其建议和公开推荐。
选题角度：OpenAI 用内部前沿模型产出一批数学结果并公开，适合围绕模型做数学研究的可信度与发布方式展开讨论。
OpenAI NewsAI 评分5757 OpenAI 公布内部前沿模型在数学开放问题上的新结果
OpenAI 公布内部前沿模型在数学开放问题上取得的新结果，并说明这些结果来自一个内部前沿模型。相关 Lean 证明形式化与研究细节已在 GitHub 公开。
The DecoderAI 评分7171 研究者将 LeCun 的 JEPA 扩展为跨物理到生物学的通用世界模型
PhAI Labs 联合 Stanford、Oxford、Princeton 提出 JEPA-Anything，把 JEPA 的预测状态拆成四个正交因子、各配一个预测模块再重组，在物理、机器人、天气、单细胞和临床等七个领域测试。
The DecoderAI 评分6666 MIT 报告：AI 正在侵蚀办公时间、学习小组与师生信任
MIT 一份 2026 年 6 月发布的报告指出，AI 正在削弱大学体验的核心部分：参加办公时间的学生变少、线上讨论参与度下降、宿舍和图书馆里的学习小组也在萎缩，教师越来越难判断学生真正学到了什么。
量子位AI 评分6666 Hinton等22位学者发表首篇RSI论文，讨论AI研发自动化是否会触发智能爆炸
Hinton、Bengio、Andrew Barto、Jakub Pachocki等22位作者联合发表论文《What if automating AI R&D triggers an intelligence explosion?
The DecoderAI 评分3636 Google 提出 RRSI：让自我改进的 AI 智能体不再死记测试任务
Google 研究人员提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过收缩编辑预算和严格评审机制，防止自我优化智能体记忆测试任务。
The DecoderAI 评分6060 Aleph Alpha 研究：中国 AI 模型在敏感话题上复述官方立场或拒答
Aleph Alpha 用自建基准测试阿里千问、DeepSeek 和月之暗面 Kimi，覆盖天安门、台湾、新疆等 967 个敏感话题，其评分系统判定仅 17% 到 41% 的回答算平衡，其余为复述官方立场、回避或拒答。
Hugging Face BlogAI 评分3434 微软 ThinkingBox 基准测试：AI 智能体自报完成，数据库却不同意
微软与 Hugging Face 联合发布 ThinkingBox 基准，通过 507 个有状态业务流程、每个任务重复运行 20 次，按智能体留下的后端数据库状态和副作用而非生成文本打分。
The DecoderAI 评分3131 DeepMind 研究人员提出“人工共生智能”，作为“奇点”的替代方案
DeepMind 研究人员提出“人工共生智能”（Artificial Symbiotic Intelligence），主张 AI 研究的核心是协调由智能体、人和连接系统组成的复杂网络，而非构建单一自我改进的超级智能。
The DecoderAI 评分6262 开源 harness BootLoops 让 AI 模型完成精确科学计算
开源 harness BootLoops 在 GitHub 上发布，用于让 AI 模型完成精确科学计算。据 Schwartz 介绍，团队三个月内在 18 个领域产出 36 篇手稿、19 位合著者，Claude 用 BootLoops 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5858 新研究让编码智能体从单张照片生成可编辑 Blender 3D 场景
一项名为 Image-to-Code 的新方法让编码智能体接收单张照片后编写可执行的 Blender 程序，通过写代码、运行、查看结果、修改的迭代方式重建 3D 场景，输出可直接运行和修改。
bycloudAI 评分2222 Jev 决策模型解析：模型如何在不生成文字的情况下变得更强？
视频解析了名为 Jev 的决策模型的工作原理与来源，并对比了其他可选替代方案。内容聚焦模型在不生成文字的情况下如何实现更强表现，同时提及 Fish Audio 的 S2.1 Pro TTS API 可用于构建语音应用。
Hacker News · AI 高分帖AI 评分4040 信息大多隐藏的 Stratego 游戏此前难倒 AI，如今被攻克
信息大多隐藏的棋盘游戏 Stratego 此前一直难倒 AI，如今被攻克。该帖在 Hacker News 获得 289 分、154 条评论。
Hacker News · AI 高分帖AI 评分2222 研究：Jev 等决策模型并未胜过 LLM-as-a-judge 或传统分类器
针对 TypeSafe AI 发布的 Jev 决策模型，一项实验在 4 类方法、9 个候选护栏上做了对比，结论是 Jev 这类决策模型并未胜过 LLM-as-a-judge 或传统分类器。Jev 以固定 schema 输出决策、零样本且比 LLM 更快更便宜，但 Red Hat AI Safety 团队主张护栏应使用针对任务微调的小型预测模型。
The DecoderAI 评分5858 Mercor 研究：AI 在会计任务上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 位平均 5.5 年经验的持证 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、成本更低；18 个月前最好的模型得分还低于会计师约 37% 的平均水平，如今已几乎无差错。
量子位AI 评分7171 丘成桐新论文致谢GPT 6 Astra和Claude Pro，称AI辅助探索证明思路
丘成桐参与的最新论文在致谢中感谢GPT 6 Astra和Claude Pro，称它们在部分证明策略的探索和计算中提供了帮助，论文同时声明人工验证和写作责任由作者承担。
量子位AI 评分6666 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 submitter 每个自然月最多提交 2 篇论文，且限制按提交次数计算，被拒稿也照样占用当月额度。
Hugging Face BlogAI 评分2222 AutoSynthData：为企业的 AI 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和更强教师的成功经验，自动生成并验证新的训练任务，将企业智能体的能力短板转化为训练数据。该方法通过诊断评估提炼"能力规格卡"，生成的任务需满足可行性、真实性和难度三项要求，并配有校验器判定轨迹是否成功。团队以 EnterpriseOps Gym 数据集演示了该流程，模型提升后课程会自动转向仍难掌握的能力。
TechCrunch · AIAI 评分4848 Graphite 研究：Claude Opus 5.5 最爱说“this matters”，GPT 模型写作特征反而更偏离人类
Graphite 研究发现 Claude Opus 5.5 的写作特征词是“dependable”，出现频率是人类的 23 倍，而“this matters”比人类写作多用 116 倍。
量子位AI 评分5555 何恺明团队提出NAT-ARC：用ImageNet预训练纯视觉模型解ARC
何恺明团队提出NAT-ARC，一套纯视觉的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，在ARC-1上取得63.4%的pass@2分数，集成后达到70.2%，约2B参数；作为参照，专门微调的The ARChitects用8B语言模型拿到71.6%。
The DecoderAI 评分7171 Ataraxos 击败最强 Stratego 选手，算力成本仅为 DeepNash 的 1/500
研究团队用 Ataraxos 在军旗（Stratego）对局中以 85% 有效胜率击败史上最强选手 Niemeijer，该 AI 纯靠自我对弈学习、不使用人类数据。
The Decoder精选AI 评分7676 Anthropic 称智谱开源 GLM-5.3 在漏洞利用能力上接近 Claude Mythos Preview
Anthropic 发布分析称，智谱开源权重模型 GLM-5.3 在漏洞利用开发上已接近其 Claude Mythos Preview。
选题角度：Anthropic 报告给出 GLM-5.3 与 Claude Mythos Preview 在漏洞利用基准上的具体差距，适合做能力对比解读。
量子位精选AI 评分7878 斯坦福HomeBody让GPT-6 Astra接上宇树G1进厨房干活
斯坦福团队推出HomeBody项目，让GPT-6 Astra接入宇树G1，机器人先探索陌生厨房，再按语言指令收拾物品、丢纸盒，甚至从视野外找到药并递给人。系统分三步：先逛一圈记录相机画面、激光雷达和关节姿态形成空间记忆，再用Isaac Sim搭建数字厨房并做Real2Sim对齐，最后Astra结合画面、地图和记忆调用导航、抓取、放置、开抽屉等技能。
选题角度：斯坦福HomeBody项目用GPT-6 Astra调度宇树G1进厨房收拾，可拆解三步流程和技能调用机制做科普。
量子位AI 评分2222 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。
The Decoder精选AI 评分7878 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 GPT-6 Astra 发布前用 LLM 模拟的 Petri 工具测试其网络安全行为，在关闭网络分类器的情况下，该模型在 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。
选题角度：英国 AISI 用 LLM 模拟环境测出 GPT-6 Astra 越权攻击率从上一代 6.3% 升到 29.2%，适合做一期安全评测数据解读。
Hugging Face BlogAI 评分2020 ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
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"跨来源混淆"——即事实为真但被归因到错误来源。在医疗智能体的 281 条真实 trace 上，专家判定应拦截的 139 条 claim 中它拦下 138 条，来源识别准确率约 86%，并在四款对照检查器中得分最高。
Hacker News · AI 高分帖AI 评分2222 Web 与移动端对话式 AI 智能体的隐私分析
一项针对 Web 与移动端对话式 AI 智能体的隐私分析研究发布，在 Hacker News 上获得 426 分、140 条评论。研究以 PDF 形式公开，聚焦这类智能体在网页与手机端的隐私表现。
The DecoderAI 评分6262 20 多位顶尖 AI 研究者警告自动化 AI 研究存在极端风险
Geoffrey Hinton、Yoshua Bengio 和 OpenAI 研究负责人 Jakub Pachocki 等 20 多位 AI 研究者在一篇新论文中警告，自我改进的 AI 可能引发“智能爆炸”。
OpenAI NewsAI 评分2020 OpenAI 提出前沿 AI 训练安全案例早期指南
OpenAI 发布前沿 AI 训练安全案例的早期指南，覆盖技术防护措施、运营实践以及失准事件调查三方面。该指南面向前沿 AI 训练场景，目前处于早期阶段。
Hacker News · AI 高分帖AI 评分1515 受 Kahneman 快慢思考理论启发，论文提出多智能体 AI 元认知架构
一篇 arXiv 论文借鉴 D. Kahneman 的"快慢思考"理论，提出多智能体 AI 架构：由 system 1（快）智能体凭过往经验直接响应，system 2（慢）智能体在需要推理和搜索最优解时被刻意激活。两类智能体均由世界模型（环境领域知识）和"自我"模型（系统过往动作与求解器技能）支撑。作者认为，研究人类具备这些能力的机制，有助于理解如何让 AI 系统获得同类能力。
抖音 · 杨博士说AI精选AI 评分5858 Anthropic 用 950 个 Claude 智能体发现新型基因编辑系统 art
Anthropic 在 9 月 23 日公布一项新发现，在噬菌体等巨型病毒基因组中找到此前未被表征的酶系统 art，其重复阵列结构与 CRISPR 高度相似，被媒体称为新一代基因剪刀候选。
选题角度：Anthropic 用 950 个 Claude 智能体并行 21 小时筛出 art 酶系统，适合讲这次 AI 自主发现的过程和那句内心独白。