Epoch AI 研究人员报告，开源权重模型 GLM 5.3 在无人工介入下利用补丁间隙攻击了 9 月 17 日至 10 月 26 日间的 6 个 Firefox 版本，每次成功攻击 API 费用约 $1,000，最快仅 12 小时，模型还独立发现了一个此前未知的、可绕过沙箱的漏洞。
推荐理由：Epoch AI 的实测报告给出开源权重模型自主利用补丁间隙攻击 Firefox 的成本、时长和 Chrome 对比数据，可用于评估开源模型的安全扩散风险。
OpenAI 宣布三项重大发现，涉及数学、计算机科学和物理，包括证明指数时间假说（ETH）为假、在所有维度证明局部平滑猜想并由此解决 Kakeya 猜想，以及关于四维含规范场和费米子的相互作用量子场论的严格存在性证明。
推荐理由：OpenAI 公布三项科学成果并尝试引入外部专家把关，其顾问委员会同时批评了这种先给指定专家的发布方式。
Google Research 在 JAMA Network Open 发表前瞻多中心研究，评估基于盲扫超声的 AI 孕周评估模型跨临床环境与硬件的泛化能力。385 名 16-36 孕周参与者中，模型平均绝对误差 4.18 天，非劣效于专家超声医师的 4.48 天；芝加哥站 MAE 4.10 天，内罗毕站零本地调优下为 4.27 天。
推荐理由：原文给出前瞻多中心实测数据，显示AI孕周评估在陌生设备和零本地调优下仍接近专家标准，可读性在跨环境泛化证据。
Xinzhi Zhang 与 Zhao Song 合作证明了 1995 年提出的 Kannan–Lovász–Simonovits（KLS）猜想，确立了对数凸分布的普适几何原则。研究采用人引导的多智能体迭代剪枝流程，探索约 100 条研究路径后找到关键判据，再通过递归改进消除对维度的依赖；另有独立团队与第三组证明以及 Lean 4 形式化验证相互印证。
推荐理由：原文介绍 Microsoft Research 与合作者证明 KLS 猜想，并拆解了人引导 AI 智能体迭代搜索的研究方法，可了解其协作流程。
Google Research 发布 VERID 实验室框架及两项闭环实验成果，目标是让 AI 智能体在真实湿实验室中设计、执行并改进实验。VERID 基于 PyLabRobot 构建实验室数字孪生，提供 3D 状态跟踪、虚拟试运行、硬件安全检查和视频与操作日志同步记录。
推荐理由：原文给出 VERID 框架与两条闭环实验的具体数据和失败案例，可了解 AI 智能体接入湿实验室的工程做法。
OpenAI 称其未公开的内部模型用平均约 3 小时解决了三维挂谷极大函数猜想，并首次证出四维挂谷集的豪斯多夫维数等于 4，此前人类在四维的最好成绩是 2021 年得到的 3.059。
推荐理由：梳理OpenAI一次性放出722篇数学手稿引发的学界争议，呈现验证难题与数学家质疑的具体分歧。
OpenAI 在一个公开 GitHub 仓库中发布了其未公开内部前沿模型产出的数学成果，称这批结果来自约 4000 个研究问题的评估，平均每个结果消耗约三小时 ChatGPT Pro 的思考算力。
推荐理由：OpenAI 用内部模型批量产出数学结果，读者可据此了解这批成果的规模、算力成本与外界质疑。
OpenAI 于 10 月 7 日一次性公开 722 篇数学手稿，论文和部分 Lean 证明上传至 GitHub，其中编号 074 的两篇共 272 页，作者栏只写 OpenAI。
推荐理由：OpenAI 一次性放出 722 篇数学手稿并声称推进挂谷猜想，读者可据此了解数学界对 AI 批量产出证明的争议。
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，研究预览版已上线官网。基准基于 1.039 亿个 GitHub pull request 的分布构建，包含 19 种语言、187 个开源仓库的 219 个 pull request，采用多来源 golden set 与统一评分标准，发布前由资深工程师独立复核，真阳性判断一致率 96.6%。
推荐理由：GitHub 公开了代码审查基准的构建方法与评测口径，读者可据此判断自家审查智能体的强弱项。
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使其在数字模型和合成出的实体蛋白质上均可验证，同时保持生物功能。
推荐理由：DeepMind 把水印从数字内容延伸到合成生物，读者可了解其在 DNA 合成筛查与数据库标注上的验证思路。
微软研究院对移动操作机器人工作负载做了首次系统性研究，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链，读者可据此判断物理 AI 的部署取舍。
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 多倍。
推荐理由：AlphaGenome Atlas 把 90 亿个单碱基变异的预测结果做成可检索资源，读者可据此了解基因组变异解读的规模化路径。
Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，并加入结构化的 CUDA-to-MLX 翻译层，让 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：读者可以看到 CUDA 内核经验如何被结构化翻译到 Apple Silicon，以及翻译层对性能差距的具体贡献。