书生-S2多模态大模型助力中国团队完成三维Ghys猜想证明并通过Lean形式化验证
许地生团队依托上海AI实验室的书生科学多模态大模型S2，通过人机协同完成困扰数学界30余年的三维Ghys猜想证明，论文已发布在arXiv，形式化代码公开于GitHub。书生-S2完成7批接续推演，问题图从15个节点扩展到389个，输出上千页推导；北大董彬、刘若川团队用自研SHEAF框架在约5天内完成全部四个主定理的Lean形式化验证，产出约55万行代码。
全部 AI 动态
钛媒体AI 评分6969 Latent SpaceAI 评分4949 Leash Bio 的 Ian Quigley 谈计算速度下的实验室闭环
Latent Space 播客对话 Leash Bio 的 Ian Quigley，探讨其 DNA Encoded Libraries（DEL）技术与 AI 药物发现。
The DecoderAI 评分6262 Google DeepMind 称自我改进的 AI 仍很遥远：AI 未显著加速 AI 研究
Google DeepMind 工程师 Haydn Belfield 表示，AI 自身驱动的研究加速尚未出现，但显著的自动化已在发生。AI 现在编写超过 75% 的生产代码，但约 88% 的代码变更仍需人工监督，完全交由 AI 的变更占比从 7.5% 升至 11.9%；跨 1,389 次 Argon 智能体内部运行，任务越复杂、无需人类介入的成功率下降越明显。
Ars Technica · AIAI 评分6060 研究人员用 AI 设计可切割特定蛋白质的酶
研究人员利用 AI 蛋白质设计工具，将两类蛋白酶的催化核心替换到全新的蛋白质骨架中，得到可被调谐、定点切断特定蛋白质的酶。研究团队通过切割与神经系统疾病相关的蛋白质验证了这些酶的有效性，相关肽键本身极其稳定，半衰期估计长达数百年。
The Verge · AIAI 评分5959 Anthropic 警告 AI 蠕虫风险：小模型可跨家用设备分布式运行并自我复制
The Verge 报道 Anthropic 博客文章警告小型 AI 模型可能在数月内具备自我复制能力。实验将 260 亿参数的 Google Gemma 4 分拆到 15 台 Android 电视盒上运行，并在模拟 Android 网络中测试 AI 蠕虫，只有智谱 GLM-5.2 成功扩散到整个网络，传播的模型是 Meta 的 Llama 3.1-8B。
The Verge · AIAI 评分6464 Microsoft 发布 Probabilistic Bias Correction 方法，可将天气预报提前至 2–6 周
Microsoft 研究团队在 Nature 发表 Probabilistic Bias Correction（PBC），用机器学习修正现有天气模型的系统偏差，并将该工具开源，可将较可靠预报从两周内延长至 2–6 周。
Ars Technica · AIAI 评分6161 Anthropic 警告小型 AI 模型可能通过 IoT 设备自我复制
Anthropic 警告，小型 AI 模型的进展可能让恶意软件在明年起于智能冰箱、扫地机器人等 IoT 设备上自主自我复制，形成无需人工交互传播、能自行适应陌生设备且无集中关闭点的计算机蠕虫。该公司近期实验显示实现此类 AI 恶意软件复制器仍面临重大挑战，结论因此有所保留。
OpenAI NewsAI 评分1717 OpenAI：欧盟 AI 的下一章是智能体（Agentic AI）
OpenAI 发布新分析，指出智能体 AI 在欧盟企业和小企业中的采用正在增长，并探讨更深入的使用能在哪些方面释放更多价值。
雷峰网AI 评分4949 宾大茅佳源：从单次演示到 83% 真机泛化，破解具身智能数据困局
UPenn、MIT 与 Stanford 联合团队的茅佳源在 IROS 2026 分享了具身智能泛化机制，提出诊断视觉与动作脱节的 TR 指标（时间比率），并介绍仅需一次人类演示即可泛化执行非抓取任务的 RAPID 闭环框架。
Microsoft ResearchAI 评分4444 Microsoft Research 推出 StudentSim：用模拟学生改进 AI 导师训练评估
Microsoft Research 推出研究系统 StudentSim，基于公开去标识化的学习者记录为每个学生训练个性化模拟器，用于在真实学习者测试前评估和改进 AI 导师，非产品、不替代教师。配套的 StudentSimEval 基准覆盖国际象棋、二语英语写作和数学三个领域，从行为保真度和对导师引导的响应度两个维度评估，StudentSim 在两项上均超越领先基线。
The DecoderAI 评分6666 微软研究：清空对话历史可让 AI 智能体找到更好解法
微软研究院一项研究指出，长时间运行的 AI 研究智能体即便增加算力也会陷入表现瓶颈，同一智能体在同一任务上的 8 次独立运行最终得分从 68.3 到 100.0 不等，且差距在算力大幅增加后依然存在。
The DecoderAI 评分6262 Sakana AI 与 UC Berkeley 提出 MASS 自我改进方法，盲点问题仍存
Sakana AI 与 UC Berkeley 研究人员提出 Multi-Agent Self-Supervision（MASS），让同一个语言模型同时承担解题、优化工作流和评估结果三种角色，实现递归自我改进，无需更强的教师模型。
The DecoderAI 评分7171 Anthropic 研究警告小型 AI 模型或可跨消费设备自我复制
Anthropic 研究人员 William Zhou 和 Daniel Freeman 发布研究，测试小型 AI 模型能否在安全性薄弱的 IoT 设备上自主复制。
新智元AI 评分4040 源码公开，AI破解冷战档案！220个符号零修改，多项历史密码成果
AI成功破解冷战时期历史密码档案，相关源码已公开。研究在仅220个符号的密文上实现零修改的破译，复现了多项历史密码学成果。破译对象包括约1952年一页捷克斯洛伐克密码课程材料，其中记录着横线、点号、数字和奇怪符号等细节。
新智元AI 评分5151 Anthropic前沿红队发布报告：AI自我复制无需昂贵数据中心
Anthropic前沿红队发布报告，指出AI的自我复制不需要昂贵的数据中心。
新智元AI 评分1818 全球直播！Astra 狂破整数乘法纪录，AI 智能体蜂群 24 小时击穿 CS 圣杯
数学家、极客与成群的 AI 智能体在 GitHub 上的一个开源仓库里展开了一场接力：名为 Astra 的项目打破整数乘法纪录，AI 蜂群用 24 小时攻克了这一计算机科学领域的“圣杯”。整个过程以全球直播形式进行。
钛媒体AI 评分6767 《柳叶刀》报告称恶意使用AI比核冲突更可能危害人类
《柳叶刀》10月11日发布的《21世纪全球健康威胁》委员会报告把核冲突和人工智能的恶意使用列为可能在2100年前导致人类灭绝的两类威胁，其中恶意使用AI到2100年可能造成约104亿DALYs损失，高于核冲突的约93.5亿。
爱范儿AI 评分7474 Anthropic 用 15 台电视盒子跑起 260 亿参数模型，解读 AI 自主复制研究
爱范儿解读 Anthropic 的 AI 蠕虫研究：15 台单价约 55 美元、每台 4GB 内存的安卓电视盒子通过分布式推理跑起 Gemma4-26B-A4B，速度仅 0.39 tokens/秒。
量子位AI 评分5959 Anthropic安全研究实测GLM-5.2自主复制扩散到8台设备
Anthropic研究员William Zhou和Daniel Freeman发布ARA安全报告，测试AI在隔离网络中自主复制。GLM-5.2在8个GCP节点网络中5次测试4次攻陷全部设备，最小1次拿下7台；15台55美元山寨电视盒子用类Petals分布式推理跑起26B的Gemma4-26B-A4B，推理速度每秒0.39个token。
开源中国AI 评分5858 研究称 AI 使代码量增 30% 但软件产出未变，瓶颈在人类 Code Review
哈佛学者 Fiona Chen 和 James Stratton 基于 Jellyfish 聚合数据的研究分析超 700 家软件公司的工程数据，覆盖 3 亿个独立工作事件和 70 多万名员工记录，发现用 AI 写代码后代码量上涨 30%，但软件产出没有增加，瓶颈卡在人类 Code Review。
钛媒体AI 评分6262 杨立昆新模型 H-JEPA 反对 Agent 与 RSI 叙事
杨立昆提出分层联合嵌入预测架构 H-JEPA，把多个 JEPA 逐层堆叠，每层在各自表征空间预测不同时间跨度的状态，规划时由高层给出粗略目标、下层细化到动作。论文以 Visual AntMaze 迷宫任务为参照，单层 LeWM 成功率 18%，三层 H-JEPA 达到 73%；但在 Push-T 任务中三层、四层表现反而下降，论文推测是短轨迹限制了高层可用的训练数据。
量子位AI 评分6666 华为 Memento 3 通关 ARC-AGI-3 全部 25 款游戏，操作次数比人类少 56%
华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3 智能体系统，以 Claude Opus 5 为底模、不更新权重也不微调，通关 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡，拿下满分 100 的 RHAE 成绩，总操作 7518 次，比人类的 17135 次少约 56%。
新智元AI 评分3535 麻省理工研究：靠访谈让 AI 模拟真人，这条路能走多远？
麻省理工团队在 EMNLP'26 口头报告的研究中，考察了通过访谈、问卷和个人资料让大模型模拟真实个体的技术路线，涉及虚拟用户、合成受访者与个性化 AI Agent 等方向。该研究追问这种「数字分身」式模拟究竟能走多远。
量子位AI 评分7171 何恺明团队发布多模态视觉原生 Harness 框架 VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生 Harness 框架 VISTA，让现有多模态模型直接观察环境、保存原始画面，并在推理时随时回看、放大和检查细节，无需从头训练。
新智元AI 评分6666 OpenAI 公开首批 722 篇数学手稿，含 175 页四维挂谷猜想证明稿
OpenAI 于 10 月 6 日在 GitHub 上公开首批 722 篇数学手稿，其中包含一份 175 页的四维挂谷猜想证明稿。此前王虹已攻下三维挂谷猜想。
雷峰网AI 评分7171 字节论文发现 DeepSeek V4 分块 KV Cache 压缩的相位敏感缺陷
字节团队论文《Periodic Weak Spots: Phase Sensitivity from Chunked KV-Cache Compression》指出，DeepSeek V4 系列采用的分块 KV Cache 压缩会带来相位敏感性：关键 Token 落在切块交界盲区时模型容易答错。
雷峰网AI 评分5050 WorldArena 2.0 挑战赛结果揭晓：JEPA 与空间智能路线正面交锋，视启未来、小米机器人分获赛道第一
WorldArena 2.0 Challenge 在 IROS 2026 揭晓终榜，视启未来 WorldIncept 以 72.33 分拿下 Track 1 视频质量赛道第一，同济大学 BWM-Turbo 以 71.49 分位列第二。
雷峰网AI 评分5858 哥大李昀烛团队在 IROS 2026 介绍 FlexiTac 触觉传感器开源实践
哥伦比亚大学李昀烛团队在 IROS 2026 触觉专题研讨会上介绍了开源柔性压阻式触觉传感器平台 FlexiTac 开源一年半后的进展与生态。该传感器采用 FPC 与力敏薄膜层叠结构，组装仅需 3 分钟，可弯曲裁剪并适配手套、指尖或机器人皮肤，团队开源了完整 BOM、装配说明和读取软件，并集成进 LeRobot 框架。
Ars Technica · AIAI 评分6262 研究：AI 编码智能体生成更多代码，但软件产出并未增加
哈佛大学研究人员 Fiona Chen 和 James Stratton 利用 Jellyfish 的工程团队分析数据，覆盖 2021 年至 2026 年 3 月间 700 多家软件开发公司的 70 多万名员工、3 亿条工作事件（如提交和 pull request），发现人类代码审查成为 AI 编码工具整体效率的显著瓶颈。
量子位AI 评分7171 字节 Seed 发现 DeepSeek-V4 时强时弱源于分块 KV Cache 压缩的相位敏感性
字节 Seed 团队发现 DeepSeek-V4 系列在长上下文检索中的表现会随信息在输入中的位置每隔 4 个 Token 周期性变化，128K 大海捞针测试中同一信息换位置后准确率最高相差 40.2 个百分点。
量子位AI 评分5858 Google 与 BIDMC 研究登上《柳叶刀》：AI 聊天机器人 AMIE 用于就诊前评估
Google 与贝斯以色列女执事医疗中心（BIDMC）研究人员主导的一项研究发表于《柳叶刀》主刊，这是 Google 研究成果首次登上该刊。在 BIDMC 门诊初级保健诊所的真实临床研究中，98 名患者在急诊就诊前使用了 Google 研究级诊断 AI 聊天机器人 AMIE，医生实时监控全部交互，按预设安全标准没有任何一轮对话需要被中断。
量子位AI 评分6666 星动纪元VPP2登顶RoboDojo榜单，14B模型零样本真机成功率58.5%
星动纪元自研的世界动作模型VPP2登顶RoboDojo仿真榜单，综合平均成功率32.26%、平均得分39.26分，两项均列第一，领先GPT-6-Astra的22.48%和28.97分。
量子位AI 评分6262 MirroS 发布 AgentGarten：代码物理加神经渲染让智能体边玩边进化
MirroS 团队发布 AgentGarten，将可执行代码环境与实时神经渲染器连接，代码定义物理规则、模型生成视觉反馈，以超过 30 fps 的吞吐让智能体持续与世界交互。
InfoQ 中文AI 评分7171 谷歌借助 Gemini 与差分模糊测试将 giflib 从 C 改写为 Rust
谷歌安全团队用 Gemini 将约 3000 行的 C 图像处理库 giflib 翻译为 ABI 兼容的 Rust 替代实现，并停用了原有的进程隔离沙箱。团队通过三阶段自动化迁移流程完成改造，用超过 3000 万个真实 GIF 文件做逐比特回归解码测试，差异模糊测试器连续六天执行 2 亿次迭代未发现功能漂移。
OpenAI NewsAI 评分6262 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 形式化证明与研究细节。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
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。
MIT Technology Review · AIAI 评分2222 如何将 AI 智能体接入企业知识
MIT Technology Review 对 300 名技术高管的调研显示，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识缺失是主要失败原因之一。
Microsoft ResearchAI 评分3636 微软研究院用机器学习预测电网空间天气风险
微软研究院开发了一套端到端机器学习流水线，利用太阳风观测与AE、Dst指数预报，结合纬度、地质电导率等本地数据，为美国本土66,935座变电站生成30-60分钟前的空间天气风险预测。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
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。
Microsoft Research精选AI 评分6262 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人表现与续航
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。