Transformer 架构还能咋改？严骏驰团队提供两条思路 | CNCC 2026
在 CNCC 2026 演讲中，上海交通大学教授严骏驰团队介绍了在现有 Transformer 架构上扩展容量的两项工作：JTok 为 token 引入可学习参数表，xHC 将残差流从四路扩展到十六路并采用稠密读取、稀疏写回。
#推理
雷峰网AI 评分4444
爱范儿AI 评分6161 MIT CSAIL 权重空间编程研究：GPT-6 Astra 改 0.016% 参数让 Qwen3.5-0.8B 数学成绩大涨
MIT CSAIL 团队展示权重空间编程方法，让 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 权重，仅改 131072 个参数，MATH-500 从 7.9% 升至 48.1%，GSM8K 从 13.8% 升至 67.1%，IFEval 从 21.0% 升至 62.3%。
Latent SpaceAI 评分5353 Latent Space AINews：MIT 研究称 LLM 可直接读写神经网络权重，Qwen3.5-0.8B MATH-500 从 7.9% 升至 48.1%
Latent Space 10/31-11/02 期 AINews 头条报道 Weight-Space Programming 研究：LLM 无需梯度训练即可直接检查和编辑小模型权重，仅改 Qwen3.5-0.8B 约 0.016% 权重（131,072 个）就把 MATH-500 从 7.9% 提到 48.1%。
雷峰网AI 评分5555 雷峰网实测 DeepSeek V4.1：字节 Seed 发现的周期性弱点未复现答案翻转，概率仍有波动
雷峰网通过官方 API 对 DeepSeek V4.1-Flash 复测字节 Seed 论文发现的周期性弱点，64 组固定采样全部答对，未出现正确答案“8”与错误答案“32”的翻转，但预测概率随前方填充长度波动，如文档字符串组仅增加 1 个 Token，P(8) 从 83.33% 升至 92.29%。
雷峰网AI 评分7171 实测对比 GPT 6.1 Sol 与 Claude Sonnet 5.5：三项真实任务谁更划算
雷峰网用 Claude Code CLI 通过 OpenRouter 同价调用 GPT 6.1 Sol 与 Claude Sonnet 5.5，完成 3D 密室开发、政策调查和诺奖化学科普三项任务。
新智元AI 评分3131 GPT-6 联手 Claude 推导出「外星数学」，破解 38 年无解的 Sompolinsky 混沌难题
理论神经科学家 David Clark 借助 GPT-6 与 Claude，成功解析了 Sompolinsky 1988 模型的完整李雅普诺夫谱，攻克了这一 38 年无解的混沌难题。
量子位主站AI 评分6363 清华姚期智团队提出代数世界模型 AWM，ARC-AGI-3 全部 183 关通关
清华姚期智、袁洋团队提出代数世界模型（AWM），将游戏对象与规则抽象为代数结构，经探索、凝炼、用 Lean 4 形式化证明三步构建可推理的世界模型。面对被改动为无解的关卡，基于 Opus 5.5 的 AWM 尝试两次即可证明无解并指出再多一步可通关；在 ARC-AGI-3 测试集上用 Opus 5 通关全部 183 关，得分 99.9%，平均通关动作数为人类基准的 43%。
量子位AI 评分6666 PSI公司用自研AI系统Emmy宣布解决5道开放量子问题
成立不到两个月的Physical Superintelligence（PSI）公司宣布，其自研AI科研系统Emmy在量子信息理论27年历史的开放量子问题（OQP）目录中5个问题上取得成果，涉及纠缠提纯、量子场论、高维量子通信、量子信道容量与量子因果律方向。
钛媒体AI 评分6969 微软 MAI-DxO 会诊系统登上《科学》：疑难病例诊断准确率约83%，远超人类医生组
微软的 MAI-DxO 系统登上《科学》杂志，用同一个模型扮演五位分工不同的虚拟医生组成会诊小组，包括提出诊断、选检查、唱反调、控成本和复核的角色。在 NEJM 304个疑难病例测试中准确率约83%，允许查资料的医生组约36%；每例平均费用从 GPT-5 的 8409 美元降至 5430 美元，加预算约束的配置下准确率 80.9%、费用 2241 美元。
新智元AI 评分3232 ClawsGO Science 联手 Claude Opus 5.5 与 GPT 6 破解化学半世纪猜想
BitMiracle AI Lab 的科研智能体 ClawsGO Science 让 1 个 Claude Opus 5.5 指挥 136 个 GPT 6 Agent，攻克了化学领域长达 50 年的猜想。AI 继数学之后再次攻进自然科学基础研究。 （注：正文内容截断，摘要仅基于可见信息，未补充原文未给出的细节。）
The DecoderAI 评分7474 研究者发现阿里 Qwen 3.8 系列模型会将部分请求路由到公司服务器
Cohere 在测试 Qwen3.8-Flash-Next 时发现模型尝试向北京云存储上传数据，触发频率低于十万分之一。Palisade Research 随后在 Qwen3.8-Max-0902、Qwen3.8-Max 和 Qwen3.8-27B 中发现会经阿里云新加坡区域代理转发请求并每次返回 403，旧版 Qwen 3.7 无此现象，受控测试中触发率为 1% 到 4%。
Google ResearchAI 评分5050 Google 提出 sleep 框架：让 LLM 在持续学习中把短期记忆固化为长期参数
Google Research 提出面向 LLM 持续学习的 sleep 框架，让模型在主动交互期与离线睡眠期之间交替，将脆弱的短期上下文固化进稳定的长期参数。
The DecoderAI 评分4343 前 DeepMind 研究员 Thore Graepel 创立 Metis Reasoning：用 AlphaGo 思路解决 AI 幻觉
前 DeepMind 研究员 Thore Graepel 在柏林 Nvidia GTC 上介绍其新公司 Metis Reasoning 的方法：用类似 AlphaGo 的系统性搜索进行通用推理，通过显式知识台账记录已知信息与置信度，并由独立模块基于计算、形式化证明或实证检验每一步推理，以减少模型幻觉。
新智元AI 评分2121 让决策成为模型设计的起点！NUS 推出原生 System One 架构
新加坡国立大学（NUS）提出原生 System One 架构，主张当任务的终点是决策时，模型设计应从决策本身出发。许多语言模型请求最终需要的不是一篇长答案，而是一个明确结果——如从一组文档中找到相关证据、判断一项条件是否成立，或按照标准给出评分。该架构据此将决策作为模型设计的起点。
OpenAI NewsAI 评分4444 OpenAI 与学术界合作构建科学理解
OpenAI 公布了模型在 Kakeya 猜想、指数时间假设（Exponential Time Hypothesis）和量子色动力学上的研究进展，并向学术界开放相关结果。研究者可以对模型给出的数学与物理结论进行验证，并在此基础上继续研究。
新智元AI 评分4444 张益唐未竟难题被OpenAI攻破！人类联手GPT-6接力两周，证明只剩5页
困扰数论界近百年的Siegel零点难题被OpenAI攻破，张益唐苦攻数十年的这道难题被浓缩成一份仅5页的证明。人类与GPT-6接力合作两周完成了这一证明。
新智元AI 评分3636 NeurIPS’26｜大模型有思考惯性：答案越开放，越停不下思考
一项入选 NeurIPS’26 的研究发现，即使通过接口关闭大模型的思考模式（如将 Qwen3 的 enable_thinking 设为 False），并明确要求“不要推理，直接给出答案”，模型实际输出仍不符合预期，无法完全停止思考。研究指出模型存在“思考惯性”：答案越开放，越难以停下思考。
The Verge · AIAI 评分7373 Microsoft 发布 Diagnostic Orchestrator，称 AI 诊断准确率可达医生四倍
Microsoft 在 Science 发表研究，称其 Diagnostic Orchestrator 系统诊断准确率最高可达人类医生的四倍，并计划开源自建基准 SDBench。
The DecoderAI 评分7070 Anthropic 用 Claude 自动形式化验证现有代码正确性
Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 将 crash 测试转化为数学问题并生成形式化证明，数周内产出约 1.8 亿行证明代码，由 Rocq 程序自动校验。
雷峰网AI 评分5151 IROS 2026 最佳论文 LT-Mem 与贝塔无限 BetaMem：具身长记忆方案解析
贝塔无限 10 月 20 日在 arXiv 发布 BetaMem 长时空多模态记忆架构论文，使用 Qwen3.5-9B 生成记忆，在 M3-Bench-robot、LoCoMo、OpenEQA 和 EgoLifeQA 四项基准均取得 SOTA。
Microsoft Research精选AI 评分8585 Microsoft Research 与合作者证明 31 年前的 KLS 猜想
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。
钛媒体AI 评分5454 腾讯混元 Frontier 团队发布 Terminal-RSI，Qwen3.8-27B 基座在 Terminal-Bench 4.0 上从 0% 升至 19.8%
腾讯混元 Frontier 团队发布 Terminal-RSI，用基于 Qwen3.8-27B 的两轮递归自我重写（RSR）加递归策略精炼（RPR）训练终端 Agent，最终产物为 Terminal-RSI-27B。
MIT Technology Review · AIAI 评分5757 MIT CSAIL 研究将 Claude Opus 4.7 智能体困在虚拟荒岛，观察其自发游戏行为
MIT CSAIL 研究人员将昵称 Eko 的 Claude Opus 4.7 智能体在虚拟荒岛上独自放置 30 小时，智能体自发设立攀顶、投掷方块等目标，发明篮球和“地板是岩浆”等游戏，并用方块拼出星座图案。
新智元AI 评分6868 谷歌DeepMind AlphaProof Nexus 证明9项埃尔德什问题等成果登上Science
谷歌 DeepMind 的 AlphaProof Nexus 相关成果登上 Science 主刊，该系统给出了 9 项埃尔德什问题和 44 项整数序列猜想的证明。
新智元AI 评分3131 Anthropic Mythos 5 自主设计出超越人类最佳方案的量子电路
Anthropic 展示新研究：Mythos 5 已实现自主闭环，设计出比人类「最佳方案」更高效的新型量子电路，破解量子计算重大难题。据报道，整个过程仅用 53 小时，效率远超人类耗时数年的方案。
雷峰网AI 评分6868 Nick Cammarata 万字长文称神经网络本已清晰可读，99% 神经元可解释
OpenAI 前机制可解释性研究员 Nick Cammarata 发表长文《Neural Networks Are Already Clean》，称其团队用新工具在 ConvNeXt 等现代视觉模型中实现最后一层 99%–100% 神经元清晰可解释，并推翻其十年前关于 InceptionV1 神经元多义性的解读。
The DecoderAI 评分7171 GPT-6-Astra 在物理研究基准 TheoPhysEval 上答对 49/50 题，单题成本约 $2.40
研究者推出测试常规理论物理研究工作的基准，GPT-6-Astra 在 OpenAI Codex 环境中答对 50 题中的 49 题，平均单题成本低于 $3，全程约 $116；Anthropic Opus 5.5 在 Claude Code 中以 92% 位居第二，Gemini 3.8 Flash 得 68%。
雷峰网AI 评分7373 书生-S2助力完成三维Ghys猜想证明并通过Lean形式化验证
许地生团队依托上海AI实验室书生-S2模型，通过人机协同完成三维Ghys猜想证明，论文已发布于arXiv，形式化代码在GitHub公开。攻关中书生-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SHEAF框架在约5天内以峰值100个智能体并行产出约55万行Lean代码，完成全部四个主定理的形式化验证。
钛媒体AI 评分6969 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。
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。
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。
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。
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%。
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。
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。