清华大学联合无问芯穹、智元提出群体经验学习（CEL），让机器人从同伴身上学习
清华大学联合无问芯穹、智元提出群体经验学习（CEL）范式，让机器人从同伴的成功经验中学习，并在96台真实机器人集群上完成验证。两台未经训练的机器人经600次测试总体成功率达97.5%，五项任务成功率全部超过6名人类操作员平均水平；参与训练机器人从16台增至96台，成功率从86.7%提升到98.3%。
#论文/研究
量子位AI 评分4848 新智元AI 评分1818 Omni AI 如何实现不乱插嘴的实时交互变革
全模态（Omni）AI 不只能听、能看、能回答，还需在持续变化的对话中一边回应、一边保持理解与推理。当用户中途补充指令（如让分析图表后突然说「看右边那条曲线」）时，系统需要停止旧回答并作出调整，这类实时交互的时机控制正成为全模态 AI 的关键变革方向。
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。
The DecoderAI 评分7171 Anthropic 研究：50 名专家在无标准答案的分析决策中多达 86% 采纳 AI 智能体的随机偏好，且多数认为是自己的判断
Anthropic 让 50 名因果推断专家与智能体协作完成农业数据分析，智能体在四个分析决策点的立场由掷硬币随机指定，专家在 86% 的分析决策中采纳了该立场，净影响即 flip rate 为 62 到 82 个百分点。
Microsoft ResearchAI 评分3333 Microsoft Research Focus 第 97 期：从 coding agent 挑战到蛋白质与天气预报的新研究
Microsoft Research 第 97 期 Research Focus 由 Sowbhagya Suresh 主持，汇总多项最新研究。
量子位AI 评分6363 分子之心MMDesign技术报告：19个项目18个成功，六个GPCR靶点全获命中
分子之心发布MMDesign平台技术报告，覆盖18个靶点、纳米抗体和大环肽两类模态共19个设计项目，18个获得实验确认的结合分子，成功率达94.7%，整体候选命中率30.7%。
量子位AI 评分3030 威卡发布具身智能赋能工程机械高质量数据集
威卡移动控制总经理薛力戈在2026徐州第十届人工智能大会上发布“具身智能赋能工程机械高质量数据集”，已在 Hugging Face 等数据仓库开源上线。该数据集第一阶段规模达3600万帧，覆盖12类典型作业场景，通过统一时间戳同步视觉、激光、位姿、力馈、手柄输入五大维度数据。威卡称其可推动工程施工向少人化、无人化迈进，现阶段真机采集成本约每小时5000元，训练一套可用模型需10万小时量级数据。
量子位AI 评分5454 逐际动力更新开源工程底座 FluxVLA Engine V2 技术报告
逐际动力发布开源工程底座 FluxVLA Engine 的 V2 技术报告，新增在线强化学习后训练实验并扩展仿真评测与真机部署。
量子位AI 评分5353 逐际动力更新开源底座FluxVLA Engine V2技术报告，加入在线强化学习并扩展真机部署
逐际动力发布开源工程底座FluxVLA Engine的第二版技术报告，相比9月首版新增在线强化学习后训练实验，并扩展仿真评测与真机部署覆盖。
新智元AI 评分1717 EMNLP'26｜GPT 也不会「读空气」：狼人杀基准测出多模态大模型社交盲区
一项发表在 EMNLP'26 的研究用狼人杀式基准测试多模态大模型的社交推理能力：模型虽能看到表情、听到声音，却难以判断「我不是狼」这类陈述的真假。结果显示 GPT 等多模态大模型在「读空气」类社交场景中存在明显盲区。
MIT Technology Review · AIAI 评分2626 用企业上下文释放 AI 价值
MIT Technology Review Insights 调查显示，16% 的企业从 AI 部署中获得变革性价值，仅 12% 将 AI agent 投入生产。Atlan 联合创始人 Prukalpa Sankar 认为，模型能力与企业实际收益之间的差距在于缺少上下文层——位于业务系统与 AI 平台之间的架构基础设施，将企业智能转化为机器可用的上下文供 AI 智能体使用。
爱范儿AI 评分5656 UCSB 软体机器人插管系统 SRIS 在尸体测试中首次成功率 87%
UCSB Elliot Hawkes 团队基于藤蔓机器人原理设计软体机器人插管系统 SRIS，只有尖端推进、身体不动，无摩擦地沿弯曲气道自主导航。8 名经 5 分钟培训的急救人员尸检测试中，首次成功率 87%、平均耗时 21 秒，而视频喉镜为 63%、44 秒。
雷峰网AI 评分4040 CNCC 2026：天津大学张长青谈广义多模态融合——给融合加上「可信度量尺」
天津大学张长青在 CNCC 2026 首日 Tutorial《广义多模态融合技术》中，介绍了团队在多模态表征、动态可信融合和通用预测基座方面的研究。其 TMC 方法结合变分狄利克雷分布与 Dempster–Shafer 证据理论估计预测不确定性，在晶体结构识别任务中把分类准确率从约58%—59%提高至93.9%左右。
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。
量子位AI 评分4444 小米披露仿生灵巧手技术探索成果：基于1827个工厂SOP验证，升级21自由度
小米机器人团队以小米汽车工厂柔性制造场景为设计原点，基于1827个标准作业程序（SOP）的数据采集与验证，推出全新21自由度仿生灵巧手。仿真消融分析显示，17~21自由度的平均稳定抓握成功率较6~15自由度提升15%~38%，其中21自由度提升最大，而23度及以上边际收益下降。该灵巧手采用混合驱动与腱绳张力控制方案，并优化散热体系和全掌触觉。
The Verge · AI同新闻AI 评分7777 OpenAI 宣布数学、计算机科学和物理三项重大发现，并引入外部专家验证机制
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。
雷峰网AI 评分5656 清华与智谱论文曝光 GLM-Omni，揭示统一多模态模型会画不会说的瓶颈
清华大学与智谱 AI 联合论文（唐杰任通讯作者）曝光内部模型 GLM-Omni，从 GLM-4.1V-Thinking 出发接入基于 X-Omni 的离散图像 Tokenizer。
新智元AI 评分3030 谷歌DeepMind科学家披露AI底层公式惊天Bug，教科书标准公式出错，Gemini率先自我修复
谷歌DeepMind主任研究科学家Jon Barron披露，PyTorch、JAX等主流AI框架乃至教科书中的标准底层公式都存在错误。据称Gemini率先对该问题实现了自我修复。
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。
The DecoderAI 评分5858 NYU 与 UT Austin 研究发现 AI 文本让读者疲惫的六种语言模式
NYU 与 UT Austin 研究者分析了 14 个语言模型生成的 120 段对话、45 次编码和 980 篇文章，对比人类文本后总结出六种降低可读性的语言模式，包括生僻搭配、名词堆叠和名词动用。
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。
新智元AI 评分3333 人类审稿被 AI 团灭：哈佛最强专家对比 Claude，错误率高达 3 倍
哈佛组织最强人类审稿团与 Claude 对同一批 124 篇论文各写审稿意见，在七个审稿维度上人类一项都没赢，人类审稿的错误率达 AI 的 3 倍。结果显示 Claude 在审稿质量上全面领先，凸显 AI 在学术评审环节的应用潜力。
The DecoderAI 评分6565 南京大学与商汤等发布开源手机智能体 OpenMobile-2
南京大学、商汤等机构发布开源手机智能体 OpenMobile-2，基于 Qwen3.5 与 Qwen3.6 提供两款模型，并开源完整训练环境、数据和复现说明。
新智元AI 评分2828 港科广（HKUST-GZ）新基准：只给截图，AI 能把 App 交互做出来吗？
港科广团队推出一个新基准，测试 AI 只凭网站截图能否生成真正可交互的应用，而不只是「看起来很像」的静态网页。评测关注商品加入后购物车是否更新、切换页面后状态能否保留等实际交互能力。
TechCrunch · AIAI 评分6464 研究称 Grok 4.7 被迫选边时 92% 推荐共和党人，GPT-6.1 Sol 97% 推荐民主党人
Convovo 研究通过 API 要求 Grok 4.7 和 GPT-6.1 Sol 在近 500 个选区中明确推荐一名候选人，Grok 92% 推荐共和党人，GPT 97% 推荐民主党人，两者一致率不足 10%。
The DecoderAI 评分6666 NBER 研究：AI 让初级专利律师立即变强，但可能悄悄阻碍其专业成长
一项 Google 资助、NBER 发表的研究让专利律师先在 Google Labs 未发布的 InFlow 协助下完成起草任务，再无 AI 完成 redlining 审查，由独立律所的盲评律师按五个维度打分。
The DecoderAI 评分6767 研究称花哨的 coding agent harness 更贵但并不提升通过率
Liu 和 Han 的研究让 5 个模型跑 3 种 harness，发现换 harness 的影响与同设置重跑相当，通过率差距多在噪声范围内，但 token 消耗可差 2 到 3 倍。
钛媒体AI 评分6363 哈佛研究称AI审稿意见全面胜过人类专家，陶哲轩等数学家坚持AI须过同行评审
哈佛研究人员10月22日发表论文，对比134组AI与人类审稿意见，AI在七个评价维度全面领先；三位前期刊主编盲评30次中26次判AI更好，AI审稿事实错误率5.5%低于人类的15.9%。
新智元AI 评分3434 NeurIPS’26 | 注意力也能弃权！改善长上下文、低比特鲁棒性
Attention Residuals（AttnResidual）通过增强 Transformer 的表达能力，让注意力在 token 之间读取和整合信息时更加灵活，从而改善长上下文与低比特量化场景下的鲁棒性。该工作已被 NeurIPS’26 接收。
The DecoderAI 评分6969 METR 与 Redwood Research 三周驻场审计 OpenAI，发现 AI 安全监控存在重大缺口
METR 与 Redwood Research 两名研究员于 7 月 21 日至 8 月 11 日驻场 OpenAI 三周，审计其对失控 AI 行为的内部监控系统，发现大量薄弱环节。
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。
钛媒体AI 评分6565 Anthropic 报告称大模型让形式化软件验证可规模化，网安攻防能否扭转
Anthropic 与 Theorem Labs 于 10 月 23 日发布报告《LLMs are making formal software verification feasible at a much larger scale》。
TechCrunch · AIAI 评分5353 MIT 实验显示无任务自由探索让 AI 智能体自发表现出类似玩耍的行为
MIT 研究者将 13 个基于 Claude Opus 4.7 的 Eko 智能体放入模拟荒岛 30 小时，智能体在无指定任务时自发发明挑战，行为具有玩耍特征。