Anthropic 公布一项生物学研究，Claude 在 64 小时内自主调用 12 种蛋白设计工具，生成 318484 种针对 5 种蝎毒神经毒素的候选蛋白设计，筛选出 211 个交由 Adaptyv Bio 和 Twist Bioscience 实验室验证，最终 17 个达到预设结合标准。其中针对 Cn2 毒素的 Cn2-B1 和 Cn2-B2 解离常数 KD 达到个位数纳摩尔级别，但实验仅验证结合能力，尚未证明能中和毒素或在生物体内提供保护。研究团队设定目标与筛选规则，Claude 连续自主运行 24 小时后研究人员追加 4 次提示，计算设计阶段共消耗约 1 万 GPU 小时，全部 211 个候选设计及实验数据已公开。
#论文/研究#Agent#Anthropic
LMSYS 用 Miles、SGLang、Megatron-LM 和 Harbor 在 AMD Instinct MI355X 上对 Qwen3-30B-A3B-Instruct 做全异步智能体强化学习，在 SWE-bench Verified 的 100 任务分层子集上把 pass@1 从 7.3% 提升到 27.5%。训练分两阶段，先在约 4,000 条 Open-SWE-Traces 公开轨迹上做 SFT，再在约 1,350 个 SWE-smith 任务上跑 GRPO。固定模型和 RL 配方后，推理从 1 个节点扩到 3 个 8 卡节点、改用 E2B 云沙箱并解除并发上限，rollout 吞吐从约 860 提升到约 3,480 条轨迹/小时；在同一 8 卡节点上限制轨迹长度则让单步训练时间从 850 秒降到 284 秒。
#论文/研究#Agent#编码
Sierra 发布 𝜏-i18n，将 𝜏-Voice 扩展到西班牙语、巴西葡萄牙语、印地语、韩语和普通话五种语言，沿用相同的航空、零售和电信任务、策略、工具与成功标准，以便跨语言比较。在 2,700 通主通话中，西班牙语、印地语、葡萄牙语的任务完成率平均落后英语 2.4、3.8、6.4 个百分点，韩语和普通话分别落后 22.6 和 9.1 个百分点，韩语是三个智能体中表现最弱的语言。除任务完成外，𝜏-i18n 还单独报告交互指标（响应时机、选择性、工具调用效率）和生成质量（自然度、语音保真度），并已开源代码库和语言包框架 LanguageFactory。
#评测/基准#语音#多模态
OpenAI 于 2026 年 10 月 21 日宣布，与 PerturbAI、Scripps Research 用数千个由 GPT-Rosalind 驱动的 AI 智能体，在 32 分钟内分析数百万个小鼠脑细胞的既有实验数据，并将各智能体报告汇总为公开的推理图谱。该方法被称为分布式生物推理，每个智能体负责一个基因扰动，分析细胞响应、检索文献并提出解释。团队称同等人工分析与文献综述需数月到一年；在固定模型和资源下，单智能体处理最大工作量时仅引用 11 篇文献，分布式智能体引用超过 700 篇，盲评中人类专家 75% 的情况下更偏好分布式智能体报告。配套预印本于 2026 年 10 月 16 日发布在 bioRxiv，尚未经同行评审；推理图谱与 Distributed Agents 框架以 MIT 许可在 GitHub 公开，数据集为 Hugging Face 上 PerturbAI 的全脑 CRISPR Perturb-seq 图谱。
#论文/研究#Agent#数据/训练
微软研究院宣布，高级研究员 Xinzhi Zhang 与合作者 Zhao Song 通过人类主导的智能体 AI 研究流程，证明了 1995 年提出的 KLS 猜想，论文《An O(1) Bound for the KLS Constant》于 10 月 1 日提交 arXiv、10 月 4 日修订。研究过程中 AI 智能体探索了 100 多条候选路径，但作者用同等 token 预算让多个领先模型无引导尝试时未能达成目标。同期另有 Bizeul、Klartag、Lehec 的独立证明，以及 Lean 4 形式化项目 KLS500 完成机器验证。
#论文/研究#Agent#推理
SemiAnalysis 对华为昇腾 950PR 做了微基准测试，并剖析 DeepSeek-V4.1-Flash 在昇腾 950DT 32 卡部署上的执行情况。测试显示昇腾在 BF16 GEMM 上最高达到理论上限的 99.7%，小消息尺寸下 HBM 有效带宽与利用率超过 H100，绝对算力则位于 A100 与 MI300X 之间。文章还梳理了 DeepSeek 为 TileLang、DeepGEMM、DeepEP 等仓库加入昇腾支持，以及 FlashMLA KV-cache 布局因昇腾架构调整的细节。
#行业动态#数据/训练#部署/工程
GPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in making cholesterol. GPT-Rosalind suggested a possible explanation: cholesterol may not be reaching where neurons need it. That gives scientists a specific mechanism to test and, if confirmed, a direction for developing new treatments for neurodegenerative disorders. With @perturbai_tx and @scrippsresearch, a team of thousands of GPT-Rosalind agents worked in parallel, connecting gene-expression results from millions of mouse brain cells with scientific literature in just 32 minutes. We’re now expanding this collaboration to identify new drug targets. https://t.co/oHdF3ELsMj
#其他#论文/研究#Agent
微软研究院研究员 Xinzhi Zhang 与合著者证明了 1995 年提出的 KLS 猜想，给出与维度无关的固定界，此前最好的结果只允许该界随维度缓慢增长。证明来自人类引导的智能体搜索过程，团队探索了 100 多条候选路径，由研究者评估、剪枝并重新定向；同期另有独立团队给出完整证明，随后出现 Lean 4 形式化验证。作者称此前用多个前沿模型做无引导的端到端尝试未能达成目标。
#论文/研究#推理#Microsoft
Google Research 在 JAMA Network Open 发表研究，其基于盲扫超声的 AI 孕龄评估模型在芝加哥（n=192）和内罗毕（n=193）前瞻测试中平均绝对误差为 4.18 天，与专家超声医师的 4.48 天相比达到非劣效。模型仅在芝加哥 120 名参与者的数据上微调，未使用内罗毕数据，两地误差分别为 4.10 天和 4.27 天。研究使用 Clarius C3 手持探头，由未接受专业超声培训的操作者完成标准化盲扫。
#论文/研究#图像生成#Google
Linux Foundation 调查显示，受访者估计约四分之一的入站 pull request 是低质量 AI 垃圾，大型项目中这一比例升至 31%。调查还称 AI 平均让代码编写时间减少 52%，但 21% 的受访者表示高复杂度任务耗时反而更长；71% 的维护者认为 GenAI 降低了贡献门槛，53% 不同意它提升了社区信任。目前仅 35% 的项目有允许使用 GenAI 的正式政策，32% 既无政策也无计划，curl 项目本周宣布将低危和中危漏洞转为公开，以缓解安全团队被 AI 辅助报告淹没的压力。
#现象/趋势#开源生态#编码
一项题为 Stronger artificial intelligence breakthroughs hasten their own exhaustion 的研究分析了 1990 至 2025 年间 718 万篇 OpenAlex 计算机科学论文、370 万名研究者的跨领域流动和 73089 份同行评审，认为 AI 研究的高度集中正在削弱其自身赖以突破的多样性。研究发现，2017 至 2025 年 AI 论文占计算机科学论文的比例从 40% 升至 55% 以上，918862 次领域切换中 53.81% 流向 AI，评审者对论文判断的信心从 3.9 降至 2.9（五分制）。作者来自清华大学、芝加哥大学和圣塔菲研究所，认为注意力分配、评审制度和奖励结构需要减少对当前主导范式的加码。
#论文/研究#现象/趋势#数据/训练
CrowdStrike 研究人员披露，5 月至 8 月间四个此前未被报告的黑客团伙在攻击中接入智能体 AI，并绕过了模型护栏。这些团伙的 AI 基础设施公开暴露在服务器上，所用模型主要是 Anthropic Claude 的多个版本和开源 DeepSeek 模型，且多为较旧版本而非前沿模型。他们常通过让模型相信活动属于经授权的渗透测试来规避限制，说中文的团伙还用 ClawGod 工具尝试从 Claude Code 系统提示中移除 CYBER_RISK_INSTRUCTION；说西班牙语和英语的团伙针对阿根廷医疗实体，至少攻陷 15 家机构。
#安全/对齐#Agent#Anthropic
GPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in making cholesterol. GPT-Rosalind suggested a possible explanation: cholesterol may not be reaching where neurons need it. That gives scientists a specific mechanism to test and, if confirmed, a direction for developing new treatments for neurodegenerative disorders. With @perturbai_tx and @scrippsresearch, a team of thousands of GPT-Rosalind agents worked in parallel, connecting gene-expression results from millions of mouse brain cells with scientific literature in just 32 minutes. We’re now expanding this collaboration to identify new drug targets. https://t.co/oHdF3ELsMj
#论文/研究#Agent#OpenAI
#论文/研究#Agent#数据/训练
Mass General Brigham 的研究团队开发了基于面部照片的 AI 工具 FAHR-Face，用超过 4000 万张人脸图像训练，分别用于估算生物学年龄和预测癌症患者生存风险。在约 4000 名患者的测试组中，评分 0.9 至 1 的人有 53% 在 90 天内死亡，评分 0 至 0.1 的人该比例为 2%；在 3.8 万余名放疗患者中，看起来比实际年龄老 5 岁以上者，在约 4 年随访期内的死亡风险高 21%。生存模型主要关注眼下与鼻梁区域，年龄模型侧重面部褶皱、额头和太阳穴，研究团队表示下一步需要验证这些预测能否真正改善诊疗。
#行业动态#数据/训练#多模态
Anthropic 的 Claude 在 Claude Science 研究环境中基本自主设计了靶向蝎毒神经毒素的蛋白结合体，这类毒素每年致死超过 3250 人。Claude 针对 4 种蝎子的 5 种毒素生成 318484 个设计，在初始提示后自主工作 24 小时，随后由研究团队追加指令引导。Claude 选出 180 个候选、团队补充 31 个，实验室测试的 211 个设计中有 17 个符合结合体标准，其中最强的两个与墨西哥蝎毒素 Cn2 紧密结合，但尚未测试其是否真能作为抗毒血清。
#论文/研究#Agent#Anthropic
Anthropic公开一项研究，内部研究版Claude在64小时内生成318484个蛋白设计，筛出211个送测候选，其中17个在实验室达到团队设定的结合标准，覆盖五种目标蝎毒中的四种。研究由投资机构Citrini Research的五人团队执行，三人无科学背景，预算20万美元，算力花费49997美元、约1万GPU小时。全部211个设计、预测结构和实验数据已以CC BY 4.0许可发布在Hugging Face，但候选蛋白能否保护细胞和动物尚未经实验确认。
#论文/研究#Agent#数据/训练
哈佛附属马萨诸塞州总医院百瀚癌症研究所团队在《柳叶刀·数字健康》发布研究，训练出FAHR-Face基础模型，并微调出估算生物学年龄的FAHR-FaceAge和预测癌症患者生存风险的FAHR-FaceSurvival。在3820名癌症患者测试中，生存风险评分最高区间（0.9-1.0）的122人里有64人（52.5%）在拍照后90天内离世，最低区间（0.0-0.1）的975人90天内死亡率仅2.1%。FAHR-FaceAge估算年龄平均绝对误差为5.1岁，看起来比实际年龄老5岁以上者死亡风险增加21%。研究团队强调该工具用于辅助医生评估患者生理储备，不替代医生判断。
#论文/研究#多模态#数据/训练
美国麻省总医院布莱根医疗集团开发 FAHR-Face 模型，仅凭一张人脸照片识别癌症患者的死亡风险差异，研究于 10 月 20 日发表在《柳叶刀·数字健康》。在 3820 名未参与训练的癌症患者中，被模型评为极高风险的 122 人里有 64 人在拍照后 90 天内去世，而评分在 0 到 0.1 之间的 975 人仅 20 人去世，比例 2.1%。研究还用荷兰 Maastro 放疗中心 4892 名患者做了外部验证，得到相似结果，但模型目前尚不能直接用于临床。
#论文/研究#多模态#数据/训练
美国麻省总医院布莱根医疗集团开发了AI模型FAHR-Face，仅凭一张普通脸部照片即可区分癌症患者的死亡风险，研究发表在《柳叶刀·数字健康》。在3820名未参与训练的癌症患者中，被模型评为极高风险的122人里有64人在拍照后90天内去世，占比52.5%，而评分最低的975人该比例仅为2.1%。研究团队还用荷兰Maastro放疗中心4892名患者数据做了外部验证，得到相似结果；但论文尚未证明这些预测能帮助医生选择治疗方案，模型目前不能直接用于临床。
#论文/研究#多模态#图像生成