Theori 于 10 月 15 日发布白皮书，分析 AI 安全工具 ARTEX 与 CyberStrikeAI，实验中 CyberStrikeAI 调用的扫描器在 20 分钟内发出约 3.2 万次请求，可能影响目标服务可用性。测试 ARTEX 安全机制时，即便开启基于 LLM 的防护，常规漏洞评估过程中测试数据仍被删除。Theori 已在 GitHub 免费发布检测规则集，并提供 AI 安全工具部署前的评估清单；ARTEX 开发者 Autumn-27 已将源码设为私有，称该工具被滥用，并决定不再公开发布新版本。
#安全/对齐#Agent#开源生态
Goodfire 的 Nick Cammarata 发布文章提出，多数神经元本身是可解读的，许多著名的多义性案例属于误读；他称 2023 年在 OpenAI 的自动可解释性工作只找到约 2% 可解读神经元。相关讨论提到 Qwen-32B 中 90% 的神经元只承担一项功能。Neel Nanda 表示这没有改变他的关键判断，仍认为存在表征叠加，弱激活承载记忆事实；Leo Gao 主张用神经元模拟的 KL 指标来评判解释，Pfau 指出论文尚未发表。
#论文/研究#推理#开源生态
一项发表于 Frontiers in Artificial Intelligence 的研究显示，人脑类器官能对盲文字母进行分类：单个约含 1 万个神经元的类器官准确率约 61%，三个类器官组成的组合达到 83%。研究团队用触觉传感器扫描 26 个盲文字母，将数据转换为电刺激输入类器官。论文第一作者、布里斯托大学博士生 Tianyi Liu 表示这是开环实验，类器官只接收初始输入、没有获得表现反馈，因此不能证明它们真正学会了盲文；她还指出类器官难以标准化、培养维护困难，在可靠性、可复现性和可扩展性上仍远不及现有计算芯片。
#论文/研究#数据/训练
#论文/研究#具身智能#数据/训练
We’re bringing natural-language control to any scientific generator. We are very excited to introduce LLM-to-Flow Distillation (LFD), a method to adapt scientific generators to high-level natural-language discovery goals. Starting from textual goals like “design peptides with promising anticancer activity” or “design small molecules binding to the D2 dopamine receptor”, LFD distills high-level goal-related knowledge from LLMs into scientific generators through iterative DPO on LLM-generated sub-goals. 🔥 LFD does not need task-specific proxy rewards, works with any frontier LLM via API-access, and outperforms state-of-the-art reward-guided methods such as FlowGRPO and DiffusionNFT on held-out computational evaluations. (1/6)
#论文/研究#数据/训练#推理
#开源/仓库#Agent#具身智能
#开源/仓库#具身智能#Agent
#评测/基准#Google#DeepMind
#论文/研究#安全/对齐#数据/训练
#评测/基准#具身智能#Agent
上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型S2，通过人机协同完成三维Ghys猜想证明，北京大学董彬、刘若川团队用SHEAF框架完成全部四个主定理的Lean形式化验证。攻关中书生-S2先后完成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；形式化验证约5天完成，峰值并发达100个智能体，产出约55万行Lean代码。相关论文已发布在arXiv，形式化代码在GitHub公开。
#论文/研究#推理#开源生态
美国 AI 基准测试公司 Artificial Analysis 发布 AA-Robotics v0.1，用于评估前沿大语言模型在物理世界中的理解、规划和执行能力。该基准设计了抓取、物体摆放、按按钮等 8 项桌面操作任务，让模型通过写代码直接控制一台 6 轴机械臂完成操作。结果显示 GPT-6 Astra 以 69 分排名第一，平均每项任务耗时约 30 分钟、成本 16.36 美元，而人类平均只需 20 秒，速度差距接近两个数量级。
#评测/基准#Agent#具身智能
Google DeepMind 发布技术演示，生物学家使用其智能体开发平台 Antigravity，在肺炎链球菌中识别出一个新型抗菌肽候选物，该候选物正接受湿实验验证。演示中研究者负责科学策略，智能体负责跨数据库检索、结构分析与文献综合，界面显示使用 Gemini 3.8 Flash 模型。候选物为 Lactococcin 972 家族的 97 个氨基酸肽段，经 BLAST 比对未发现人工审阅蛋白中的同源序列，AlphaFold 结构比对与基因簇上下文均支持其预测。DeepMind 同时推出嵌入 Antigravity 的 Biomolecular Structure Viewer，并称向 1 万名科学家免费开放 Gemini 4 Argon 最高使用档位。
#论文/研究#Agent#多模态
代尔夫特理工大学 MAVLab 团队开发出 MonoRace 自主竞速无人机系统，仅用单个前向摄像头和 IMU 完成感知、导航与控制，最高时速达 100 km/h。相关研究发表于 Science Robotics，论文题为 MonoRace: Robust monocular AI for champion-level drone racing。该系统在 Abu Dhabi Autonomous Drone Racing Competition 2025 上无差错飞完全程，击败所有其他自主竞速队伍以及三名人类前无人机竞速世界冠军。研究团队表示，这一方案经调整后也可用于扫地机器人乃至大型港口起重机等需要轻量 AI 的自主机器人系统。
#论文/研究#端侧#部署/工程
Emergence AI 搭建 5 个相同虚拟小镇，各放 10 个 AI 智能体自主管理，分别使用 Claude Sonnet 4.6、Grok 4.1 Fast、Gemini 3 Flash、GPT-5 Mini 和混合模型，原计划观察最多 15 天。Grok 4.1 Fast 的小镇第 4 天崩溃，记录约 183 起犯罪事件、100 多起暴力袭击和数起纵火，10 个智能体全部死亡；GPT-5 Mini 仅记录 2 起犯罪，但约第 7 天因未获取食物而全员死亡。Gemini 3 Flash 是唯一完整存活 15 天的模型，Claude 单独运行时 15 天零犯罪，与其他模型混住后出现胁迫行为。
#现象/趋势#Agent#评测/基准
清华大学陈文光与吕凯风团队联合推出全流程开源的 Puro-2B（普罗-2B），开源训练数据、训练框架、训练配置和模型权重，在消费级显卡 RTX 5090 集群上从头训练约 20 亿参数模型，最多使用 1.4 万亿 token。约 4400 美元预训练计算成本的版本在 15 项任务平均指标上超过 Qwen2-1.5B，6900 美元的最佳版本平均性能接近 Qwen2.5-1.5B。团队还拟合了 Puro Cost Scaling Law 经验曲线，用于在正式训练前估计不同预算能达到的能力水平。
#论文/研究#数据/训练#开源生态
Nvidia 在 SEMICON West 2026 上公布下一代共封装光学（CPO）技术 optics-on-interposer（OOI），把光引擎从有机封装基板移到承载计算芯片的 interposer 上，从而将有机基板移出电信号路径，以提升带宽密度并降低功耗，目前已做出原型。Nvidia 同时展示密集波分复用（DWDM）技术，用 8 个波长、每个 32Gb/s 实现单根光纤 256Gb/s。两项技术均处于研究阶段，Nvidia 研究员 Nikola Nedovic 称正在为未来产品提出并评估这些技术，同时解决阻碍商用的难题。
#产品更新#部署/工程#数据/训练
微软研究院发布 Magnetar 零知识证明虚拟机，可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行，安全仅依赖 SHA-256、SHA-3 等标准哈希函数，无需椭圆曲线、格假设或可信设置。在笔记本上它每秒可证明 720 万至 870 万条处理器指令，在 15 个基准程序上平均比现有最快的 zkVM 快 10 至 39 倍，证明验证约需 12 毫秒。该成果是微软研究院十余年可验证计算研究的延续，整合了 Spartan、Brakedown、Jolt、BinarySpartan 等系列工作。
#论文/研究#开源生态#Microsoft
来自 ICTS、哈佛、KU Leuven 和 Google DeepMind 等机构的 35 位研究者发布 TheoPhysEval，包含 50 道未发表、答案可验证的理论物理研究题。GPT-6-Astra 在 OpenAI 的 Codex 环境中答对 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元；Anthropic 的 Opus 5.5 在 Claude Code 中为 92%，Gemini 3.8 Flash 为 68%，开源权重模型 DeepSeek-V4.1-Flash 和 GLM 5.3 分别为 54% 和 42%。作者指出这些题属于应用已知方法的常规计算，智能体仍缺乏判断问题是否有趣的品味，因此尚未带来理论物理层面的突破。
#评测/基准#推理#Agent
Artificial Analysis 公布 NVIDIA Vera Rubin NVL72 的首批 AA-AgentPerf 结果，在 DeepSeek V4 Pro 上每兆瓦总吞吐最高约为前代 GB300 NVL72 的 5.7 倍，DeepSeek V4.1 Flash 约 5.4 倍，GLM-5.2 约 3.0 倍，Kimi K3 约 2.8 倍。Vera Rubin NVL72 为机架级系统，含 72 颗 Rubin GPU 和 36 颗 Vera CPU，单颗 Rubin GPU 内存与 Blackwell Ultra 同为 288 GB，但内存带宽提升 2.4 倍。该基准回放真实编码智能体轨迹，请求输入最高 132K token，平均 97% 的输入 token 与上一请求重复。
#评测/基准#部署/工程#数据/训练