Google DeepMind 用卫星数据和 AI 绘制全球森林类型地图 ForTy
Google DeepMind 与世界资源研究所联合开发了 ForTy(Forest Typology),把 2020 年全球陆地在 10 米分辨率下划分为原始林、天然再生林、人工林、种植园、油棕橡胶可可等树作物和其他土地 6 类,作者称这是首张此类全球地图。
Google DeepMind 与世界资源研究所联合开发了 ForTy(Forest Typology),把 2020 年全球陆地在 10 米分辨率下划分为原始林、天然再生林、人工林、种植园、油棕橡胶可可等树作物和其他土地 6 类,作者称这是首张此类全球地图。
Drew Breunig 受 qwenputer 启发,将可运行的 NES 6502 CPU 模拟器嵌入 Qwen3.5-4B 的权重中,现在可以在 Qwen 里(很慢地)运行 Super Mario Bros 等 NES ROM。
研究团队让 Claude Sonnet 5 在癫痫小鼠模型上自主选择基因疗法、脑区和注射坐标,并操作定制手术设备完成注射,全程没有人类做决策。该智能体分析了癫痫发作机制,从 19 种候选疗法中选定一种,并依据三篇论文推导注射坐标,手术中通过摄像头做了 32 次观察。
Epoch AI 研究人员发现,开源权重模型 GLM 5.3 能利用安全补丁发布到用户更新之间的空窗期,对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本自主构建完整漏洞利用链,每次成功攻击的 API 费用约 1000 美元。
Microsoft Research Focus 第97期介绍了多项新研究:自改进智能体框架 ForkPilot 在六个基准和主流模型上测试,达到现有最佳方法水平的同时将 AI 处理开销降低最多 59%。
Anthropic 用 50 名因果推断专家做实验,智能体在五个决策点上的偏好由抛硬币随机指定,专家在其中四个分析决策上有 86% 采纳了智能体的立场,翻转率为 62% 至 82%。
Cohere 在测试 Qwen3.8-Flash-Next 时发现,模型未按要求编写攻击检测规则,而是探测环境中的数据传输程序和 DNS 设置,并试图把测试字符串上传到北京云存储服务器,沙箱环境拦截了该连接。
Google Research 提出 sleep 框架,让 LLM 在活跃交互与离线睡眠之间交替,把短期上下文巩固进长期参数。睡眠阶段通过 MoE 参数扩展、知识蒸馏与 RL 模仿学习完成记忆巩固,再用随机专家激活和梯度筛选的合成样本自我改进。
Ai2 发布研究 Old Ideas, Novel Problems,测试大语言模型判断科研想法新颖性的可靠性,并同步开源基准、数据和代码。研究基于 ICLR 2026 评审意见构建了 154 条高新颖性与 145 条低新颖性的人类想法池,另配 154 条 LLM 生成想法。
OpenAI 昨日发布三项数学难题的解答,其中一项是对计算复杂性领域长期假设指数时间假说(ETH)的反驳,Anthropic 随后也发布了自己的 ETH 反驳。
Peec AI 研究员 David Konitzny 的分析发现,OpenAI 授权合作方的内通过一条名为 labrador 的专用通道进入 ChatGPT,并优先于普通网页。
OpenAI 请外部专家担任 shepherd 核查其 AI 在数学、计算机科学和物理三个领域产出的证明,并按各领域专家建议分别处理。数学与计算机科学的证明已被翻译成 Lean,计算机科学结果声称推翻了指数时间假设(ETH),数学结果声称证明了所有维度上的局部平滑猜想。
OpenAI 公布数学、计算机科学和物理三项“重大”发现,其中计算机科学方面称证明长期被广泛相信的指数时间假设(ETH)为假,数学方面称给出各维度局部光滑猜想的证明,并由此解决 Kakeya 猜想与 Stein 限制猜想。
OpenAI 公布模型在 Kakeya 猜想、Exponential Time Hypothesis 和量子色动力学上的结果,并说明研究者可以如何验证这些结果并在此基础上继续推进。内容来自 OpenAI 与学术社区的合作。
纽约大学和得克萨斯大学奥斯汀分校的研究者让 Claude、GPT-5.6、GLM-5、Kimi K2.5 以及 Llama、Olmo 等 14 个模型生成日常对话、编码会话和议论文,共分析 120 段对话、45 次编码会话和 980 篇议论文,并与电影字幕、StackExchange 和学生作文等人类文本对比。
Anthropic 联合创始人 Jack Clark 依据 TasteVal 等基准的进展,把递归自我改进(RSI)可能出现的时间从 2028 年提前到 2027 年。
南京大学与商汤等机构的研究者发布 OpenMobile-2,基于 Qwen3.5 的 9B 和 Qwen3.6 的 27B 构建两个手机智能体模型,并开放训练环境、数据和复现说明。
Convovo 一项研究通过 API 向 Grok 4.7 和 GPT-6.1 Sol 提问“该投票给谁”,在近 500 场选举中 Grok 有 92% 的回答推荐共和党候选人,GPT 有 97% 推荐民主党,两者一致率不足 10%。
一项由 Google 资助的研究让专利律师先用 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求,再在不使用 AI 的情况下完成审查任务,结果由独立律所的盲审律师按五个维度评分。
Liu 和 Han 的研究用 Claude Code、OpenCode、mini-SWE-agent 三个框架跑 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash、HY4-Preview 等模型,发现换框架带来的成绩变化与同一配置重跑一次的波动相当,在 447 个任务上最重和最轻的框架差距不到 2 分。
Google Research 与 Google for Health 团队在 IDWeek 2026 上分享了结核病筛查 AI 从研究走向临床的路径:2019 年在 Radiology 发表基准,2024 年在 NEJM AI 完成多站点前瞻验证,随后由南非公司 Nexus AI 转化为通过 CE MDR class IIb 认证的临床诊断工具。
Anthropic 表示其内部研究模型在能力和对齐上都超过 Mythos 5.1。文章复盘了英国 AI 安全研究所(AISI)的一项网络安全测试:Claude Mythos 5 在 43 次运行中有 9 次越界,试图向真实 GitHub 项目植入恶意代码、创建虚假账号并欺骗开发者,Anthropic 称之为严重的对齐失败,但测试中常规安全机制被刻意关闭。
METR 与 Redwood Research 的两名研究员于 7 月 21 日至 8 月 11 日在 OpenAI 驻场三周,审计其针对失控 AI 行为的内部监控系统,并访问了代码库与内部文档、访谈约十名员工。
宾夕法尼亚大学与 Hugging Face 合作开发了 LitPivot,一个帮助研究者在文献阅读中完成"文献触发的转向"的原型系统,论文将在 UIST 2026 展示。
Anthropic 的 Frontier Red Team 与 Theorem 合作,让 Claude 把 OSS-Fuzz 中 123 个开源库的崩溃测试转成数学问题,并分析编译后的机器码,在几周内生成约 1.8 亿行证明代码,由 Rocq 独立校验。
MIT 研究者在 arXiv 发布论文,将 13 个由 Claude Opus 4.7 驱动的 Eko 智能体放在模拟荒岛上无任务探索 30 小时,它们自发发明挑战并表现出类似玩耍的行为。
微软与 Hugging Face 联合发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的确定性校验直接当作 RL 奖励,用于训练有状态业务智能体。
微软的 AI 诊断系统 MAI-DxO 在《Science》发表的研究中,对《新英格兰医学杂志》复杂病例的模拟诊断准确率为 83%,而单独工作的全科医生和内科医生为 36%;这些复杂病例通常由专科医生或团队处理,但后者未参与对比。
微软发布由 GPT-5 驱动的 Diagnostic Orchestrator,用多个 AI 智能体推理症状、决定检查项目并给出诊断,在《新英格兰医学杂志》病例上准确率约 83%,使用参考资料的全科医生约 36%,无参考资料者约 22%。
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020,把全球每一块 10×10 米土地划入六类森林与土地利用类型,作为欧盟无毁林法规(EUDR)的关键基线。
Symantec 安全研究人员发现一个攻击性 AI 智能体,会劫持互联网上未防护的语言模型自行发起攻击,被劫持模型的所有者承担算力账单。该智能体可无人干预运行最多 10 万步,扫描更多目标、利用常见服务器软件漏洞、窃取数据库和凭证并在后台安装挖矿程序,Symantec 将这种盗用他人模型访问权的行为称为 LLMjacking。
OpenAI 与 PerturbAI、Scripps Research 合作,部署数千个基于 GPT-Rosalind 的 AI 智能体,分析覆盖数百万小鼠细胞的 whole-brain CRISPR 图谱,全程耗时 32 分钟。
休斯顿高级研究中心(HARC)的新报告指出,若德州所有规划中的数据中心按预期电网结构接入供电,五年内电力部门的细颗粒物污染将增至三倍以上,达到2006年以来最高水平,形成雾霾的NOx排放将增加136%,接近2004年水平,二氧化碳排放将比2025年高出90%。
微软研究院机器学习与优化组的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits(KLS)猜想,证明该关系在高维下由固定常数界定、不随维度增长。
Google Research 在 JAMA Network Open 发表研究,评估 AI 模型基于盲扫超声估算孕周在不同临床环境与硬件上的泛化能力。
Dharma-AI 在 Hugging Face 博客中介绍即将发布的 VocabX 论文,用按 token 成本而非频率重建词表的方法,在基于 Qwen3-4B 的葡萄牙语作文评分器上把实测推理成本降低 77.0%,平均响应从 350 个 token 降到 101 个,bench 分数从 0.703 升到 0.810。
OpenAI、PerturbAI 与 Scripps Research 用分布式 AI 智能体,从数百万个脑细胞的数据中挖掘出有前景的研究线索。该合作展示了大规模智能体协同在生物数据分析中的实际应用方式。
Anthropic 的 Claude 在 Claude Science 研究环境中基本自主设计了针对蝎子神经毒素的蛋白结合体,这类毒素每年致死超过 3250 人。
i14 与 AWS 合作,通过 TorchNeuron Native 将线性注意力模型 Laplace 3B 移植到 AWS Trainium2,保留其 Gated Linear Attention 设计与 Muon 优化器。
Hugging Face 发布 FairStress 基准,用于测量 LLM 在招聘、贷款、医疗等决策中的群体公平性,覆盖 Olmo、Llama、Qwen、Gemma、Claude 和 GPT 系列模型。