全部动态

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，重夺全球 LLM 第一

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，在 Artificial Analysis Intelligence Index v5 上以 65 分重回第一，超过 Gemini 4 Carbon（60）与 Opus 5.5（59）。

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，编程基准超 GPT-6 Astra

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款前沿模型，官方称编码、推理、科学研究等领域显著提升，输出速度最高提高 30%、成本下降 20%。

用婴儿家庭真实录音训练的大语言模型复现语言习得过程

一项新研究在8个家庭中为儿童出生后前1,000天每天录制12小时家庭环境声音，用这些数据训练的人工智能模型学会了区分语音并建立起数千词的词汇，方式与每个孩子自身的发展相呼应。作者称该方法"提供了将儿童学习理论转化为可直接对照儿童真实发展进行检验的计算模型的框架"。

Claude Fable 5.2 刷新 ARC-AGI-3 高分

来自 @AnthropicAI 的 Claude Fable 5.2 在 ARC-AGI（已核验）上的表现： - ARC-AGI-3：97.7%，$18.6K（provider adapter harness），81.2%，$21.9K（标准 harness） - ARC-AGI-2：93.8%，$0.98/任务 - ARC-AGI-1：98.5%，$0.36/任务 Fable 5.2 在标准 harness 下创下 ARC-AGI-3 新高分。

Anthropic 推出 Claude Fable 5.2 与 Mythos 5.2，API 调用费下降 20%

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，两款模型基于同一底层模型，前者面向普通用户并内置网络安全与生物安全防护，后者面向通过审核的网络安全和生命科学机构开放。

Claude 凭四张分子结构图在约半小时内写出完整合成路线

Anthropic 的 Claude 官方账号称，Claude 仅凭四个分子各一张结构图，在无联网、只能使用代码的条件下，用约半小时写出了一条完整合成路线。该账号称，规划并执行复杂分子的反应路线（route）是有机化学中最难的工作之一。上述结果来自厂商自述，未给出分子名称、路线细节或验证方式。

Claude 智能体在 42 列车时刻表问题上改进 MIPLIB 最优解 2.6% 并证明其最优

Claude 官方称，在一个为 42 列车排时刻以削减峰值用电的问题上，智能体在不到两小时内得到的时刻表比 MIPLIB 现有最好解优 2.6%，随后证明不存在更好的时刻表。相关解已提交给 MIPLIB 供任何人核查。

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，称约千个智能体 30 小时完成费马大定理 Lean 形式化

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，两者共用同一模型底座，区别在访问权限：Fable 面向所有用户并对网络安全和生物学高风险任务设限，Mythos 解除部分限制，仅向通过 Anthropic 网络安全或生命科学验证计划的组织开放。

Claude 称 Fable 5.2 解决黑洞理论物理两个开放问题

Claude 官方账号称，Fable 5.2 解决了理论物理中与黑洞相关的两个开放问题。其中第一个是一项已悬置 23 年未解的计算，Fable 5.2 完成了这项繁重的计算工作。原文未给出论文、验证方式或结果细节。

Claude 在 MIPLIB 的 203 个开放优化问题上改进 72 个解

Anthropic 的 Claude 官方账号称，在 MIPLIB 优化问题库的 203 个开放问题上，Claude 在 72 个案例中优于所列数学解，并在 45 个案例中证明某个解为最优。MIPLIB 收录的是机组排班、配送车辆调度等混合整数规划问题，上述数字来自发布方自测。

Anthropic 用 1000 个 Claude Fable 5.2 智能体在 28.7 小时内完成费马大定理形式化证明

Anthropic 报告一项玩具实验：1000 个运行 Claude Fable 5.2 早期版本的智能体在 28.7 小时内完成了费马大定理的形式化证明，未使用 Prove2Me 平台，也没有研究者全程指导。

Claude Fable 5.2 登顶 AA 智能指数

Anthropic 发布 Claude Fable 5.2，在 Artificial Analysis Intelligence Index v5 上以 65 分登顶，领先 Gemini 4 Carbon（high，60）和 Claude Opus 5.5（max，59）。

Fable 5.2 登顶科研智能体基准

Fable 5.2 现已成为智能体科研的 SOTA Fable 5.2 在 Terminal-Bench-Science 0.1 上得分 74.6%，较 Fable 5.1（52.6%）大幅跃升，并领先于 Opus 5.5（58.7%）和 GPT-6 Astra（68.1%） 使用 Fable 5.2 的 Autoresearch 现已上线 https://openresearch.sh/

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 模型

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两个模型，称其在编程、推理和视觉方面较 5.1 版本有所提升，输出速度更快。

Anthropic 测试 Claude 设计真实电子硬件：三款设备原型一次成型

Anthropic 与电路板设计公司 Diode Computers 合作，让 Claude Fable 5.2 仅凭简单提示词完成扬声器电话、语音助手中枢和掌上电子宠物三款设备的设计，包括规格、原理图、PCB 布局布线、3D 打印外壳、固件和物料清单，Diode 按设计文件直接制造并组装出可正常工作的原型。

入选理由Anthropic 与 Diode 用 Claude Fable 5.2 从提示词走到可运行硬件原型，展示了模型在电路板布局与制造约束上的进展边界。

百度发布 ERNIE Evolve 自动化研究系统，在多项基准上超过 NanoChat 与 NanoGPT 记录

百度发布 ERNIE Evolve 自动化研究系统，给定代码库、目标和评估标准后，系统自行选择研究方向、修改代码并运行实验，只有通过隐藏评估器和独立审查者的改动才会保留。

Fable 5.2 与 Mythos 5.2 对齐表现

Fable 5.2 和 Mythos 5.2 在大多数对齐指标上的表现与我们近期的模型相当或更好。 该模型在发布前还接受了外部评估者的测试，包括 @AISecurityInst、@FrontierDesign2 和 @METR_Evals。

Fable 5.2 与 Mythos 5.2 能力评测提升

Fable 5.2 和 Mythos 5.2 在我们评估的几乎所有能力上都比 Opus 5.5 更胜一筹。 测试人员发现，它们比过去的 Fable 和 Mythos 模型表达更清晰。它们的输出速度比 Fable 5.1 和 Mythos 5.1 快最多 30%。

Mythos 5.2 预测衣壳结构

基因疗法可通过一种名为衣壳的蛋白质外壳递送。Mythos 5.2 找到了一种预测整个衣壳结构的新方法。 在我们的测试中，它成功对尝试建模的 34 个衣壳中的 28 个进行了准确建模。生物学家可以用它更快、更便宜地设计衣壳。

1000 个 Fable 5.2 智能体用 30 小时完成费马大定理形式化

Claude 官方账号称，一支由 1000 个 Fable 5.2 智能体组成的团队用 30 小时将费马大定理的证明完整形式化，转写成计算机可逐步检验的语言。同一设置下，Opus 5.5 在 18 小时内只完成 26%，到 30 小时也几乎没有更多进展。

Bengio 团队发布 182 页机制可解释性综述

Yoshua Bengio 及其合作者刚刚发布了一份 182 页的机制可解释性综述宝典！ 《Understanding AI from the Inside》 这篇论文将带你从神经元与回路出发，了解可解释性如何助力 AI 安全 内容涵盖 SAEs、回路发现、引导、监控、训练过程中机制如何涌现等众多内容！ 阅读这篇由 @FazlBarez 和 @TonyWu1105 领衔的优秀论文：https://www.alphaxiv.org/abs/2611.08438

Bengio 团队发布 182 页机制可解释性综述

Yoshua Bengio 及其合作者刚刚发布了一份 182 页的机制可解释性综述宝典！ 《Understanding AI from the Inside》 这篇论文将带你从神经元与回路出发，了解可解释性如何助力 AI 安全 内容涵盖 SAEs、回路发现、引导、监控、训练过程中机制如何涌现等众多内容！ 阅读这篇由 Fazl Barez 和 Tung-Yu Wu 领衔的优秀论文：https://www.alphaxiv.org/abs/2611.08438

Physical Superintelligence 研究系统用 Lean 证明 Aaronson-Ambainis 量子猜想

AI 科学初创公司 Physical Superintelligence 称，其内部研究系统运行一个非公开的 Anthropic 模型，为 Scott Aaronson 与 Andris Ambainis 自 2008 年提出的量子计算猜想找到了证明，运行第三天即得到完整证明并由证明助手 Lean 逐步检验通过。

百度推出自动化研究系统 ERNIE Evolve，用于改进 AI 训练与推理

百度发布自动化研究系统 ERNIE Evolve，给定明确研究目标后，它会选择研究方向、修改代码并运行实验，只有通过独立评估与评审的改进才会保留，每轮结果用于指导下一轮。

姚期智、杨植麟联合署名论文推出TCSExam，评测9个前沿大模型的理论计算机科学能力

姚期智团队联合杨植麟等发表署名论文《TCSEXAM：在TCS研究的全范围内评估前沿大型语言模型》，推出TCSExam评测，把定理证明、求解器工程、构造和开放猜想四类任务纳入同一考卷，由Lean内核等机器验算。

入选理由论文把理论计算机科学的定理证明、构造、求解器与开放猜想纳入统一评测，研究者可据此判断大模型在哪些数学任务上已能产出可机器核验的结果。

Goodfire 提出 Mechanistic Shaping 训练法

Goodfire 提出 Mechanistic Shaping，利用模型内部表征训练其不依赖无关信息或产生谄媚、奖励黑客等不良行为。在带偏见的图像分类基准上，最差组准确率从 51.6% 提升至 97.7%；在最高 32B 的大语言模型上也能减少不良行为，但模型有时会通过内部换一种编码方式隐藏这些概念。

SwarmEvolve 用 450 个隐空间智能体并行做数学发现与优化

alphaXiv 推介的论文提出 SwarmEvolve，让 450 个智能体并行在内部推理而不生成文本，并通过 KV-cache 共享思路，再用新颖性过滤保留多样方案后组合成新解。

百度发布自动研究系统 ERNIE Evolve，并在 ERNIE-5.5-Flash 推理优化中落地

百度发布自动研究系统 ERNIE Evolve，它围绕给定代码仓库、优化目标和评测标准自主修改代码、在隔离环境跑实验，由独立评测与复核决定保留哪些改动。该系统在 NanoChat AutoResearch、NanoGPT Speedrun 和 SOL-ExecBench 三项公开任务上均高于基线，其中前两项超过公开验证的最好结果，优化结果已在 GitHub 开源。

入选理由百度公开了自动研究系统在公开基准与自家推理优化任务上的结果，研究者可据此判断自动研究闭环能承担哪类研发工作。

MIT 等提出 WorldParticle：单一 AI 模型统一模拟沙粒滑动与蛋白质折叠

MIT、UBC 等机构的研究者提出深度学习系统 WorldParticle，把沙粒、流体、蛋白质等不同材料统一表示为粒子，由神经网络逐步预测粒子位置与属性，无需为每种物理过程单独编写求解器。

DeePMD-kit 机器学习势揭示超微孔 MOF MIL-120(Al) 的局部骨架动力学

重庆交通大学 Dong Fan、法国蒙彼利埃大学 Guillaume Maurin 等人在 Nature Communications 发表研究，用 DFT 结合 DeePMD-kit 训练的机器学习势解码超微孔 MOF MIL-120(Al) 中 μ₂-OH 取向的局部动力学。