全部动态

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。

蚂蚁 inclusionAI 开源 ZoomGain：用全局到局部感知差构建视觉监督

蚂蚁 inclusionAI 发布 ZoomGain，利用放大后才显现的视觉细节生成关于整图的问题，为视觉语言模型构建监督信号。同步开源 ZoomGainBench 评测基准（1,000 题、941 张图，含中英文题干与证据框）、9,000 条 RL 训练数据及 ZoomGain-4B/9B 模型检查点。

ProTEUS：面向闭环蛋白质进化的突变分辨世界模型

研究团队提出 ProTEUS，一个以突变为单位建模的蛋白质进化世界模型，在深度突变扫描数据上预训练，用 MutationFormer 联合学习序列、进化与结构信息，把变体作为潜空间状态、把突变作为动作来预测功能后果。

入选理由蛋白质工程团队可据此判断，把突变效应预测与闭环实验反馈接起来，能否减少湿实验筛选的试错轮次。

世界模型需要多少次接触才能学会新游戏机制：MechEval 与 WARC 在 ARC-AGI-3 上的测试

研究团队在 ARC-AGI-3 交互式游戏基准上提出 MechEval，为 20 款游戏的 69 种反复出现的机制打标签，并按机制每次改变的环境格子给预测打分。

InfraRSI：用递归自我改进优化 LLM 训练基础设施

InfraRSI 是一套智能体框架，通过五阶段流程把开放式人类指令转化为经过验证的训练优化，覆盖启动参数、算子内核与通信调度。在四类单节点与多节点稠密及 MoE 大模型负载上，它实现最高 2.75 倍加速，平均 MFU 从 17.4% 提升至 30.0%，优于现有调优器和编程智能体，并可跨 GPU 迁移经验。

上海交大团队构建 AI 原生科学实验室 AutoDNA，实现自主分子生物学实验操作并登上《自然》

上海交通大学陈海波、王肇国团队与樊春海、王飞团队合作构建 AI 原生科学实验室 AutoDNA 装置（思源一号），实现自主分子生物学实验操作，成果发表于《自然》并获该刊官网首页头条报道。

入选理由AutoDNA 把文献检索、方案设计到仪器执行串成闭环，研究者可据此判断自主实验在分子生物学场景的落地边界。

NVIDIA 论文提出 VFlash：并行生成视觉规划，机器人规划延迟降低约 80%

NVIDIA 的新论文 VFlash 提出用轻量扩散模型并行预测整条轨迹、边界框和 3D 运动，而不是逐个坐标生成视觉规划，使机器人规划延迟降低约 80%，同时提升空间精度。在 MolmoSpaces 上，动作模型使用 VFlash 生成的规划后，机器人任务成功率从 62.6% 提升到 70.2%。论文链接：https://www.alphaxiv.org/abs/2611.08449

Hinted Scaling Laws 用提示辅助小模型预测大模型难题表现

alphaXiv 介绍了一篇提出 Hinted Scaling Laws 的论文：给小模型不同程度的帮助（如部分解题步骤），观察其准确率如何提升，再用这些规律预测大模型在无提示条件下的表现。在 GSM8K、AIME 和 HLE 上，该方法把预测误差中位数从 21% 降到 4.3%。论文链接：https://www.alphaxiv.org/abs/2611.02270

OpenAI GPT-6.1 Sol 参与活体小鼠脑手术，三次操作后定位误差减半

Exin Therapeutics 披露，OpenAI 的 GPT-6.1 Sol 连续参与三次活体小鼠脑部手术的解剖标志定位任务，识别 Bregma 和 Lambda 的耗时从 169 秒缩短至 86 秒，定位误差从 0.6 毫米降至 0.3 毫米，人工纠正从 4 次减至 2 次。

Zyphra 提出 ZHA 分层注意力压缩 KV-cache

Zyphra 新论文提出 Zyphra Hierarchical Attention（ZHA），将 KV-cache 组织成压缩摘要树，查询自上而下搜索以缩小需关注的 token 范围。

谷歌 AI-PPG-ACC-HTN 系统用消费级智能手表检测高血压，成果登 Nature

谷歌发布 AI-PPG-ACC-HTN 多模态 AI 系统，无需袖带校准，用普通消费级智能手表被动检测持续高血压迹象，相关成果发表于 Nature。

苹果披露人形机器人 HALO 系统：调用千问模型在宇树 G1 上验证，单项任务平均成功率 91%

苹果研究团队在 arXiv 预印本论文《Perceptive Humanoid Motion from Simulation》中披露人形机器人自主控制系统 HALO，并公开数据生成、模型训练与部署代码。

PSI 借助 Anthropic 未发布模型证明阿伦森－安拜尼斯猜想

物理研究机构 Physical Superintelligence（PSI）宣布，借助 Anthropic 一款尚未发布的 AI 模型证明了量子计算领域的阿伦森－安拜尼斯猜想，该猜想自 2008 年提出以来一直未获证明。

LSA：超长上下文稀疏注意力加速新方法

论文提出 Latent Sparse Attention（LSA），将相似 token 聚类并组织成可搜索的层级结构，使查询无需扫描整个上下文即可定位相关信息。在 10M token 上下文下，LSA 单层注意力的 prefill 比 GLM-5.3-Flash 原稀疏注意力快 22.7 倍、解码快 4.6 倍，且准确率相近。

Together Compiler 论文独家发布于 alphaXiv

Together Compiler 独家发布于 alphaXiv！

Anthropic 研究称 Claude 智能体可借“做梦”机制整理记忆

Anthropic 发布研究文章《The components of agent memory》，将 Claude 智能体记忆拆为会话日志、记忆笔记、知识表征和注入上下文四层，并引入“做梦”机制，让模型在两次交互之间的空闲时间回顾日志、纠错并更新知识库。

Transluce 研究微调效果预测的规模定律：监督模型性能随模型与数据规模呈幂律提升

Transluce 训练不同规模的 Qwen3.5 监督模型，在给定微调数据集、提示词和基座模型回答的条件下预测微调后 Qwen3.5-2B 的回答，发现性能随模型与数据规模呈幂律提升。例外是与被监督模型同源的监督模型表现优于更大模型，且性能存在非零损失下限。研究还显示预测性能可泛化到更难的分布外数据集。

Inkling 2 Small 在 ARC-AGI 基准表现

来自 @thinkymachines 的 Inkling 2 Small 在 ARC-AGI（已验证）： - ARC-AGI-2：81.7%，每任务 $0.27 - ARC-AGI-1：96.5%，每任务 $0.08 在我们评估过的所有开放权重模型中，它在 ARC-AGI-1 和 ARC-AGI-2 上均表现最佳。 Thinking Machines 计划下周发布完整权重。