按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
700 条收录动态，更新于 01:53
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
Le Chonk 的诞生故事，由打造它的团队亲述。 现已上线 @askalphaxiv：https://www.alphaxiv.org/abs/2611.mistral-large-4
ML4 is now open-weight! Frontier capabilities on code agents & cyber, way more efficient and compact than its Preview version three weeks ago (!) and cherry on the cake: technical report telling its epic backstory. Check it out: https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/assets/technical_report.pdf
沙特阿拉伯苏丹王子大学团队在 arXiv 发布 PlagiaCorpus，一个阿拉伯语—英语双语抄袭与文本复用检测基准，共 198,643 条文本记录，含 34,885 条源段落和 163,758 条查询。
Reza Sameni 发布 WFDB-x，将 WFDB Software Package 10.7.0 原生重实现于 Python、C++、Rust、Julia、R、MATLAB/Octave 和 Kotlin 七种语言，每种都提供库函数、高层 API 和 33 个命令行工具。
论文发现多Token预测（MTP）约80%的训练梯度来自干扰学习的噪声成分，提出Soft-MTP将其去除，改为让MTP头匹配模型自身的下一Token预测，仅需一行代码、无额外参数或可测训练开销。在167M-1.2B模型上，Soft-MTP提升了困惑度、下游准确率和投机解码速度；1.2B模型HumanEval Pass@64从40.85%升至43.90%，投机解码比标准MTP快约1.5%。
上海交通大学等机构的研究者提出一个自主智能体，把冻结的 AlphaFold 3 当作黑箱实验仪器，针对每个蛋白复合物靶点提出生物学假设、分析并重组 MSA，仅凭预测器的无标签置信信号迭代调整序列选择与跨链配对。
Ai For Alpha 团队提出 Promote 协议，为每个候选交易规则在诞生时分配可预测的检验财富，仅用后续收益累积成本感知的 e-process，若总财富不超过 1 即可将错误晋升概率控制在 α 以内。
南洋理工大学团队提出专家审核的虚拟研究环境 OmniQ，把计算量子科学论文转成可执行复现任务，并据此评测 5 个 LLM 驱动的 AI 科学家与 6 个第三方 agent harness。
入选理由该研究把论文复现变成可诊断任务，并给出从专家修正中积累经验的自改进路径，对关注自主科研代理的研究者有参考价值。
武汉大学等机构提出 PRIME，一个可插拔的反馈到修订决策层，用于现有 LLM 科研构思系统：先对问题—假设—解决方案结构做归因，再用轻量 rollout 比较不同范围干预的预期效果与风险，最后编译为面向生成器的修订计划。
Takehi 等人提出 Weight-Space Programming，让前沿 LLM 从自然语言目标出发直接检查和编辑神经网络权重张量，不依赖梯度下降或训练循环。
Anthropic 发布开源原型 FlashProve，用 zkSNARK 让用户在不接触模型权重的情况下验证回复确由所声明的模型生成。
MIT CSAIL 研究者提出「权重空间编程」，让 OpenAI 的 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的神经网络权重，仅调整约 0.016%（131072 个）参数，就使该模型在 MATH-500 上的成绩从 7.9% 提升至 48.1%，GSM8K 从 13.8% 提升至 67.1%，IFEval 从 21.0% 提升至 62.3%。
MIT CSAIL 博士生 Rikiya Takehi 及团队提出“权重空间编程”，让 GPT-6 Astra 直接读写神经网络权重，不训练也不算梯度。据其博客介绍，实验只改动 Qwen3.5-0.8B 约 0.016% 的权重，MATH-500 从 7.9 升到 48.1，GSM8K 从 13.8 升到 67.1，并称修复了该模型的推理循环、指令遵循提升 3 倍。
We asked GPT-6 Astra to edit Qwen3.5-0.8B weights to improve math. It directly changed only 0.016% of weights, fixing 0.8B's reasoning loops & improving math up to 6x and even instruction following 3x, without gradients or training. We call this Weight-Space Programming: frontier LLMs can now natively read/write neural network weights! 🧵 Blog: https://rikiyat.github.io/blog/weight-space-programming/
alphaXiv 转述 MIT 的一篇博客，称 GPT-6 Astra 能在不计算梯度、不重新训练的情况下直接读取并编辑 Qwen3.5-0.8B 的权重，使其 MATH-500 成绩从 7.9% 提升到 48.1%。
Deep Principle 发布 Hydrogen-1.0，这是一个面向化学、材料科学与生命科学的 753B 开放权重模型，在 Z.ai 的 GLM-5.3 基础上用领域数据、实验室记录和智能体发现轨迹后训练而成，权重以 MIT 许可在 Hugging Face 和 ModelScope 开放。
Astra 不断让我惊叹 🤯
We asked GPT-6 Astra to edit Qwen3.5-0.8B weights to improve math. It directly changed only 0.016% of weights, fixing 0.8B's reasoning loops & improving math up to 6x and even instruction following 3x, without gradients or training. We call this Weight-Space Programming: frontier LLMs can now natively read/write neural network weights! 🧵 Blog: https://rikiyat.github.io/blog/weight-space-programming/
来自 @deepseek_ai 的 DeepSeek V4.1 Flash 1017 在 ARC-AGI 上的成绩（已核验）： - ARC-AGI-3：5.8%，$1.2K（provider adapter harness），0.2%，$1.0K（standard harness） 它在 ARC-AGI-3（5.81%）和 ARC-AGI-2（78.1%）上领先开放权重模型，并在 ARC-AGI-1（94.5%）上并列开放权重模型最佳成绩。
一等奖 Delphi 构建了一个平台，依据文献、形式化证明和数据来核查生物学论断，报告了 1,763 条论断和 174 项数据测试。其飞鱼设计工作室将这些证据与模拟以及可3D打印的机身和鳍设计连接起来。 @xX_itsamit_Xx @ashleycaselli @Jdietz @kk_VirtualVerve
alphaXiv 公布 Virtual Brain 获得三等奖，该平台协调多个 AI 智能体审阅论文、构建个性化大脑模型并模拟癫痫治疗方案，由独立智能体核查工作。在一项盲法虚拟患者研究中，系统找出了全部四处已知流程缺陷，并将自身的治疗结论标记为不可靠。
研究者提出视频问答基准 VideoMemBench，用带跨轮依赖的多轮对话检验多模态大语言模型的“上下文视频记忆”，含 326 个视频、2,476 轮对话，其中 1,387 轮依赖前文。在 20 多个开源与闭源 MLLM 中，Claude Opus 5 总分最高也仅 45.7%。数据集与评测已公开。
针对多教师 on-policy 蒸馏（MOPD）在强化学习后能力整合中的泛化问题，研究者在 Qwen3 模型上评估数学推理、编程、智能体与长上下文任务，发现 OPD 与 MOPD 的分布内得分可达教师的 96.04-102.73%，但分布外得分比基座模型低 2.45-16.25%。
研究者提出 VisSearch-Bench，用 204 个人工编写的任务评测多模态智能体的长程视觉搜索，覆盖 7 个主领域、25 个子领域，包含集合式视觉搜索、序列式视觉搜索、宽深混合搜索、竞争性视觉消歧和视觉结构引导搜索五类任务。
MIT 的 Regina Barzilay 与 James Collins 获得 2026 年 Pritzker AI 科学研究卓越奖，表彰其整合深度学习、生物工程与实验验证来发现抗耐药菌候选药物的工作。
十月亮点回顾： 我们发布了 Muse Wonder 和 Muse Wonder Full 两款面向 AI 智能体的前沿模型；澄清了关于数据中心的一些最大误解；并与美国高校合作，利用 AI 加速医学与科学突破。
斯坦福大学 Wu Tsai Neurosciences Institute 启动 Stanford Digital Brain Project，计划未来五年从约 100 人采集约 14000 小时影像数据，训练预测脑活动、生成可后续在人体验证的假设的 AI 基础模型。
Amazon 自动推理团队用 Lean 4 形式化并证明了 AWS Aurora 分布式协议 Grover 的核心数据修复与迁移协议，证明其满足默认六副本容忍任意两节点同时故障的承诺，且证明不限定副本数。团队让 LLM 迭代提出规范并尝试证明或反例，过程中发现并记录了文档中的隐性假设与歧义，若照文档实现可能导致数据丢失。两种风格的协议形式也被证明等价，便于专家审阅。
Olam Labs 将 50 个 GPT-6.1 Sol 智能体放入 Minecraft 生存世界三小时，唯一指令是建立繁荣文明，期间交换约 5900 条消息。
剑桥大学团队训练数千套学习模式各异的人工神经网络，发现好奇心最强的网络在新任务上表现更好，并自发形成分层模块化等类脑结构。研究还采集275名8至15个月婴儿的眼动追踪数据，据此设定网络的好奇心机制。高好奇心网络连接密度先升后降，与人脑发育规律吻合，估算对应年龄约20岁，缺乏好奇心的网络约9岁。
NVIDIA 提出 Elastic Latent Recurrence（ELR），通过门控状态更新并同时训练不同循环次数，让单个模型用推理算力换准确率而不牺牲单次循环性能。
MIT Sloan 的 Michelle Vaccaro、Abdullah Almaatouq 与 Thomas W. Malone 在 arXiv 预印本中提出 AutoAnalysis，由前沿 AI 智能体按预注册协议完成检索、摘要筛选、全文评审、效应量提取与合并，并按计划自动纳入新研究。
研究提出"可观测量特定有效性记录"，把近似与其参考模型、误差度量、容差、参数域及变换或干预绑定，用于科学 AI 的可核查验证。在 16 次重复神经网络拟合中，施加量纲齐性使能量尺度迁移误差从 52.3% 降至 0.0768%，同时满足 gap 与响应容差的中位比例从 0 升至 100%。