OpenAI 发布 GPT-Rosalind-6 系统卡增补,面向受信客户开放生命科学模型
OpenAI 发布 GPT-Rosalind-6 系统卡增补,该模型沿用 GPT-6 Astra 的权重,未新增训练数据或额外后训练。在 GeneBench Pro v13 的 129 道生物数据定量分析题上,最高推理预算下单次尝试成功率为 37.7%,GPT-Rosalind-5.5 为 16.7%,该评测使用与生产环境不同的基准专用配置。
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。
703 条收录动态,更新于 03:33
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。
OpenAI 发布 GPT-Rosalind-6 系统卡增补,该模型沿用 GPT-6 Astra 的权重,未新增训练数据或额外后训练。在 GeneBench Pro v13 的 129 道生物数据定量分析题上,最高推理预算下单次尝试成功率为 37.7%,GPT-Rosalind-5.5 为 16.7%,该评测使用与生产环境不同的基准专用配置。
Google Project Suncatcher 原型卫星完成首次在轨 AI 响应:地面站向星上 Gemma 4 开放模型上传提示词,卫星飞经挪威斯瓦尔巴群岛上空时下传了一首关于太空的俳句。此前数周已完成主机与 TPU 托盘加电及早期机器学习测试。下一步将评估 TPU 在轨道热应力和辐射暴露下的表现,为 2027 年双星互联里程碑铺路。
我们用 OpenResearch 在超过 117k 个决策示例上训练了一个 4B 决策模型 我们的模型在除讽刺检测外的所有领域表现几乎与 Jev 完全相同 在评估中,我们的模型能够泛化到其他未见过的任务,如仇恨言论严重程度、情绪检测和意图分类,但讽刺仍是一个常见的失败模式
一项发表于 Cell 的果蝇味觉连接组图谱,追踪了舌、咽、腿和翅上的味觉神经元如何接入大脑并输出到控制行走、吞咽和分泌胰岛素等反应的神经元。研究团队结合光显微镜与雄蝇全身连接组、雌蝇脑连接组,发现甜味神经元无论位于身体何处都汇聚到相似的下游神经元,同时保留身体部位信息。研究者用人工智能预测神经递质及兴奋/抑制性质,该图谱仍需实验验证。
Breakthrough Listen 与 SETI 研究所把智能体 AI 引入搜寻地外文明的日常工作,在加州北部的 Allen Telescope Array 上,研究者用一句自然语言请求即可让智能体操控天线、校准与聚焦仪器、修正数据错误并绘制结果。
Glance 为生成器加装轻量决策适配器与指针头,从共享 prefill 中为候选段落打分,无需对每个查询-段落对单独预填充。
Meta FAIR 等机构的研究者在 arXiv 预印本中提出 AutoBenchmark,让自主科研代理从任务说明出发端到端构建基准,并用求解器轨迹和 LLM 评审两类反馈迭代修订。
作者 Ko Fujimura 报告一套由通用编程代理、约 7300 词指令文档和两个技能(研究问题构思、同行评审)组成的自主科研系统,在笔记本电脑本地计算、无人类研究输入的情况下连续完成五次运行,从提出研究问题走到经 AI 评审并修订的可重算论文。
论文提出 Exploration-Distillation(ExpDis),把 RLVR 训练拆成两个模型:探索者因找到新颖解法获得奖励,学生模型只从探索者已验证正确的解法中学习,再继续标准 RL。在三个模型上,相同算力预算下 ExpDis 在数学推理上优于标准 DAPO,准确率与解法多样性均提升,甚至超过训练步数多 4 倍的 DAPO。
Samyama.ai 作者在 arXiv 预印本中提出把学科开放问题做成数据:手工维护的问题层原样保留,其下叠加从文献索引重建的证据层,两层用带来源的 SAME_AS 与 EVIDENCE_FOR 边连接,存于同一图数据库并用 openCypher 查询。
谷歌研究团队于 10 月 27 日发布博文,介绍名为睡眠框架(Sleep Framework)的持续学习研究成果,论文题为《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》。
Biohub 团队开发了基于无标记成像细胞仪 Remoscope 的机器学习模型 Remo-ID,12 分钟内拍摄约 200 万个血细胞并判断脓毒症,在 47 份样本中正确分类 43 份。该结果已发布在 medRxiv,脓毒症组仅 13 人,研究者尚不清楚哪些细胞特征驱动预测,还需更大样本和 FDA 批准才能成为诊断工具。模型训练使用超过 12 亿个细胞,仅提供样本级标签,不预先指定细胞特征。
DeFT-RAG 提出一种 RAG 框架,每次从原问题和已答 QA 对生成一个自包含子问题,并用规则更新 QA 表、微调轻量决策模型做是/否判断,把剩余 LLM 工作移出模型。
一篇立场论文提出用覆盖、可比性、组合性三层递进能力框架梳理全模态嵌入研究,并给出三条统一路径:变换扩大覆盖、对齐实现可比、联合嵌入指向组合性。作者称这是首个跨模态、贯通式的全模态嵌入研究综述,指出各模态社区长期各自为战,但对比学习、Transformer 架构与粒度转变正推动其收敛到共同原则。
DecisionRank 提出 item-space on-policy distillation(OPD),把决策模型输出的文档分数排成序列交给生成式教师,由教师给出条件反馈直接监督这些分数,并结合离线排序监督训练。
研究团队提出分子发现 AI 智能体 MoLRSI,把工作流与模型架构的系统优化和跨任务持久记忆结合,让智能体根据工作流表现、改进结果和执行反馈递归改进搜索策略。
UC Berkeley 博士生、Google Research 高级研究员 Alex Krentsel 在 Arena 介绍了自改进 AI 智能体架构 Exo,借鉴操作系统的 exokernel 思想,将智能体拆分为受保护的机制层(状态、历史、密钥和"guardian")与可完全演化的策略层。在基准测试和开放世界 RuneScape 任务上,Exo 比 Codex 和 Pi 便宜 31-62%。
Sakana AI 在哈佛创新实验室与 Stephen Wolfram 合办的“Recursive Self Improvement in Mathematics”Hack(OpenMath 2026)中获企业组第一名。团队主要依托 Sakana Fugu 模型和内部智能体工具,贡献了 14 个数学族,其中 6 个为完整解决,另含新界与结构性进展。团队表示将在后续报告中分享方法与经验。
Hsu 等人在 Nature Machine Intelligence 发表 EVENET,这是一个在模拟粒子碰撞数据上预训练的基础模型,同时使用自监督学习和物理标签。该模型可迁移到多种分析任务,并能在真实对撞机数据上运行。
Google DeepMind 发布 Gemini 4 Carbon,在 Artificial Analysis Intelligence Index v5 上以 59 分位列第一,并在 HLE-Diamond、TB-Science 等 9 项评测中的 4 项领先。
Terence Tao、Daniel Carter 与 Kevin O'Bryant 将论文《On the diameter and distribution of Sidon sets》上传至 arXiv,该工作源于去年博客上使用 AlphaEvolve 改进 Sidon 集规模上界的讨论。
研究者提出 ReGap-Bench,一个固定场景、问题与答案、仅改变引用方式的多模态推理配对基准,覆盖五项视觉推理任务。结果显示,与任务匹配的引用最多可将准确率提升 25%,不匹配的引用收益很小甚至损害表现。作者据此把“引用鸿沟”——语言未能绑定到相关视觉实体、区域或位置——视为独立于视觉感知的瓶颈,并指出构建任务适配的视觉引用可作为免训练的视觉技能。
Google 公布 Gemini 4 Carbon 的早期版本,该模型在 Artificial Analysis Intelligence Index v5 上得分 59,比 Gemini 4 Argon 高 9 分,在复杂推理、知识和科学任务上领先。据 Artificial Analysis 的评测,它在 HLE-Diamond、Terminal-Bench-Science 等 4 项评测中排名第一,但编码与知识工作未居首;目前仅向部分用户开放,尚未公开发布,定价为每百万输入/输出 Token 4/20 美元,并有 50% 的发布折扣。
Google’s Gemini 4 Carbon is the new #1 on the Artificial Analysis Intelligence Index v5, and second only to Claude Opus 5.5 on the Artificial Analysis Coding Agent Index Gemini 4 Carbon scores 59 on Intelligence Index v5, driven by leading performance in complex reasoning, knowledge, and scientific tasks. It also has large gains in coding and knowledge work, particularly when compared to other Gemini models, but it is not leading in all these areas. As with launch of Gemini 4 Argon, Gemini 4 Carbon is being rolled out to selected users and is not yet publicly available. Google is offering a 50% launch discount, with no confirmed end date. All our charts and figures use standard pricing for both Gemini 4 Carbon and Argon. Key results for Gemini 4 Carbon with high reasoning: ➤ Gemini 4 Carbon leads the Intelligence Index v5, with the #1 score in 4 of the 9 Index evaluations: HLE-Diamond, Terminal-Bench-Science, AA-Omniscience, AutomationBench-AA. Carbon makes substantial gains elsewhere but is not leading in coding and knowledge work ➤ Behind only Claude Opus 5.5 on coding agents: With Antigravity CLI, Gemini 4 Carbon (high) scores 59 only 3 points behind Claude Code with Claude Opus 5.5 (max, 62) on the Artificial Analysis Coding Agent Index. Carbon ranks second on both Terminal-Bench 4.0 (64%) and FrontierCode v1.1 (51%), behind Claude Opus 5.5 (max) at 56%. Google has historically underperformed in this area and so this improvement stands out ➤ Improved agentic knowledge work, but not yet leading: On AA-Briefcase, Gemini 4 Carbon (high) scores 1609 Elo, a 126-point improvement over Gemini 4 Argon (high, 1483), but still behind models including Grok 4.7 (xhigh, 1638), Muse Wonder (max, 1659) and Kimi K3.1 Pro (1678). The largest gain comes from Presentation, up 293 Elo to 1598, alongside a 120-point improvement in Analytical Quality to 1671 ➤ Lower Cost per Task than Claude Opus 5.5 for comparable overall intelligence: Gemini 4 Carbon costs $7.76 per Intelligence Index task, ~23% less than Claude Opus 5.5 (max, $10.04) but ~1.2x GPT-6 Astra (max, $6.25). It uses 123k output tokens per task, 29% fewer than Claude Opus 5.5 (max, 173k). At the same $4/$20 standard pricing, its Cost per Task is in line with Gemini 4 Argon ($7.68), while scoring 9 points higher on the Intelligence Index ➤ Leading AA-Omniscience v1.1 score, with low hallucination: Gemini 4 Carbon scores 54 on our recently updated AA-Omniscience v1.1, 6 points ahead of Claude Opus 5.5 (max, 48) and 8 points ahead of Gemini 4 Argon (46). Accuracy (% correct) rises 10 points over Argon to 58%, while its hallucination rate rises from 4% to 11%. This is still the second lowest of any model, behind only Argon, compared with 50% for both Claude Opus 5.5 (max) and GPT-6 Astra (max) Key model details: ➤ Context Window: 1M tokens ➤ Multimodality: Text, image, video, and speech input, with text output ➤ Pricing: $4/$20 per 1M input/output tokens, the same as Gemini 4 Argon’s standard pricing, with a 50% discount. Cached input tokens receive a 95% discount ($0.20 per 1M) Congratulations to the @GoogleDeepMind team!
研究提出“条件交互”循环:轻量、具语义感知的 System-1 先预测候选交互的效用,System-2 只执行经自适应阈值放行的部分,结果再回写更新 System-1。
Google DeepMind 发布 Gemini 4 Carbon,距上一代 Argon 仅两周,在 Artificial Analysis Intelligence Index v5.0 上以 59 分居首,Argon 为 50 分。
Google 的 Gemini 4 Carbon 以 59 分登顶 Artificial Analysis Intelligence Index v5,在 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项评测中位列第一。
Cartesia 公布分层网络 H-Net 的扩展结果,用模型内部动态分块替代 BPE 分词,在语言建模上以更少计算达到同等损失。
Meta 研究者提出 Loop Scaling Laws,可在给定算力和内存预算下预测循环 Transformer 的最优循环次数与专家数量。在万亿 token 规模上,1.3B 循环 MoE 以相近训练算力达到 2.9B 非循环 MoE 的推理性能,参数效率约提升 2 倍。