全部动态

蚂蚁 inclusionAI 发布 ZoomGain-9B 视觉语言模型及配套基准与 RL 数据

蚂蚁 inclusionAI 发布 ZoomGain-4B 与 ZoomGain-9B 模型检查点，并同步开放 arXiv 论文、ZoomGainBench 评测基准和 RL 训练数据。

蚂蚁 inclusionAI 发布 ZoomGain-4B/9B 模型、ZoomGainBench 基准与 RL 训练数据

蚂蚁 inclusionAI 发布 ZoomGain-4B 与 ZoomGain-9B 视觉语言模型，并同步开放 arXiv 论文、ZoomGainBench 评测基准和 RL 训练数据。

首届AI赋能科学发现奖揭晓：施普林格·自然与BCG旗下AI科学研究院表彰全球四位科研人员

施普林格·自然与波士顿咨询公司旗下AI科学研究院共同设立的首届AI赋能科学发现奖揭晓，美国、德国、中国、南非四位科研人员获奖，分别来自普林斯顿大学、弗里德里希·席勒大学、香港理工大学和斯坦陵布什大学。获奖研究覆盖AI识别未知分子、传染病监测预测、化学材料数据梳理及器件内AI传感。每位获奖者获1万美元发展资助及线上定制培训。

MMDM 基准发布：5,448 道题评测决策模型在多任务决策中的表现

研究者提出 MMDM（Massive Multitask Decision Making）基准，包含 16 个任务类别的 5,448 道题，覆盖智能体状态跟踪、工具与技能选择、偏好判断和评分量表打分等场景，选项空间从 2 到 1,024，输入最长 64,817 Token。

CyberBinGym 基准：AI 智能体能否把二进制补丁变成真实漏洞利用

加州大学伯克利分校 RDI 等机构发布预印本 CyberBinGym 基准，考察 AI 智能体在只有已打补丁与未打补丁二进制、无源码和触发输入时，能否恢复漏洞并完成利用。

Google 与 Artificial Analysis 推出 MKA 基准，评测智能体在视觉复杂文件上的知识工作

Google 与 Artificial Analysis 联合推出 MKA（Multimodal Knowledge Agent）基准，用于评测智能体在视觉复杂文件上完成知识工作的能力。

Berkeley RDI 提出 Aqueduct：用 Lean 证明智能体改写程序与原程序等价

UC Berkeley 与 AWS 的研究者提出让编码智能体加速现有函数，并在 Lean 4 证明助手中证明加速版本 f′ 与原函数 f 对所有输入返回相同结果，以现有代码本身作为规格。

中美用户模型使用差异显著

中国用户的模型使用情况与美国用户截然不同： • Anthropic 模型的使用量少约 7.5 倍 • OpenAI 模型的使用量多约 2.5 倍 • 开源模型的使用量多约 3.9 倍（这并不意外） 其他模型的情况如何？👇

Gemini与DeepSeek的中美用户分布差异

Gemini 在美国用户中更受欢迎，而 DeepSeek 在中国用户中更常用。 Anthropic/OpenAI 的趋势广泛适用于所有模型。

AI 成为“神谕”后，数学会怎样？《Big Math》新书探讨

应用数学家 Steven Strogatz 与 Alex Townsend 合著新书《Big Math: The Hidden Codes That Run Our World》，聚焦大语言模型、AI 聊天机器人与量子计算推动的“大数学”正开始超出人类理解能力这一变化。

Artificial Analysis 与 Google DeepMind 推出 MKA 基准，用复杂视觉文件测试智能体知识工作能力

Artificial Analysis 与 Google DeepMind 合作推出 Multimodal Knowledge Agent（MKA）基准，要求智能体阅读建筑图纸、工程示意图、临床扫描等复杂视觉项目文件，并产出幻灯片、表格、PDF、Word 文档和标注图片等交付物。

STABL 成立非营利研究机构，聚焦 AI 影响的下游瓶颈

非营利研究组织 STABL 成立，主张在“重视 AI 变革潜力”与“重视下游瓶颈”的 2x2 框架中占据此前思考稀疏的右上象限。该组织将开展关于 AI 进展速度与递归自我改进（RSI）的实证研究，并分析风险缓解、劳动力市场冲击与社会韧性等议题。其观点是，社会转型速度更多受人类与组织变革速度制约，而非能力进步。

Baseten 与 Genspark 后训练 Qwen3.5-397B 打造深度研究模型，称在自有评分上超过 Opus 5.5

Baseten Applied Research 与 Genspark 合作，将 Qwen3.5-397B 后训练为专用 Deep Research 模型，在 Genspark 自建质量评分器上得分 0.759。

Artificial Analysis 与 Google DeepMind 推出 MKA 多模态知识工作基准

Artificial Analysis 与 Google DeepMind 合作推出 Multimodal Knowledge Agent（MKA）评测，用于衡量智能体处理复杂视觉文件并产出交付物的能力。

Gemini 4 Carbon 发布

开始使用 Gemini 4 Carbon 构建：这是我们面向复杂、长周期任务的最强模型。 它旨在深入探索问题，并在软件工程、网络安全、知识工作和科学领域运行扩展验证循环。

研究者能否让混乱的 AI 基准测试变得有序

Science 报道称，AI 基准测试结果常因方法披露不全、提问标点等细节差异而难以复现，同一翻译任务中三个模型的准确率分数从 40% 到 94% 不等，研究者要判断一个基准结果是否可信，可能需花费数千美元以上。

Google DeepMind 发布 Gemini 4 Carbon，面向科研与智能体工作流

Google DeepMind 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon，称其在网络安全和长程智能体工作流上具备前沿表现，并强调物理、数学和生命科学推理能力的提升。

入选理由原文列出 Carbon 在酶测定、蛋白同源序列检索和形式化验证中的具体用法，研究者可据此判断它适合承担哪类科研任务。

alphaXiv 推荐两篇新综述：连续扩散语言模型与机制可解释性

alphaXiv 本周推荐两篇新综述：一篇由 Sophia Tang 等人撰写，聚焦连续扩散与流语言模型；另一篇由 Fazl Barez 和 Tony Wu 主导，聚焦机制可解释性。推文认为论文数量与噪声已超出 AI 有效梳理的范畴，因此人类撰写的文献综述比以往更重要，并称这两篇是了解上述领域的宝贵资源。

AI100 第三份报告发布：AI 正压缩科研周期，机器生成发现需新验证方法

斯坦福 HAI 管理的 AI100 项目发布第三份报告，由 Michael Wooldridge 主持的 2026 年研究小组评估 AI 进展与社会影响。报告称 AI 正把科研时间线从数年压缩到数月甚至数周，并预计十年内 AI 驱动的实验室将成为各学科常态，但警告验证机器生成的发现需要严格的新方法。

Sage-Taiyi 元认知架构在科研构思基准居首，化学实验验证提升产率

研究团队提出元认知架构 Sage-Taiyi，用积累的科学理解指导下一步研究什么、如何研究，并通过显式监控与调控修正对证据、假设和未解问题的判断。

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%。

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/

Claude Fable 5.2 与"锯齿状 AGI"：一次跨领域能力实测

Ethan Mollick 在 Claude Fable 5.2 公开发布前试用后认为，它接近其所定义的"锯齿状 AGI"——即在多数可用电脑完成的知识任务上接近人类专家，但仍有明显短板。

Google Research 新加坡中心正式启用

Google Research 正式在新加坡设立新中心，聚焦三大方向：与全球团队推进基础 AI 效率、与新加坡国立大学（NUS）和南洋理工大学（NTU）合作培养本地科研人才、并把 MedGemma 等开放模型带入一线医疗以扩展健康研究项目。Google 副总裁兼 Google Research 总经理 @ymatias 表示，团队将先着手前沿 AI 效率研究。

Magic State Labs 创始人 Pradeep Niroula 谈 AI 时代的科研：科学家最重要的资产是智识流动性

量子计算初创公司 Magic State Labs 创始人兼 CEO Pradeep Niroula 表示，公司正构建 AI 系统以加速量子信息领域的发现，目标是让系统在极少指导下同时探索数百个科研方向。他认为随着 AI 模型承担越来越多模拟与数学证明等技术工作，科学品味和判断力变得更加关键。Niroula 曾在 IonQ、Google 和 JPMorganChase 担任研究职位。

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

特种化学品公司Lubrizol如何用AI加速研发创新

特种化学品制造商Lubrizol正构建连接业务流程、现代数据平台与云基础设施的数字基础，让研发团队更快验证想法。其IT副总裁Girish Rao称，数据科学家可在物理实验前识别规律、检验假设并建模，但目的是给科学家更好的工具而非取代科学判断。公司以“融合团队”方式让科学家、数据科学家与IT围绕共同目标先做小规模试点，并借助数字建模评估淀粉、玉米基等替代材料及产品全生命周期权衡。

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。

在 AI 时代重新思考神经科学研究生教育

六位神经科学家在 The Transmitter 撰文讨论 AI 时代神经科学研究生教育应保留、舍弃与新增哪些训练内容。文章指出大语言模型已能大幅加速编程、数据分析和科学写作，AI 智能体在生物数据分析、假设生成与科学发现上展现潜力，但常规使用 AI 者在移除 AI 后同类任务表现更差。作者主张以“构建—评估”循环训练学生，让 AI 充当苏格拉底式导师和个性化评估者，而非替代基础推理能力的培养。