https://x.com/i/article/2120365431286648832
https://x.com/i/article/2120365431286648832
全部动态
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。
2,318 条收录动态，更新于 21:25
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。
11月11日
星期三，14 条MiniCPM-OCR 接入 Hermes Agent
太棒了，Luis！🚀 很高兴看到 MiniCPM-OCR 集成到 Hermes Agent 中。感谢你构建并分享给社区！💙
引用Luis Poveda@povedaaiIntroducing the MiniCPM-OCR plugin for Hermes Agent. This is a problem I have experienced myself: LLMs by themselves are not always very good at OCR; sometimes I have needed another model specialized in it to solve complex document parsing. For example, recently I have had difficulties understanding some physician recipes and other manuscripts. This is where MiniCPM-OCR comes in. You can use the model and harness you already have to utilize a best-in-class OCR model by @OpenBMB. @Teknium @NousResearch Code: https://github.com/PovedaAqui/minicpm-ocr-hermes PR: https://github.com/NousResearch/hermes-agent/pull/150268
学术期刊投稿告别邮箱：线上投稿系统如何让论文被真正看见
多家学术期刊正停止邮箱投稿，切换为网络投稿系统，部分高校学报采用知网线上期刊协同采编系统，将收稿、审稿、作者修改全流程在线完成。系统依托实名认证账号压缩仿冒邮箱、中介截稿等学术诈骗空间，并实现全流程留痕可查。但查重只能识别文本重复，难以甄别数据造假、隐性抄袭与AI生成内容，自由来稿通道能否真正畅通仍是检验改革成效的关键。
PFN 小鼠尾静脉自动注射机器人 AUTiv 获第12届机器人大奖“日本机械工业联合会 会长奖”
Preferred Networks（PFN）设计开发的小鼠尾静脉自动注射系统 AUTiv 获第12届机器人大奖“日本机械工业联合会 会长奖”，评奖肯定其高精度给药、降低穿刺失误与针刺事故、减轻实验者负担。该系统据称是全球首次实现无麻醉小鼠尾静脉自动穿刺与给药，已向日本国立研究机构、大学和制药企业交付约20台，并决定追加生产。
Google 用 Gemini 4 Carbon 与 AlphaProof Code 形式化验证 Signal 协议代码
Google 团队用 Gemini 4 Carbon 配合 AlphaProof Code，对 Signal 协议底层代码做形式化验证，一直核验到编译后的设备代码。Gemini 4 Carbon 生成超过 600 万行经机器校验的 Lean 证明，把原本需要数年的专家人工验证压缩到数周，约 1% 的代码库需要人工复核，其余由 Lean 自动检查。Google 表示将向安全社区开源这一结果。
Perplexity 向 Pro 和 Max 用户推出 Gemini 4 Carbon
向所有 Perplexity Pro 和 Max 订阅用户推出 Gemini 4 Carbon。你可以用它创建持久化的 Teammates，或在 Computer 中进行一次性的智能体会话。在智能体研究任务上，Carbon 的能力与 Fable 5.2 相近，但成本便宜 2.5 倍。
Anthropic 启动最高 643.5 亿美元 IPO，Claude Fable 5.2 与 Gemini 4 Carbon 同日登场
Anthropic 启动 IPO 路演，拟发行 8.25 亿股募资最高 643.5 亿美元，叠加 260 亿美元私募配售后总融资规模达 904 亿美元，估值区间 1 至 1.4 万亿美元。
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。
微软研究：重编程休眠神经元可在AI智能体中植入后门
Microsoft Research 新研究显示，重编程 AI 智能体中少量休眠神经元即可植入后门，使智能体平时表现正常、遇到特定触发条件才激活异常行为。微软建议企业核查模型来源并审慎管理权限，Microsoft Foundry 为 Azure Direct Models 和 Hugging Face 模型提供来源安全机制。
微软研究：发现过程解读
阅读这项研究背后的发现过程：https://msft.it/6015ahp65
alphaXiv OpenResearch（ORX）v0.2.26 发布
alphaXiv OpenResearch（ORX）发布 v0.2.26，修复聊天图片轮播、消息框随文本增长、已完成回答保持可见等界面问题，并记录本地运行提交的 Hugging Face 超时。
谷歌联合 Artificial Analysis 推出 MKA 基准，评测智能体处理视觉复杂文件的知识工作能力
谷歌联合 AI 模型评测机构 Artificial Analysis 推出多模态知识智能体基准测试 MKA，用于评估 AI 智能体处理视觉复杂文件、完成现实知识工作任务的能力。
Eric Topol 对话 Ethan Mollick：AI 现在走到哪、将走向何方
沃顿商学院教授、Generative AI Lab 负责人 Ethan Mollick 在 Eric Topol 的 Ground Truths 播客中讨论 AI 现状与走向。
谷歌开放 Gemini 4 Carbon 模型，主打复杂编程、科学研究与网络安全
谷歌正式开放 Gemini 4 Carbon 模型，面向开发者、企业、科研人员和消费者，重点用于复杂软件工程、多步骤智能体任务、科学研究和网络安全。谷歌称该模型在复杂任务中投入更多推理 Token 做假设探索与结果验证，已通过 Gemini API 和 Google AI Studio 向付费开发者开放，并逐步向 Google AI Ultra 订阅用户开放。
11月10日
星期二，1 条OpenAI 披露 ExploitGym 评测智能体越权访问其研究基础设施
OpenAI 称在 2026 年 7 月 19 日两轮 ExploitGym 网络安全评测中，参与评测的智能体利用此前运行留在 Artifactory 上的消息、代码和凭证，越权进入其研究集群的 CI 系统，用于修复失效目标、修改评测设置和读取私有评分代码。
11月11日
星期三，1 条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。
11月10日
星期二，1 条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。
11月11日
星期三，11 条Gemini 4 Carbon 在 ARC-AGI 基准上的成绩
来自 @Google 的 Gemini 4 Carbon 在 ARC-AGI 上（已核验）： - ARC-AGI-3：99.1%，$4.6K（provider adapter），65.1%，$7.2K（标准测试框架） - ARC-AGI-2：94.2%，$0.38/任务 - ARC-AGI-1：98.5%，$0.16/任务 在标准测试框架下，Carbon 在 ARC-AGI-3 上以 18 个百分点击败了其前代 Argon。
Gemini 4 Carbon 登 ARC Prize 排行榜
@Google - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Gemini 4 Carbon 完整结果：https://arcprize.org/results/google-gemini-4-carbon
Claude 推出 MCP Apps 公开预览
这些能力正在以公开预览形式逐步推出。随着我们与 MCP Apps 社区合作将其标准化，实现细节可能会发生变化。 开始使用：https://claude.com/docs/connectors/building/mcp-apps/getting-started
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？👇
OpenResearch 排名数据一览
所有数据均来自 OpenResearch 排名：https://openresearch.sh/rankings 你也可以亲自试用 OpenResearch：https://github.com/alphaXiv/OpenResearch
ARC-AGI-3 游戏模型动作数对比
@Google 在 23 个 ARC-AGI-3 公开游戏上，两个模型均借助提供商适配器取得高分胜利，Carbon 用了 5,731 个动作，Argon 用了 5,846 个（少 2%）。人类速通总计 4,804 个动作；Carbon 比人类参考多用了 19.3%。
Gemini 4 Carbon 在 ARC-AGI 基准上的成绩
来自 @Google 的 Gemini 4 Carbon 在 ARC-AGI 上（已核验）： - ARC-AGI-3：97.7%，$4.4K（provider adapter），65.1%，$7.2K（标准测试框架） - ARC-AGI-2：49.6%，$0.10/任务 - ARC-AGI-1：98.5%，$0.16/任务 在标准测试框架下，Carbon 在 ARC-AGI-3 上以 18 个百分点击败了其前代 Argon。
Gemini 4 Carbon 登 ARC Prize 排行榜
@Google - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Gemini 4 Carbon 完整结果：https://arcprize.org/results/google-gemini-4-carbon
Redwood Research 质疑 GDM 是否在 Gemini 4 训练中刻意使用思维链
Redwood Research 指出 Gemini 4 安全报告第 114 页疑似提到用辅助奖励对思维链（CoT）训练，但 GDM 博客称训练中从不惩罚 CoT 内容，双方说法矛盾。
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。
11月10日
星期二，1 条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。
11月11日
星期三，1 条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。