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。
154 条收录动态，更新于 10:09
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。
@deepseek_ai @baseten DeepSeek V4.1 Flash 1017 在 ARC-AGI-1 和 ARC-AGI-2 上的表现： https://x.com/arcprize/status/2113318031954764273
DeepSeek V4.1 Flash 1017 from @deepseek_ai on ARC-AGI (Verified): - ARC-AGI-2: 78.1%, $0.16/task - ARC-AGI-1: 94.5%, $0.06/task The best ARC-AGI-2 scores for DeepSeek's Flash models rose from 61.4% (V4 Flash 0731) to 72.9% (V4.1 Flash) to 78.1% (V4.1 Flash 1017).
Anthropic Residency 现已开放申请，这是一个带薪、固定期限的研究项目，面向希望让 AI 对所有人安全有益的学者、技术创始人和资深工程师。无需机器学习背景。 申请截止日期：11 月 22 日：https://alignment.anthropic.com/2026/anthropic-residency/
Biohub 启动影像驻留项目（Imaging Residency Program），已选出 18 位科学家嵌入其研究团队，围绕冷冻电子断层扫描、计算成像、发育系统图谱等方向开展合作，并提供固定经费支持聚焦项目。
Digital Science 旗下 Dimensions 的 Compass 工具可基于用户自定义基准和出版表现追踪，帮助 Medical Affairs 团队用触达等量化指标选择期刊与会议，替代依赖熟悉度和声誉的定性判断。文章指出，仅靠影响因子、引用数或网页访问量等传统指标会放大选择偏差，并给出一个药品首年于多个 EMEA 市场上市、需制定区域会议投稿策略的实例。
Nature Machine Intelligence 刊文指出，AI 提供商频繁更新模型与系统集成却不相应变更公开标识，损害监管监督与科学可复现性。文章主张推行满足监管者与研究者需求的“有意义的 AI 版本管理”。
一篇 arXiv 预印本提出用四项测试估算科研信息源接入机构 CRIS 的整理成本，其中两项只用公开数据，两项对照机构自有已核对记录。
SemiAnalysis 发布 GDPx 基准，覆盖芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进、硬件设计、材料科学、对齐和软件工程等领域，最高分模型仅得 12%。
OpenAI 于 10 月 6 日发布 700 余篇研究论文，数学家 Frank Calegari 认为这标志着 AI 已能在数学多个领域做出突破性贡献。他指出这些论文写作质量糟糕、违反署名规范，部分甚至有误，但数学家更应把精力放在招聘、发表与培养学生上。他以有限单群分类的历史为例，提醒同行不要因“著名问题被解决”而放弃领域，而应借新工具开拓更深层的问题。
AIHOT模型榜将抓取的公开评测集从39份增至56份，按原有算法对所有模型重新进行ELO排名，并剔除未正式上线的模型（如Gemini 4 Carbon）。结果显示综合与编程第一为Claude Opus 5.5，科研与知识第一为GPT-6 Astra，办公第一为Gemini 4 Argon。
英国数学科学学会（Academy for the Mathematical Sciences）发布报告《The mathematical sciences in an AI-enabled world》，考察 AI 进展如何改变数学研究及其应用，并分析相关风险。
自然科学基金委第463期双清论坛“AI时代的物理学”于2026年10月21—22日在上海召开，由交叉科学部、数学物理科学部、信息科学部及计划与政策局联合主办、复旦大学承办。论坛围绕“科学发现与前沿问题突破”“技术创新与未来产业发展”两大议题研讨，凝练了智能物理学领域关键科学问题并形成资助与发展建议。40余位专家学者及基金委相关部门工作人员参会。
Anthropic 开放 Anthropic Residency 申请，这是其付费、固定期限研究项目，驻留期 6 周至 6 个月，面向量化领域教授、技术创始人或 staff 级工程师，不要求机器学习背景，本轮申请 11 月 22 日截止。
Schmidt Sciences 公布 2026 年 AI2050 Fellows 名单，MIT 五位教师和两位校友入选，其中包括资深研究员 Sendhil Mullainathan 与四位早期职业研究员。Mullainathan 的项目聚焦把 AI 可检测的模式转化为可检验的理论，其余入选者分别研究高效模型训练、面向立法者的结构化公众意见收集、生物酶功能判定以及 AI 广泛依赖的负面影响缓解。
ARC Prize 2026 提交将在 3 天后截止 Tufa Labs 和 Yi-Chia Chen 本月已在 ARC-AGI-3 公开排行榜上三次互换第一名 Tufa Labs 继续领跑 ARC-AGI-2，Yi-Chia 紧随其后 最终提交截止日期为 11 月 2 日
BestRand 是一种稳定、低成本的基准压缩方法，在 70 多个文本、多模态和智能体基准上验证，并将方法扩展至 VLA 评测。相比对比方法，BestRand 将高误差风险降低 50.2%、估计误差平均降低 16.4%，构建成本仅为 51.3%，在分数范围、模型家族和时间偏移下还将 OOD 估计误差平均降低 21.8%。代码与数据已公开。
OpenAI CEO 萨姆・奥尔特曼在《Cheeky Pint》播客中表示，他理解数学家面对 AI 研究成果大量涌现的处境，但 OpenAI 仍需继续公布具有重要价值的科学发现，不应把重大基础科学发现长期留在公司内部。
普林斯顿大学的研究者分析 OpenAlex 中约6000万篇论文后指出，2019年 Nature 论文所称小团队更易改变研究方向的结论，很大程度上是标准改变研究方向指数（DI）对参考文献数量的机械依赖造成的测量偏差。
一项预印本研究利用 arXiv、DBLP 和会议投稿记录，分析 2010–2025 年计算机科学论文增长，把论文总量拆成作者人数与人均论文数两项，发现论文量增长几乎全部来自发文作者人数增加。
Artificial Analysis Intelligence Index v5.0 发布两天，Terminal-Bench-Science 首次进入指数并占总分 15%，整个"科学"类别权重从 20% 上调至 25%。
独立写作者咸鱼（公众号「葬AI」）在 ChinaTalk 播客中谈中国 AI 行业，称自己从 2025 年下半年起完全弃用 AI 写作，理由是模型编程能力变强而写作原创性明显下降。他还做了一个让普通人按“梗度”给视频模型排名的网站，并与主持人就中美哪边炒作更严重存在分歧。
加州大学伯克利分校EECS教授Gireeja Ranade在Terence Tao博客客座撰文，讨论AI冲击下数学等理论学科学生动力与就业问题。她指出，学生因模型“一个提示就能做所有事”而失去努力意愿，并担忧下一代普通数学家的岗位与培养。文章将维持智识文化所需的数学、科学与人文人才培养称为公共品问题。
Artificial Analysis 在旧金山发布 Intelligence Index v5，含两项新基准和三项升级，加大智能体编程与科学权重，且首次多数指标基于私有测试集或留出答案。
Accenture Federal Services AI 与数据董事总经理 Barnett Koven 在播客中讨论 DOE 的 Genesis Mission，称其为科学研究的“骨干”。他提到用自然语言处理从国务院每天约 3000 份外交电报中提取信息，并称如今借助 Claude Code、Codex 等工具，原本 6 人 6 个月的项目两人数周即可完成。
Anthropic 宣布将 AI for Science 计划从支持单个团队扩展到支持科研基金会、科研机构和研究团队，具体支持方式与申请条件见其官网公告：https://www.anthropic.com/news/ai-for-science-expands-foundations-research-institutions
Anthropic 宣布其 AI for Science 计划从支持个人研究者扩展到科研基金会与研究机构，向 20 个科学基金会、研究机构和研究团队提供免费 Claude 额度。
入选理由Anthropic 把免费 Claude 额度从个人研究者扩展到资助机构和大型研究所，读者可据此判断哪些机构的研究者能获得 AI 资源。
Muse Spark Open，来自 @AIatMeta，在 ARC-AGI 上（已核验）： - ARC-AGI-3：0.4%，$3.0K（provider adapter harness），0.1%，$3.9K（标准 harness） - ARC-AGI-2：57.5%，$0.73/任务 - ARC-AGI-1：89.0%，$0.29/任务 其在 v1/2 上的得分与 Haiku 5.5 和 GPT-6 Luna 相近，但成本约为后者的 9 倍。
Artificial Analysis 发布 Intelligence Index v5，60% 评测权重首次建立在私有测试集或隐藏答案之上，编码项中 Cognition 同日发布的 FrontierCode 2.0 独占 15%。
绘制 ARC-AGI 模型分数后发现，三项基准之间存在强关联。 例如，幂曲线 v2 = v1^4.53 可解释 ARC-AGI-2 分数约 98% 的变异。在 ARC-AGI-1 上得分相同的模型，在 ARC-AGI-2 上仍可能相差超过 20 个百分点。
非盟与欧盟于2026年10月26日在线举办“AI in Science”高级别活动，讨论如何构建公平包容的科研AI伙伴关系并确定未来联合行动优先事项。欧盟委员会介绍了其AI in Science战略及RAISE计划，称非欧科研创新合作已支持约60亿欧元活动。会议提出数据与基础设施、科研网络、创新生态、技能人才四方面合作重点，相关建议将用于筹备2027年非盟—欧盟科研与创新部长级会议。
Artificial Analysis 推出 v5 版本，Nathan Lambert 在 Interconnects 中讨论基准测试者面临的困境：提升分数虽昂贵但有清晰套路，而在当前 AI 前沿创建有意义的基准却缺乏方法。文章指出，对语言模型的独立评估难度被低估。