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/
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。
500 条收录动态，更新于 19:17
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10日
星期二，4 条百度发布 ERNIE Evolve 自动化研究系统，在多项基准上超过 NanoChat 与 NanoGPT 记录
百度发布 ERNIE Evolve 自动化研究系统，给定代码库、目标和评估标准后，系统自行选择研究方向、修改代码并运行实验，只有通过隐藏评估器和独立审查者的改动才会保留。
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。
Handshake AI 数据深潜：前沿实验室在买什么样的训练数据
Latent Space 首期 AI 数据公司深潜对话 Handshake AI 团队，其 AI 训练业务约一年内从上线做到 10 亿美元年化毛收入。节目演示了金融智能体在模拟银行中处理客户邮件与工作簿时漏掉商誉调整的失误，并介绍科学图像基准 VIALS 与金融基准 ATLAS-Finance。团队还讨论了实验室如何评估新数据集、评分标准与专家判断的差距，以及安全对齐任务中智能体的工具调用。
11月9日
星期一，7 条百度推出自动化研究系统 ERNIE Evolve，用于改进 AI 训练与推理
百度发布自动化研究系统 ERNIE Evolve，给定明确研究目标后，它会选择研究方向、修改代码并运行实验，只有通过独立评估与评审的改进才会保留，每轮结果用于指导下一轮。
SwarmEvolve 用 450 个隐空间智能体并行做数学发现与优化
alphaXiv 推介的论文提出 SwarmEvolve，让 450 个智能体并行在内部推理而不生成文本，并通过 KV-cache 共享思路，再用新颖性过滤保留多样方案后组合成新解。
百度发布自动研究系统 ERNIE Evolve，并在 ERNIE-5.5-Flash 推理优化中落地
百度发布自动研究系统 ERNIE Evolve，它围绕给定代码仓库、优化目标和评测标准自主修改代码、在隔离环境跑实验，由独立评测与复核决定保留哪些改动。该系统在 NanoChat AutoResearch、NanoGPT Speedrun 和 SOL-ExecBench 三项公开任务上均高于基线，其中前两项超过公开验证的最好结果，优化结果已在 GitHub 开源。
入选理由百度公开了自动研究系统在公开基准与自家推理优化任务上的结果，研究者可据此判断自动研究闭环能承担哪类研发工作。
Stanford 的 Mihail Eric 谈 AI 原生工程教育：CS146S 课程与 Monaco 的智能体实践
Stanford 的 Mihail Eric 在 CS146S 课程中把作业改成向开源项目提交补丁，由维护者评审学生代码，因为斯坦福大二大三学生已普遍用智能体写代码。他在 Monaco 的团队评估代码评审产品后继续使用 Devin，但因后台智能体需要运行和复现故障的环境而自建工作区，其内部工具 Hal 可让工程师调查故障并开 PR。
Embodied First Exam：面向编码智能体的机器人控制评测基准发布
研究者提出 Embodied First Exam，一个面向编码智能体的统一机器人控制评测框架，允许智能体自行选择直接控制、写代码控制或训练策略控制。该基准包含 47 台机器人上的 35 个套件共 1156 个任务，其中 9 个新套件覆盖空间谜题、灵巧操作、多机器人交互、动态全身控制和 sim-to-sim 工程，每个任务可在最多三种评测设置下运行。
世界模型需要多少次接触才能学会新游戏机制：MechEval 与 WARC 在 ARC-AGI-3 上的测试
研究团队在 ARC-AGI-3 交互式游戏基准上提出 MechEval，为 20 款游戏的 69 种反复出现的机制打标签，并按机制每次改变的环境格子给预测打分。
Perplexity队友助写书并出版Kindle
队友可以帮你撰写、出版并在Kindle上销售书籍
引用Jeff Grimes@jeffgrimes9I'm a published author now, thanks to my Perplexity teammate. I created a teammate called AuthorBot whose role is to write technical books. I asked it to publish a Very Short Introduction (in the style of Oxford University Press) to fault-tolerant quantum computing on Kindle. AuthorBot did everything itself: It pulled 92 papers from 1956 to 2026 as research, wrote an 8-chapter monograph with 64 equations and 13 figures, formatted the EPUB3 and 226-page print edition, submitted the book to KDP, and notified me when it had been accepted by Amazon.
11月8日
星期日，4 条InfraRSI：用递归自我改进优化 LLM 训练基础设施
InfraRSI 是一套智能体框架，通过五阶段流程把开放式人类指令转化为经过验证的训练优化，覆盖启动参数、算子内核与通信调度。在四类单节点与多节点稠密及 MoE 大模型负载上，它实现最高 2.75 倍加速，平均 MFU 从 17.4% 提升至 30.0%，优于现有调优器和编程智能体，并可跨 GPU 迁移经验。
上海交大团队构建 AI 原生科学实验室 AutoDNA，实现自主分子生物学实验操作并登上《自然》
上海交通大学陈海波、王肇国团队与樊春海、王飞团队合作构建 AI 原生科学实验室 AutoDNA 装置（思源一号），实现自主分子生物学实验操作，成果发表于《自然》并获该刊官网首页头条报道。
入选理由AutoDNA 把文献检索、方案设计到仪器执行串成闭环，研究者可据此判断自主实验在分子生物学场景的落地边界。
NVIDIA 论文提出 VFlash：并行生成视觉规划，机器人规划延迟降低约 80%
NVIDIA 的新论文 VFlash 提出用轻量扩散模型并行预测整条轨迹、边界框和 3D 运动，而不是逐个坐标生成视觉规划，使机器人规划延迟降低约 80%，同时提升空间精度。在 MolmoSpaces 上，动作模型使用 VFlash 生成的规划后，机器人任务成功率从 62.6% 提升到 70.2%。论文链接：https://www.alphaxiv.org/abs/2611.08449
新研究：AI 审计智能体能抓出多数智能体不当行为，但误报淹没人工复核
Anthropic Institute 研究员 Andy Hall 在 Substack 发布一项复现并扩展 METR 研究的分析，用 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 审查 METR MALT 数据集中人类标注过的智能体日志。
11月7日
星期六，5 条METR 报告称 Anthropic 模型改进速度约为一年前两倍，多数证据被删节
AI 安全研究机构 METR 在 Anthropic 内部进行 11 周调查后发布报告，称 Anthropic 的模型改进速度约为一年前的两倍，基准分数显示其过去一年取得约两年的历史进展，研究者认为加速主要来自 AI 而非算力扩张。
九个 AI 智能体挑战美国国家实验室开放问题，135 份投稿无一达到专家标准
一项研究让 Claude Opus 4.8、Claude Opus 5、Claude Fable 5、Claude Opus 5.5、GPT-5.6 Sol、GPT-6 Astra。
入选理由这项基准用美国国家实验室研究者的开放问题检验九个智能体，显示自主科研的短板集中在自我核查与诚信环节。
苹果披露人形机器人 HALO 系统：调用千问模型在宇树 G1 上验证，单项任务平均成功率 91%
苹果研究团队在 arXiv 预印本论文《Perceptive Humanoid Motion from Simulation》中披露人形机器人自主控制系统 HALO，并公开数据生成、模型训练与部署代码。
alphaXiv OpenResearch v0.2.25 发布
alphaXiv OpenResearch 发布 v0.2.25，重写了实验引擎并支持在对话中途切换 harness。该版本新增跨工作区聊天记录搜索、可调整大小的聊天输入框和土耳其语界面，并修复了远程会话中 alphaXiv 登录不打开浏览器、Linux 桌面端无法粘贴剪贴板图片等问题。项目还支持以 .orx 文件分享项目、发布为 openresearch.sh 链接。
Anthropic 研究称 Claude 智能体可借“做梦”机制整理记忆
Anthropic 发布研究文章《The components of agent memory》，将 Claude 智能体记忆拆为会话日志、记忆笔记、知识表征和注入上下文四层，并引入“做梦”机制，让模型在两次交互之间的空闲时间回顾日志、纠错并更新知识库。
11月6日
星期五，2 条Anthropic 拆解智能体记忆的组成：记忆笔记、dreaming 与 wiki 表示
Anthropic 在官方研究博客中说明其对 Claude 智能体记忆的设计思路，把记忆定义为跨会话保留、以可读上下文形式保存的经验知识，并区分于权重更新、会话内学习和上下文压缩。
Transluce 研究微调效果预测的规模定律：监督模型性能随模型与数据规模呈幂律提升
Transluce 训练不同规模的 Qwen3.5 监督模型，在给定微调数据集、提示词和基座模型回答的条件下预测微调后 Qwen3.5-2B 的回答，发现性能随模型与数据规模呈幂律提升。例外是与被监督模型同源的监督模型表现优于更大模型，且性能存在非零损失下限。研究还显示预测性能可泛化到更难的分布外数据集。
11月7日
星期六，1 条SparseRead：为 AI 智能体提供 token 高效的稀疏阅读层
SparseRead 是一个可复用的阅读控制层，在不改动智能体模型的前提下控制外部内容准入，由 Read Intent Protocol、Adaptive Reader Backends 和 Budgeted Read Gate 三部分组成。
11月6日
星期五，7 条THE DECODER《Frontier Radar》第5期：AGI 临近，为何顶尖研究者纷纷离开大厂创办 neolabs
THE DECODER《Frontier Radar》第5期按六类研究押注梳理了45家 neolabs，并详述其中27家。这些由 OpenAI、Google DeepMind、Meta 前核心成员创办的实验室多无公开产品或论文，却已获巨额融资，如 Nvidia 据 Bloomberg 报道向 SSI 投资50亿美元。
Helmholtz Munich 的 Fabian Theis 谈如何控制生物学与虚拟细胞
Helmholtz Munich 的 Fabian Theis 认为，现有数据集下的扰动预测并不足以支撑复杂算法，应转向用大规模、高精度、多尺度配准数据预测分子→细胞→组织→器官→生物体的演化。
vLLM 团队提出 REINFORCE Zero：对齐内核后异步强化学习在 lag 64 下稳定训练
vLLM 官方博客介绍 NVIDIA Research 与 Inferact 的论文 REINFORCE Zero：把推理引擎与训练器的内核对齐后，未截断的重要性采样即可修正权重滞后，异步强化学习在策略滞后 64 下仍能稳定训练，16 卡 12K 次更新下训练步吞吐为同步训练的 2.40 倍。
Fabian Theis 谈虚拟细胞：Biohub 18 亿美元押注与扰动预测困境
Helmholtz Munich 的 Fabian Theis 认为，现有数据集上的扰动预测并不足以支撑复杂算法，应转向用大规模、高精度、多尺度配准数据预测分子→细胞→微环境→组织→器官→生物体的演化。
Ai2 ToyBlocks：用积木学空间推理
幼儿通过玩积木学习规划与空间推理，积木堆倒塌后重新搭建，或翻转积木找到上面的字母。 ToyBlocks 采用同样的设定——一个模拟机器人必须在推、翻、堆叠积木的过程中，推理积木之间如何相互作用。
Ai2 ToyBlocks 用高层任务训练模型
在 ToyBlocks 中，用户定义诸如堆叠方块序列的高层任务。ToyBlocks 规划如何通过低层技能完成这些任务。 模拟每个规划会生成一个演示，用于训练从传感器观测（包括相机图像）出发行动的模型。
The Scholarly Kitchen 对话 EBSCO、Silverchair、LibLynx：学术传播技术供应商谈 AI 智能体与访问管理
The Scholarly Kitchen 在 Charleston 图书馆会议上与 EBSCO、Silverchair、LibLynx 三位技术供应商座谈，讨论 AI 智能体、身份认证与平台基础设施的变化。