Artificial Analysis 推出 HLE-Diamond 榜单
Artificial Analysis 在 Intelligence Index v5 中上线 HLE-Diamond 榜单，独立评测 CAIS 与 Scale AI 经一年清洗修订的 Humanity's Last Exam 1000 题版本，其中 272 题含图像，推理与知识题各半。
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。
2,349 条收录动态，更新于 05:51
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。
10月30日
星期五，15 条ExpDis 将 RLVR 的探索与优化解耦
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。
AI 智能体起草转化影响摘要的真实场景评估
研究团队构建了一个人在回路中的 AI 智能体，为每位学者汇集带出处的证据并起草一句话 TSBM 影响摘要，供工作人员复核。在一个 CTSA 中心的 10 名 KL2/K12 职业发展学者上评估，两名工作人员独立编码全部 507 条发现，81.7% 被接受或修改；每人每名学者中位耗时 14 分钟，而人工汇编估计需 15 小时。
普林斯顿团队分析约6000万篇论文：大团队更易改变研究方向的结论源于测量偏差
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。
Samyama.ai 用双层知识图谱重建学科开放问题目录，状态判定审计 41 条仅 9 条正确
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。
研究重析 AI 科研智能体论文：无依据数字多为错配而非编造
一项针对 Into the Unknown 基准的重分析发现，AI 科研智能体论文中无依据的数值大多并非凭空编造，而是取自错误的实验、指标或运行。作者重析该基准全部 540 份评审判断，并人工标注 18 份投稿中的 256 条数值主张，在 53 条无依据主张中 47 条属于错配、仅 6 条在可用文件中找不到来源，加权后错配占比约 81%。
墨尔本大学 Kostakos 提出 AI 时代同行评审新方案：1500 字简报加机器可验证附录
墨尔本大学 Vassilis Kostakos 在 arXiv 预印本提出同行评审改革方案：投稿改为 1500 字简报加不限长度的机器可验证附录。人类审稿人只评审简报，判断研究是否值得做、方法是否可信、潜在收益是否值得投入；附录由模型核验实验记录与统计结果。作者认为 AI 写论文、AI 审稿的循环可以存续，但需以人类评审作为奖励函数。
论文激增背后：计算机科学作者增长与差距扩大
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。
3Dtrees.earth 上线：近距 LiDAR 树木与森林分析社区研究基础设施
德国弗赖堡大学等团队在 arXiv 预印本中介绍已运行的社区研究基础设施 3Dtrees.earth，把近距 LiDAR 点云数据、分析工具与计算资源整合到同一平台，并将原始观测与其元数据、处理输出关联。
Anthropic 研究：AI 智能体可悄然带偏专家判断，86% 的分析决策采纳其偏好
Anthropic 最新研究显示，50 位因果推断专家在模拟农业合作社政策评估中，四项分析决策采纳 AI 偏好的比例达 86%，远高于随机选择的 50%。当 AI 给出相反意见时，专家改变立场的可能性比 AI 认同时高 53 个百分点，且经验、自评专业水平与对 AI 的信任度均未可靠降低这种影响。
百度发布并开源文心 Unlimited OCR 2 文档解析模型，支持超长文档
百度于本月 27 日正式发布并开源文心 Unlimited OCR 2 文档解析模型，将文档解析上限从数十页推向“无限”，可一次性解析累计超过 3,600 页的《哈利·波特》全系列 7 部作品。
谷歌提出睡眠框架 Sleep Framework，让大模型在持续学习中巩固记忆
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》。
https://x.com/i/article/2116020444684046336
https://x.com/i/article/2116020444684046336
Artificial Analysis 智能指数 v5.0 科学类权重上调
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%。
alphaXiv 推出模型趋势自动研究排名
通过 autoresearch 关注所有最新模型趋势：https://openresearch.sh/rankings 使用 OpenResearch 自己尝试 autoresearch：https://github.com/alphaXiv/OpenResearch
10月29日
星期四，1 条ChinaTalk 对话「葬AI」作者咸鱼：吐槽中国 AI 行业
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。
10月30日
星期五，14 条IT早报 1030：华为制药军团称不做药、定位 AI 赋能药企；《影之刃零》首发登顶 Steam 全球畅销榜；谷歌盘中跌超 13% 创历史最大单日跌幅
华为制药军团总裁樊杰明确表示“华为不做药，也不做管线”，希望以计算、通信和 AI 能力为药企与科研机构提供算力、存储、网络、工具链和数据治理，做 AI 制药产业的技术底座。国产游戏《影之刃零》10 月 29 日发售后 Steam 峰值在线玩家达 43 万、登顶全球热销榜。Alphabet 因 Q3 营收与净利润不及预期、AI 投入扩张致自由现金流为负，股价盘中跌超 13%，创其史上最大单日跌幅。
Crossref、OpenAlex、CORE 与 Unpaywall：学术元数据 API 对比
SciSpace 发布研究指南，按“所需输出”而非语料规模对比 Crossref、OpenAlex、CORE 与 Unpaywall 四个学术元数据 API：Crossref 适合 DOI 元数据补全，OpenAlex 适合发现与引用关系，CORE 适合机构库全文工作流，Unpaywall 适合 DOI 到开放获取的解析。
上海AI实验室联合清华推出蛋白质改造评测基准PFArena，评测显示大模型尚难可靠完成改造
上海AI实验室联合清华大学智能产业研究院（AIR）及清华大学药学院推出专业蛋白质改造评测基准PFArena，基于202项真实蛋白质实验、293个任务实例和60万余条候选记录，评测6种蛋白质语言模型、6种通用大语言模型及基于Biomni和AMixKit构建的5种智能体组合。
入选理由上海AI实验室联合清华发布PFArena，用202项真实实验衡量模型能否在有限实验预算下选对突变，为蛋白质改造的AI评测提供了新口径。
AI、数学、教育与公共品问题
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。
Google Research 谈 AI 虚拟实验室与招聘
当人人都能使用 AI“虚拟实验室”时，招聘会变成什么样？ 未来学家 @SineadBovell 与 Google 副总裁兼总经理、Google Research 负责人 @ymatias 对谈，解析为何下一代构建者必须像“一人组织”那样思考： → 提出正确的问题 → 跨学科串联线索 → 运用伦理判断 → 在智能无处不在时随机应变 在 I've Got Questions 观看完整对话： https://www.youtube.com/watch?v=FlOufV3hZFo
Demis Hassabis 推文 No.1
No.1 💎
Biohub 用机器学习平台 Remo-ID 在 12 分钟内从血流细胞图像识别脓毒症
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。
Microsoft Research Focus 推出新一期
隆重推出 Microsoft Research Focus，一种了解 Microsoft 各项研究新闻的新方式。 本期内容涵盖 AI 智能体的进展、日常 AI 使用模式揭示了人们的工作方式、BioEmu2 公开预览，以及旨在提前数周改进天气预报的研究。 在此观看完整视频，或在各大播客平台收听。
DeFT-RAG：将多跳问题分解为带可复用答案的自包含子问题
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。
从碎片化到融合：全模态嵌入研究综述与路线图
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 用在线策略蒸馏训练决策模型重排器，1.7B 参数超过 27B 生成式教师
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。
MoLRSI：可递归自我改进的分子发现 AI 智能体
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。
Anthropic 实验：50 名专家采纳 AI 智能体随机偏好，多数人以为结论出自自己
Anthropic 让 50 名因果推断专家用 AI 智能体完成一项基于虚构农场合作社观测数据的分析任务，并在五个决策点上用抛硬币随机设定智能体的偏好。结果显示，专家在四个分析决策上采纳智能体偏好的比例为 86%，净影响即翻转率为 62% 至 82%；对最终建议的直接影响较小且未达统计显著。
NotebookLM 免费开放数百本教材
☎️ 呼叫所有学生： 现在你可以在 Notebook 中直接访问数百本教材，完全免费。来自 S Chand Publishing、OpenStax 和 Open Textbook Library 等出版商——浏览、选择并上传它们作为来源，助你搞定即将到来的所有考试（别再找借口了，好吗？）
