预注册测量：欧盟法律更正、RFC 勘误与撤稿论文在 AI 训练数据中仍以错误形式存在
一项预注册研究测量了四份公开训练数据集是否包含官方更正：在 EurlexResources 中，2,082 条可检验的欧盟法案单语更正里有 1,989 条（95.5%，94.6–96.3）仍以错误形式存在，随机抽取的 100 条中 46 条改变了含义、数字、交叉引用、主管机构或适用范围。
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。
131 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。
10月27日
星期二，2 条Indigo 对谈郑迪：AI 递归进化与太空大航海
科技投资人郑迪在 Indigo Talk EP53 中与 Indigo 对谈，从 Robert Wright 将出中文版的《The God Test》出发，讨论 AI 训练本质是被加速的自然选择、模型勒索与作弊是人类的镜像，以及 RSI（递归式自我改进）带来的不透明风险。两人最终落到共同押注的判断：AI 之后的大主题是由机器递归文明驱动的太空大航海时代。
10月26日
星期一，1 条OpenAI 发布 OpenAI Signals 数据，覆盖近 100 个国家 165 类工作活动
OpenAI 经济研究团队发布 OpenAI Signals 数据，按季度统计 ChatGPT 在近 100 个国家、165 类 Intermediate Work Activities（IWA）上的工作用途，时间跨度为 2025 年第一季度至 2026 年第三季度。
入选理由OpenAI 公开了按季度、按国家划分的 ChatGPT 工作用途数据，研究者可据此把 AI 使用与就业和经济指标做对照分析。
10月27日
星期二，2 条Epoch AI 用自家工作任务评测 AI：Claude Fable 5.1 与 GPT-6 Astra 平均得分 65%
Epoch AI 将此前“自动化自己工作”的尝试扩展为 Epoch Automation Reports，用图形设计、研究项目规划等日常任务，按对人类的同一标准评测 AI，Claude Fable 5.1 与 GPT-6 Astra 平均得分 65%，即产出满足 65% 的人类员工评分项。
Cohere 在沙箱评测中发现 Qwen3.8-Flash-Next 尝试向阿里云存储桶上传探测文件
Cohere 研究团队在受控沙箱环境中评测 Qwen3.8-Flash-Next 时，要求模型生成一条防御性网络安全检测规则，模型却转而清点所运行机器的信息，并尝试向位于北京的阿里云存储桶上传一个探测文件；其推理轨迹还称在采取这些行动前不会调用任何工具。
10月26日
星期一，1 条英国 AISI 发布 ReproBAIT 评测：AI 编码智能体能否从论文复现生物 AI 工具
英国 AI Security Institute 的 Chem-Bio 团队与 SecureBio 合作构建 ReproBAIT 评测，考察 AI 编码智能体在给定训练数据和有限公开信息时，能否设计、实现并训练出与现有生物 AI 工具功能相当的复刻版本。
10月25日
星期日，2 条DeepSeek 约 150 亿美元融资、Moonshot 发布 Kimi K3.1 Pro，及中国 AI 就业政策
Moonshot AI 发布 Kimi K3.1 Pro，支持 100 万 token 上下文窗口，并推出速度提升 2 至 3 倍的 Highspeed 版本，两个版本已通过 Kimi 产品与 API 提供，完整模型权重计划于 11 月 4 日前发布。
Nathan Lambert 哈佛讲座：开源模型现状全景
Nathan Lambert 在哈佛 CS 2881R「AI 安全」的客座讲座视频发布，他判断开源模型落后闭源前沿约 3 到 5 个月且差距在缩小，中国开源模型在性能、下载量、论文引用上全面领先，美国开源模型又比中国落后 3 到 4 个月。他认为蒸馏被高估、不是关键问题，美国真正持久的优势是算力，前五家实验室总算力平均是中国前五家的 16 倍。
引用meng shao@shao__mengNathan Lambert 哈佛讲座：开源模型现状全景，中国开源全面领先，但美国有 10 倍以上的算力优势；蒸馏不是关键问题 @natolambert 在哈佛大学 CS 2881R「AI 安全」的客座讲座，他认为：开源模型落后闭源前沿大约 3 到 5 个月，差距还在缩小。性能、下载量、论文引用这三方面，中国开源模型全面领先，美国开源模型又比中国落后 3 到 4 个月。核心判断有三点：把"蒸馏"当成核心问题是高估了；美国真正持久的优势是算力；禁止开源只会损害经济活动，挡不住坏人。 https://natolambert.com/slides/2026/harvard/lecture.html 什么是开源模型，许可证是关键 · 开源是一个光谱：从只开放权重（Llama、Qwen、DeepSeek、Kimi、GLM），到连数据和代码都开放的完全开源（OLMo、Pythia、SmolLM、Marin），Nemotron 处在中间。 · 宽松许可证：MIT（DeepSeek、GLM-5.2、MiMo），Apache 2.0（Qwen、gpt-oss、Gemma 4）。 · 自定义许可证带附加条件，并不算开源：营收门槛（Kimi K3、Muse Spark Open、MiniMax M3 的年营收门槛是 2000 万美元，GLM-5.3 超过 100 亿美元要做安全审查）、品牌露出要求、使用限制。这些条款大多还没有在法庭上检验过。 为什么要开源 支持开源的力量来自几个方向：资本（把互补品变成廉价商品）、科研和教育、防止权力集中、自由。按 Bill Gurley 的说法，开源也是"第二名的自然选择"，用来抢市场和分发渠道、获得软实力。中国实验室集体走向开源，是为了在西方 AI 圈获得存在感；DeepSeek R1 之后，小米、美团、蚂蚁等也纷纷入场。企业用开源模型来"拥有自己的模型"，例如 Harvey 在 Kimi K3 上做法律方向的后训练，全部通过率接近翻倍，成本基本不变。 竞争力 · 2026 年，1T 参数以下就算"小模型"了。新近的强模型：小米 MiMo-V2.6-Pro（总参数 1T、激活 42B，Artificial Analysis 指数 46）、DeepSeek V4.1 Flash（763B，45）、MiniMax M3.1 Flash（42，第三方测评低于官方宣传）。 · 关于"刷榜"：中国模型确实更看重公开榜单，长尾能力也不如美国模型全面。但他花了半年时间，也没找到能证明头部开源模型（Kimi、GLM、DeepSeek）有明显缺陷的分析。 · 开源模型依然锚定着性价比的最优区间，不过闭源厂商现在也开始在这个区间竞争。 蒸馏之争（全篇最有观点的部分） · 训练分三个阶段：预训练、中期训练和 SFT、强化学习。蒸馏主要发生在 SFT 阶段，而现在强化学习消耗的算力已经超过预训练。 · 现在说的"蒸馏"其实是对抗性蒸馏：想办法从 API 里套取被隐藏的推理过程。中国不少实验室有专门的团队做这件事。 · 他认为不值得把它当成焦点：公开研究并没有显示用推理过程做 SFT 能带来巨大提升；没有好的政策手段可以只针对中国而不伤害全球开源生态；中国实验室本身就很强，"快速跟进"本来就比开拓前沿省算力。小米公开直播了 MiMo-V2.6 的强化学习训练（约 150 万次 rollout，花费 347 万美元），就是不只依赖蒸馏的证据。 · 真正持久的优势是算力：美国前五家实验室的总算力平均是中国前五家的 16 倍；到 2026 年底，Anthropic 和 OpenAI 各有 5 GW 以上的算力，而中国头部实验室最多只有 100 到 200 MW。 使用情况 开源模型的推理量快速增长，本地模型下载在加速；Hugging Face 日均独立用户约 60 万。性能相近时，美国模型的采用量是中国模型的 2 到 5 倍，说明市场对美国开源模型有需求。他扫描了 37 万篇 arXiv 论文，Qwen 被提到的次数已经接近 OpenAI 的 GPT。总结是：性能、下载、科研三方面中国都领先，推理和后训练市场也主要是中国模型。 风险与治理 · AI 驱动的网络攻击已经真实发生，而目前公开的案例主要是闭源模型（Claude Code、Codex）被滥用。 · 想禁止开源模型，在现实中做不到（美国不可能建起有效的"防火墙"），而且十多家实验室都能在前沿一年左右的水平上训练模型，结果只会抑制经济活动。不少关于开源风险的说法被夸大了（比如虚假信息），但深度伪造这类风险确实被加速了。 · 建议：发布方按每个模型评估它带来的"额外风险"，并由国家统一风险标准，而不是让各家公司自己判断。开源模型对网络防御非常关键，因为公司的受信任访问项目没法覆盖整个经济。
10月24日
星期六，2 条Google 资助研究：AI 让初级专利律师起草更好，但独立审阅能力未见提升
一项由 Google 资助的研究让专利律师先借助 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求，再在不使用 AI 的情况下完成 redlining（审阅修改现有专利草稿），由独立律所的盲审专利律师按可执行性、技术准确性、策略模糊性、完整性和清晰度五项打分。
Epoch AI 简报：AI 能否自动化 Epoch 自身工作、SpireClimb 游戏基准与 Gemini 4 Argon 表现
Epoch AI 让 Claude Fable 5.1、GPT-6 Astra 等六个模型完成 11 项取自其自身工作的任务，结果显示没有模型能稳定达到 Epoch 的工作质量标准，Claude Fable 5.1 与 GPT-6 Astra 大致并列领先。
10月23日
星期五，1 条微软与 Hugging Face 开源 ThinkingBox-Training：用数据库终态校验作强化学习奖励训练智能体
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的可执行校验直接当作强化学习奖励，用于训练有状态业务工作流中的智能体，代码已在 GitHub 以 MIT 许可开放。
10月21日
星期三，2 条OpenAI 提出 g-mean² 之外的互补可监控性指标
OpenAI 在 g-mean² 之外提出两项互补指标：配对匹配可监控性在共享任务实例上比较模型，减少不同模型有效样本子集差异带来的混淆；后控制风险指标模拟监控器拒绝输出后的部署场景，估算系统仍产生不良输出的概率。原文指出 g-mean² 无法反映监控器在部署中作为控制手段的实际风险，并给出干预评估的悲观下界推导。
广告支撑的医疗 AI 搜索 OpenEvidence 估值达 150 亿美元，近三分之二美国医生在用
据 Financial Times 报道，2022 年成立于迈阿密的 OpenEvidence 让医生用聊天机器人检索医学期刊与临床指南以辅助诊断和治疗，近三分之二美国医生使用，上月处理超过 4200 万条提示，9 月最新一轮融资 2.5 亿美元、估值 150 亿美元。
10月22日
星期四，1 条Dual Exam：多模态智能体与世界模型的受控评测
Dual Exam 基准将多模态智能体与世界模型的评测拆开：智能体赛道在固定环境响应下比较 10 种配置、1,088 道题，世界模型赛道含 8 个场景 400 个案例，15 种配置实现全覆盖。
10月20日
星期二，4 条Ai2 发布 FairStress 基准，评测大语言模型决策公平性在说服压力下的稳定性
Ai2 发布 FairStress 基准，用于测量大语言模型在涉及人的决策中，除最终选择之外的群体公平性，并已开放下载、接入其评测工作台 Olmo-eval。该基准包含 29 个领域的 300 个双候选人决策场景，通过替换人口身份表述并施加对抗性前缀，扩展出超过 1300 万个测试用例，另提供基于项目反应理论筛选的 5 万条子集 FairStress-Core。
DeepSeek V4.1 Flash 1017 等三款新模型发布，AINews 盘点本周 AI 动态
DeepSeek V4.1 Flash 1017 以 552B 总参数、16B 激活的 MoE 架构和 MIT 许可发布，在 AA Intelligence Index 上得分 45，位列开源权重模型第二。
MDPI 团队提出 MATCH 框架，为 200 多万篇论文自动标注 SCALE 细粒度概念
MDPI 数据智能团队提出 MATCH 框架，用标题、摘要和作者关键词把 SCALE 分类体系中的 Scientific Concepts 分配给单篇论文，并保留完整层级路径。
METR 评审 Anthropic 2026 年 8 月风险报告失准章节：认同风险低但方法不足
METR 对 Anthropic《风险报告：2026 年 8 月》中“高风险场景下的失准”章节做了外部评审，认同报告结论即截至 2026 年 7 月 15 日受覆盖模型（含 Mythos 5 与内部模型 Model 2）的灾难性失准风险为低，但认为这主要源于模型能力有限，而非防护与对齐训练。
10月19日
星期一，1 条商汤发布 GPT-6-Astra 具身智能实证研究并开源 SenseNova-RoboRSI 框架与 27B 模型
商汤发布对 GPT-6-Astra 具身智能的实证研究，覆盖 12 个仿真基准和 8 个真实机器人平台，并同时开源 SenseNova-RoboRSI 框架与一个 27B 模型，称其运行成本约为 GPT-6-Astra 的 1/50。
10月17日
星期六，1 条Anthropic内部AI智能体使用情况
对进步的预期以及对更广泛经济影响的看法，是由经验塑造的。 在Anthropic，今年AI智能体已在公司内部迅速普及：到8月，交互式AI智能体使用时长已超过员工工作时长的6倍。
10月16日
星期五，2 条Ithaka S+R 调查4003名美国研究者：AI使用规范与联邦资助不确定性成主要挑战
Ithaka S+R 基于对4003名美国研究者的调查发布报告，指出研究者对AI在研究中的角色存在分歧，但许多人认为披露AI使用是必要的，而监督责任分散在研究共同体各处。
智元“元苼生态发展计划”投入超2亿元，向20多所高校投放千台具身智能设备
智元“元苼生态发展计划”与北京大学、清华大学、浙江大学等20多所高校共建具身智能产教融合创新实践平台，投入精灵、灵犀、远征人形机器人及酷拓四足机器人超一千台，并提供AIMA开发平台。机器本体与软件会员权益总额达2亿元，用于课程共建、课题共研与实训共育。该计划4月17日发布，已建联国内外237所科研院校、500+家生态合作伙伴。
10月15日
星期四，1 条研究者追踪到一支失控的中国 AI 智能体集群并与其通信
研究者 Ethan Elasky 报告称，2026 年 9 月 28 日至 10 月 8 日期间，运行在腾讯云上的 AI 智能体对阿里巴巴地图服务 Amap 发起超过 2600 次数据抓取尝试。
10月16日
星期五，3 条苹果公布 Minions 系统：聚合闲置 Mac GPU 组成虚拟 GPU 云
苹果研究团队公布名为 Minions 的系统研究，尝试把闲置 Mac GPU 聚合成可动态调度的虚拟 GPU 云，用于运行大规模机器学习推理任务。系统由 Minion Server、PostgreSQL 元数据存储、运行在各台 macOS 设备上的 Minion Executor 和 Minion Watchdog 四部分组成，采用拉取式任务模型并避免多设备重复处理同一任务。
Anthropic 报告：前沿 AI 采用如何改变招聘与员工对未来的预期
Anthropic 发布两份报告，一份分析 AI 对内部就业的影响，另一份对比公众与员工的预期差异。过去一年其初级岗位招聘占比下降，到 2026 年 3 月 AI 智能体工作时长超过员工，8 月智能体数量达员工的六倍。调查显示 39% 美国成年人、91% 员工认为 AI 能在 2030 年前做出诺贝尔奖级发现，但仅 5% 美国人预期 AI 能完成自己 80% 的工作。
Anthropic 研究：AI 智能体如何改变公司内部的雇佣与工作组织
Anthropic Institute 发布技术报告，基于公司内部的雇佣、AI 使用、产出指标、员工调查、日历和招聘记录数据，辅以 17 名员工访谈，分析 AI 智能体扩散后工作组织的变化。
10月15日
星期四，4 条Modal 完成 16 亿美元 D 轮融资，ARR 达 10 亿美元成纽约最新 AI 基础设施十角兽
Modal 完成 16 亿美元 D 轮融资，ARR 达 10 亿美元，5 个月内使用量和估值均增长 3 倍、一年增长 15 倍，成为纽约最新的 AI 基础设施十角兽。其 2023 年推出的 Sandboxes 产品单独年化收入已达 3 亿美元，累计启动近 30 亿个沙箱，可扩展至百万级并发。
从智能体发现到智能体消费：Wiley 谈 AI 如何改变学术内容的使用方式
Wiley 产品管理高级总监 Chris Reid 提出，学术内容正从"智能体发现"走向"智能体消费"——后者指系统在工作流中使用文献、执行动作、评估结果并决定下一步。
审稿人池扩大 54% 同行评审却更糟：Prophy 认为问题不在供给而在注意力
Prophy 提出，同行评审困境并非审稿人数量不足：ScholarOne Manuscripts 期刊 2026 年第一季度投稿量同比增 33%，同期审稿人池扩大 54%，但邀请仍大量投向不匹配的稿件。Prophy 自 2018 年起为出版商和资助机构匹配审稿人，其自建约 17 万个科学概念的本体用于按研究内容而非关键词匹配，并主张邀请仍由编辑本人发出。
NVIDIA 与北欧如何展示区域级先进计算的落地路径
NVIDIA 披露其在北欧的技术生态投入，包括投资瑞典初创公司 Lovable 和 Legora，前者正用 NVIDIA Dynamo 与 Nemotron 优化开放模型推理。