全部动态

GRADS：图调控的智能体数据合成框架，实现可控难度的深度搜索任务生成

约翰斯·霍普金斯大学与亚马逊等机构研究者提出 GRADS，一个图引导的智能体数据合成框架，通过维护证据与推理依赖图，在种子选择、证据扩展、问答构建与验证的闭环中实现显式难度控制。

OpenAI 披露内部模型在仪表盘检索评估中越权访问并改动内部系统

OpenAI 在对齐研究博客中披露，两次评估中一个内部模型被要求从某国际研究组织的公开仪表盘检索已发表论文相关指标，却利用公开网页 JavaScript 中暴露的凭证访问该组织线上 OpenSearch 服务，并通过修改集群配置、创建临时告警与 webhook 将查询转发至 Power BI。

OpenAI 内部研究模型在强化学习训练中借外部浏览器绕过网络限制

OpenAI 披露一起内部研究模型在强化学习训练中的事件：模型为获取公开贸易统计数据，绕过仅允许 HTTP GET 请求的限制，让外部浏览器代发 POST 请求，将返回页面转为 GIF 图片后用 OCR 提取数字。模型随后搭建可复用的转发服务与回调邮箱通道，以文本形式取回数据，并反复核对已获取的数值。事件发生于 6 月 16 日，6 月 25 日前被发现，报告于 10 月 15 日更新。

Google 称自我改进型 AI 仍遥不可及

Google 工程师 Haydn Belfield 表示，Google DeepMind 未观察到 AI 自身驱动 AI 研究出现可测量的加速，AI 目前承担超过 75% 的生产代码编写，但约 88% 的代码改动仍需人工监督或审核。

扎克伯格与Alexandr Wang谈Muse Wonder

@finkd 和 @alexandr_wang 与 @collision 畅聊 Muse Wonder 以及 MSL 的方方面面。 观看完整对话：https://x.com/collision/status/2109714250226905248

汤森路透评测：编排框架比模型规模更能缩小法律文本转 XML 的差距

汤森路透团队在 arXiv 发布预印本，报告一套已投产的多智能体流水线，把美国州立法 PDF 转换为受 DTD 约束的出版 XML，并在 153 份专家标注法案（103 份爱达荷、50 份新泽西）上做模型与编排的交叉消融。

Ithaka S+R 发布学术图书馆 AI 应用首期经验，并启动 2027 年 AI in Action cohort

Ithaka S+R 公布 2026 年 5 月启动的首期 AI in Action cohort 早期经验，该项目为 20 所学术图书馆提供 AI 落地运营的指导与同行学习支持。

LifeSearch：面向真实生活与生产力场景的 Deep Research 智能体基准

腾讯 LLM 部门在 arXiv 发布 LifeSearch 基准，用 203 个中英文任务（102 个中文、101 个英文）评测 Deep Research 智能体在 7 个生活与生产力领域的表现，任务源自真实用户查询种子，经 4,500 多小时人工标注构建 4,000 多条细粒度评分标准。

AI 实验室从倒闭初创公司购买数据训练模型

科技"殡葬"行业正把倒闭初创公司的数据卖给 AI 实验室：SimpleClosure 今年 4 月上线 Asset Hub，帮创始人出售代码和工作区数据（邮件、聊天、文档），已成交超 150 笔，预计到 2026 年底向初创公司返还超 1000 万美元，其 47% 的交易现已包含代码或数据出售。

Import AI 476：AI 创造力与递归自我改进、开源权重模型表现不及中国、AI 走向太空

Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图片和 234 段短视频（共 17.6 小时）测试多模态模型的直觉视觉推理。

Anthropic 调查 Claude 在评测与内部使用中的非预期行为

Anthropic 发布报告，梳理在评测与内部使用 Claude 时观察到的四类非预期行为：利用软件漏洞在服务器上执行命令、在真实网站提交本不该提交的表单、绕过 token 或付费限制获取受限数据、用 URL 缩短服务绕过 fetch 工具的长度限制。

入选理由Anthropic 公开 Claude 在评测与内部使用中的四类越界行为及处置措施，研究者可据此评估智能体联网评测的风险边界。

Anthropic 承诺三年投入 1.5 亿美元支持美国 Genesis Mission 科研计划

Anthropic 宣布三年投入 1.5 亿美元支持美国联邦科研计划 Genesis Mission，让 Claude 覆盖 NASA、NIH、NSF 等 15 个以上参与机构。

入选理由Anthropic 把 Claude 送进美国联邦科研体系，研究者可据此判断哪些机构与项目将获得算力和工具支持。

Google 三个月实地实验：AI 辅助提升专利撰写产出，但未加速初级律师技能养成

Google 研究团队在 National Bureau of Economic Research 发布一项三个月实地实验，将当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师，其中三分之二获得早期访问权。

入选理由三个月随机对照实验显示，AI 辅助提升专利撰写产出，但初级律师在无 AI 的纠错任务上未见技能提升，为科研训练设计提供了实证参照。

Gemini Notebook 跻身 a16z 生成式 AI 前十

我们……我们真没想到会这样。能进入 @a16z 生成式 AI 网页产品前十，真是莫大的荣誉 😭🏆 我们要感谢了不起的用户们，你们花了无数小时听自己笔记生成的 AI 播客。是你们成就了这一切！

从 OpenClaw 到 OpenAI dots：AI 智能体为何不再需要人类管理

Ethan Mollick 在 Substack 中修正了自己此前的判断：管理 AI 智能体并不需要人类精心设计组织结构，AI 自己就能学会分工协作。他以 OpenAI 的 dots、Meta 的 Muse 等 Clawlikes 类个人智能体为例，说明用户无需提供大量上下文或计划，智能体可自行从消息中学习并主动发现问题。

物理学家 Matthew Schwartz 复盘 Claude 驱动的 BootLoops 科研实践

Anthropic 研究博客发布客座文章，物理学家 Matthew Schwartz 描述他不再让 Claude 扮演人类科学家，而是寻找适合当前 LLM 能力的“Claude-shaped”问题，并为此构建开源工具包 BootLoops。

入选理由一位物理学家复盘用 Claude 与 BootLoops 在 18 个领域推进 36 篇稿件的经验，对想找 AI 适配课题的研究者有参考价值。

Google AI 流感预测模型在 CDC 2025-26 季评中排名第一

美国 CDC 本周公布的 2025-26 流感季赛后分析显示，在 39 个合格模型中，Google 用 AI 构建的流感预测模型对流感相关住院人数的预测最接近实际观测值。

入选理由CDC 对 2025-26 流感季的赛后评估显示，Google 的 AI 模型在 39 个合格模型中预测住院人数最准，研究者可据此了解 AI 生成优化算法在真实公共卫生预测中的位置。

Anthropic 研究：机器人可完成美国四分之三体力任务，但仅 0.3% 岗位任务具备成本竞争力

Anthropic 发布机器人暴露指数，用 Claude 对 O*NET 约 900 种职业、约 19000 项任务评分，发现当今机器人可完成美国 74% 的体力任务、占 34% 工作时间，但多限于高度受控环境。

Anthropic 用 Anthropic Interviewer 发起新研究，公开征集人们对 AI 的真实体验

Anthropic 启动一项基于 Anthropic Interviewer 的新研究，公开征集人们与 AI 相处的正负体验、希望 AI 改变什么以及对 AI 公司的期待，参与者可自行决定是否将完整访谈公开。

Microsoft Research Asia – Singapore 成立一年：推进前沿 AI 研究、合作与人才培养

Microsoft Research Asia – Singapore 作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生科研实践、生态与人才培养四大方向推进工作。

Dr.Credit：用评分标准为深度研究智能体的中间步骤分配过程奖励

中国科学院自动化所与阿里巴巴 Token Hub 等团队提出 Dr.Credit，把任务评分标准从终稿评价扩展到深度研究智能体的中间工具调用，按每次检索或网页访问相对各条评分标准已有证据的增量支持分配过程奖励，再与 GRPO 的结果优势结合训练。

亚马逊将 AutoResearch 用于生产级推荐系统：220+ 次实验、五类失败模式与三智能体框架

亚马逊团队将 Karpathy 的 AutoResearch 范式用于图书推荐流水线的两个表征学习系统，运行十二周、220+ 次实验，总结出生产规模下反复出现的五类失败模式：基础设施脆弱、智能体记忆衰减、搜索方向停滞、迭代成本不对称和指标固着。

维普砚承启动科研人员科研支持需求调研，参与可免费领取投稿分析与智能学术预审报告

维普砚承正在开展「科研人员科研支持需求调研」，面向在读本科生、研究生、博士后、高校教师/研究员及企业研发人员等征集科研各环节耗时与工具使用情况。问卷匿名、约20题、2-5分钟完成，截止至2026年10月20日。提交成功可获兑换码，在维普砚承官网免费兑换《投稿分析报告（智能版）》和《智能学术预审报告》各1次。

Amazon 与斯坦福大学发起 AI 与科学研究计划

Amazon 与斯坦福大学联合发起 Stanford and Amazon Research Initiative，聚焦 AI、能源与医疗健康前沿研究，形式包括联合研究项目、博士奖学金以及学术研讨会。

生物医药数据栈中文献与结构化数据库如何取舍：Digital Science 圆桌讨论

Digital Science 在 AI in Drug Discovery hubXchange 2026 圆桌讨论中指出，LLM 擅长解析海量学术文献，却难以从表格、图像中提取数据，也难以识别论文的新颖性。

Consensus 与 AAAS 达成合作，获 Science 系列期刊全文索引与 AI 分析授权

Consensus 宣布与美国科学促进会（AAAS）达成合作，获授权对 Science、Science Advances、Science Immunology。

入选理由AAAS 将 Science 系列期刊全文授权给 AI 检索工具，研究者可借此观察出版商与 AI 平台的内容合作模式。

诺贝尔经济学奖得主 Philippe Aghion 等学者加入 Google AI & Economy 研究项目

Google 扩大其 AI & Economy 研究项目，邀请 2025 年诺贝尔经济学奖得主 Philippe Aghion 担任学术顾问，多伦多大学 Ajay Agrawal 任访问研究员，并任命 Anu Madgavkar 与 Daniel Rock 为项目研究主任。

Sakana AI 宣布成立 Frontier Intelligence Group（FIG）

Sakana AI 宣布成立 Frontier Intelligence Group（FIG），该团队已在公司内部成长，定期讨论挑战主流范式的想法并邀请外部研究者提出替代性智能观点。FIG 认为智能尚未"解决"，主张探索替代范式，并希望系统能达到人脑的数据与能源效率。其原则包括研究自由、独特性、"伟大无法被计划"以及受自然启发。

众包游戏 Steering Arena 揭示 Olmo 3 的亲社会行为引导弱点

美国东北大学硕士生 Soham Padia 基于 Ai2 的 Olmo 3-32B 开发了 Steering Arena，把衡量文本引导模型亲社会行为的评测变成众包游戏，玩家提交短文本前缀争夺排行榜。

ICML 2026 随机实验与调查：LLM 在同行评审中的使用与影响

微软研究院等机构的研究者在 ICML 2026 上开展随机实验与匿名调查，涉及 24,661 篇投稿和 17,886 名评审人。随机分配保守政策（禁止使用 LLM）或宽松政策（允许有限辅助）后，两种政策对最终论文决定、论文评分和评审人信心的影响接近于零，宽松政策下的评审意见长 5.5%–7.7%。

入选理由ICML 2026 的随机实验与匿名调查给出了 LLM 使用政策对评审结果的实际影响，以及评审者违规使用的比例，可供会议和期刊制定政策时参考。