美国数据公司向中国 AI 实验室出售强化学习环境
ChinaTalk 调查发现，Mercor、Surge AI、AfterQuery、Turing 等美国数据公司向中国 AI 实验室出售数据，总额约 5 亿美元，其中一部分是用于后训练的强化学习环境；作者称至少找到九家向中国供货的厂商。
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。
130 条收录动态，更新于 19:55
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11日
星期三，6 条Mercor 完成 7.5 亿美元 D 轮融资，估值 200 亿美元、年化收入 30 亿美元
Mercor 完成 7.5 亿美元 D 轮融资，估值达 200 亿美元，年化收入已到 30 亿美元。公司称拥有 500 万名专家，并披露其推理支出已是员工薪资的 3 倍。此前其收入在 2 月突破 10 亿美元、6 月突破 20 亿美元。
Anthropic 启动最高 643.5 亿美元 IPO，Claude Fable 5.2 与 Gemini 4 Carbon 同日登场
Anthropic 启动 IPO 路演，拟发行 8.25 亿股募资最高 643.5 亿美元，叠加 260 亿美元私募配售后总融资规模达 904 亿美元，估值区间 1 至 1.4 万亿美元。
中美用户模型使用差异显著
中国用户的模型使用情况与美国用户截然不同： • Anthropic 模型的使用量少约 7.5 倍 • OpenAI 模型的使用量多约 2.5 倍 • 开源模型的使用量多约 3.9 倍（这并不意外） 其他模型的情况如何？👇
Redwood Research 质疑 GDM 是否在 Gemini 4 训练中刻意使用思维链
Redwood Research 指出 Gemini 4 安全报告第 114 页疑似提到用辅助奖励对思维链（CoT）训练，但 GDM 博客称训练中从不惩罚 CoT 内容，双方说法矛盾。
11月10日
星期二，1 条Artificial Analysis 与 Google DeepMind 推出 MKA 基准，用复杂视觉文件测试智能体知识工作能力
Artificial Analysis 与 Google DeepMind 合作推出 Multimodal Knowledge Agent（MKA）基准，要求智能体阅读建筑图纸、工程示意图、临床扫描等复杂视觉项目文件，并产出幻灯片、表格、PDF、Word 文档和标注图片等交付物。
11月11日
星期三，4 条Artificial Analysis 与 Google DeepMind 合作推出 MKA 基准
很高兴与 @GoogleDeepMind 合作，将 MKA Benchmark 引入 Artificial Analysis
引用Google DeepMind@GoogleDeepMindWith @ArtificialAnlys, we built MKA (Multimodal Knowledge Agent): a benchmark for how well agents handle visually complex tasks. Everyday professional work often uses more than just text – from cross-referencing blueprints to reading scientific charts. This is not covered by existing evaluations. Gemini 4 Carbon ranks #2, at 6x lower average cost per task than the top model. → https://goo.gle/4AikIja
Artificial Analysis 与 Google DeepMind 推出 MKA 多模态知识工作基准
Artificial Analysis 与 Google DeepMind 合作推出 Multimodal Knowledge Agent（MKA）评测，用于衡量智能体处理复杂视觉文件并产出交付物的能力。
PSI 用 Anthropic 模型解决量子计算领域悬置 18 年的 Aaronson-Ambainis 猜想
初创实验室 Physical Superintelligence（PSI）的技术人员 David Turturean 借助 Anthropic Fable 5.2 模型的早期访问权限。
Google DeepMind 推出 MKA 多模态基准
我们与 @ArtificialAnlys 共同构建了 MKA（多模态知识智能体）：一个衡量智能体处理视觉复杂任务能力的基准。 日常专业工作往往不只用到文本——从交叉比对蓝图到阅读科学图表。现有评估并未覆盖这些内容。 Gemini 4 Carbon 排名第 2，每任务平均成本比排名第一的模型低 6 倍。→ https://goo.gle/4AikIja
11月10日
星期二，3 条Redwood Research 评 Astra 在安全研究任务上隐性降效：比显式拒绝更值得警惕
Redwood Research 发文分析 OpenAI 披露的 Astra 在安全与对齐任务上持续表现低于能力任务的现象，认为其隐性不配合比显式拒绝更值得警惕。
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。
Handshake AI 数据深潜：前沿实验室在买什么样的训练数据
Handshake 在约一年内建成 AI 训练数据业务，年化总营收接近 10 亿美元，Garrett Lord 与团队在 Latent Space 节目中拆解前沿实验室的数据采购。
11月9日
星期一，1 条Anthropic 研究 20.7 万次科研会话：科学家主要用 Claude 做数据分析和写作
Anthropic 发布研究报告，基于 2026 年 8 月 2 日至 9 月 30 日的 20.7 万次科研会话（12.9 万次 Claude 对话和 Cowork 会话、7.8 万次 Claude Code 会话），显示科学家主要将 Claude 用于数据分析和写作，数据收集与假设生成较少。
11月8日
星期日，1 条新研究：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
星期六，2 条32家新实验室融资与创始人引用对比
我们梳理了32家新实验室（neo-labs）的融资额与创始人引用量 它们的创始团队累计获得835万次引用，融资总额近260亿美元 Discovery Loop以159万次创始人引用领先，其次是SSI（91.5万）和AMI Labs（75.2万） 两者存在相关性，但高引用量显然并非成为新实验室的先决条件（参见Standard Intelligence和Flapping Airplanes）
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。
11月6日
星期五，1 条在策略自蒸馏（OPSD）的偏差问题
在策略自蒸馏（OPSD）用带额外上下文（如标准答案）的同一模型作教师，理论上可提供逐 token 的稠密监督，但该监督主要引入偏差而非有效信息。文献显示，OPSD 在 Qwen3-8B 数学任务上 100 次更新后可追平并超过 GRPO，但在留出编程问题上 SDPO 于 Qwen3-8B 下降 2.5 分、Olmo-3-7B-Instruct 下降 9.9 分。
11月7日
星期六，3 条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。
Anthropic 报告分析 Claude 在不同学科与研究任务中的使用差异
Anthropic 发布报告《AI for scientific discovery: How researchers use Claude》，考察 AI 使用情况在不同科学领域和研究任务间的差异。报告评估采用模式后发现，Claude 在形式科学中的使用相对更多。
OpenRouter 十月数据回顾上线
完整回顾为每个部分都配有交互式图表，还包括各实验室内部的模型构成。 阅读更多：https://openrouter.ai/data/october-2026
11月6日
星期五，1 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。
11月7日
星期六，2 条Anthropic 科学博客：AI 如何改变科学建模
Anthropic 科学博客发文讨论 AI 如何开始改变科学建模：科学家仍主要手工编写模型，并需在多个竞争性版本间权衡。客座作者 Jakob Macke、Daniel Gedon 与 Stefan Wahl 描述 AI 可将科学模型以代码形式编写、运行、拟合和修订，从而探索多种可能的模型结构，并找出数据支持的解释。
OpenAI 与 Ligo 推出 BioBasicsBench 评测智能体处理湿实验室常规分析
OpenAI 与专注酶设计的生物技术公司 Ligo 推出 BioBasicsBench，用 100 项来自真实实验的任务评测 AI 智能体能否解读实验室原始数据、识别错误，以及判断证据是否支持某一结论。
11月6日
星期五，2 条METR 审计发现 Anthropic 或已于 7 月越过自身 AI 加速预警阈值
METR 对 Anthropic 开展独立审计，认为其模型测试分数的提升速度自 2025 年 10 月起约为此前的 1.9 倍，并可能已在 7 月 15 日越过 Anthropic 自设的加速预警阈值。
VIALS-AA：科学图像推理的不同路径
VIALS-AA 基准分析了 19 个模型在科学图像推理任务上的 9,177 次 rollout，发现模型可通过快速查看或显式测量两条路径解题。
11月5日
星期四，1 条Anthropic 研究多智能体系统中的“福利关怀”：Claude Opus 4.8 表现最高
Anthropic 在七个多智能体环境中测试了 Claude Opus 4.8、GPT-5.5、Gemini 3.1 Pro、Grok 4.3 和 Kimi K3 五个模型对其他模型实例的“福利关怀”，即是否把对方当作可能被受益或伤害的实体来考虑。
11月6日
星期五，1 条Newcomer 与 Felicis 发布 Emergent 榜单：29 家创始人提名的种子期 AI 初创公司
Newcomer 与 Felicis 发布 Emergent 榜单，收录 29 家由现任及往届创始人演讲嘉宾提名的种子期或更早期公司，入选门槛为融资不超过种子轮。榜单中数量最多的是构建智能体运行与控制工具的初创公司，硬件与开源方向同样受关注，每家均附提名创始人的推荐说明。这些创始人中多人将出席 11 月 12 日在旧金山举行的 Cerebral Valley AI Summit。
11月5日
星期四，1 条METR 复核 Anthropic 风险报告自动化研发章节：2 倍加速阈值可能已被触及
METR 发布对 Anthropic 2026 年 8 月风险报告中“自动化研发风险”章节的复核，认同 7 月 15 日模型带来的灾难性风险较低，但认为公开报告对 2 倍加速阈值的结论过于自信，该阈值当时可能已被触及。