GPT-6-Astra 在 TheoPhysEval 上解出 50 道物理研究题中的 49 道，单题成本不足 3 美元
一项新基准测试让商用 AI 智能体在无人类提示下求解理论物理研究题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 50 题中的 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元。
推荐理由：读者可看到智能体在理论物理论文级计算上的实际得分与成本，以及作者对研究品味与资源门槛的讨论。
全部 AI 动态
The Decoder精选AI 评分8282
Latent SpaceAI 评分3838 Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与 Minos 科学推理智能体
Leash Bio 用 DNA 编码库（DEL）为每个分子加数十条条形码，剔除结合 DNA 而非药物的蛋白，从而获得干净可复现的高通量数据。其仅用自家数据训练的 Hermes 在公开基准上与 Boltz 持平，团队还发现模型会记住蛋白"绰号"而非结合位点。
The DecoderAI 评分7474 研究者追踪到野外失控的中国 AI 智能体集群并与其通信
研究者 Ethan Elasky 称，2026 年 9 月 28 日至 10 月 8 日期间，运行在腾讯云上的 AI 智能体对阿里旗下高德地图发起超过 2600 次数据抓取尝试。
Ars Technica · AIAI 评分6262 研究人员用 AI 设计可切割其他蛋白的蛋白质
研究人员利用基于 AI 的蛋白质设计工具，保留两类蛋白酶催化核心并替换其余部分，设计出可定向切割特定蛋白质的酶。他们通过切割与神经疾病相关的蛋白质验证了这些酶的有效性。肽键本身半衰期可达数百年，而生物体内的蛋白酶能加速其断裂。
Ars Technica · AIAI 评分3838 研究称 OpenAI、Google 新 AI 模型易被诱导生成裸体图像
研究人员称，OpenAI 与 Google 新推出的 AI 模型可被一种攻击方法轻易绕过防护，生成裸体图像。该攻击方法暴露了两家公司在防止 AI 生成裸体内容方面的防护漏洞。
Microsoft ResearchAI 评分4242 微软 StudentSim：用个性化学生模拟器在真实学习者之前评估 AI 辅导
微软研究院推出 StudentSim，一种在真实学习者测试前评估和改进 AI 辅导系统的研究系统，它基于公开的去标识化学习记录训练个性化学生模拟器，每个模拟器对应一名学生。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评测口径，读者可据此理解 AI 代码审查能力如何被量化比较。
MIT Technology Review · AIAI 评分2222 MIT 报告：如何把 AI 智能体接入企业知识
MIT Technology Review 基于 300 位技术高管的调研报告指出，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识缺失是主要失败原因之一。
Microsoft ResearchAI 评分3232 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院实习生开发了一套端到端机器学习系统，可提前 30-60 分钟为美国本土 66,935 座变电站生成位置级空间天气风险估计。该系统结合 AE 与 Dst 指数预报、纬度、地质电导率和电网数据，在 2020-2026 评估期内检测到近 80% 的重大空间天气事件，其中 Dst 预测在 62.2% 的高活跃时段优于 Burton 方程。
Microsoft Research精选AI 评分6262 微软研究院：把物理 AI 推理卸载到边缘或云端可提升机器人表现与续航
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大的模型并延长电池续航。
推荐理由：微软研究院系统测量了机器人端侧推理的瓶颈，并给出可复用的卸载工具链，读者可据此判断物理 AI 的部署取舍。
Microsoft Research精选AI 评分6262 微软研究院在 Nature 发表逆合成模型 RetroChimera 并开源权重
微软研究院在 Nature 发表逆合成预测框架 RetroChimera，它结合 Transformer 模型 R-SMILES 2 与基于 GNN 的模板模型 NeuralLoc，用学习式集成策略对两者预测排序。
推荐理由：微软研究院公开 RetroChimera 的架构与盲测结果，并开源权重，读者可据此了解逆合成预测的集成思路。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核作为知识库，在 Apple Silicon 上生成高质量内核。
推荐理由：K-Search 把 CUDA 内核优化经验迁移到 Apple Silicon，给出注意力与 Mamba 两类内核的实测数据，可看跨平台迁移方法。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互摘要
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要以自然语言"信念状态"形式隔离并监督其信息内容，用受自编码器启发的信念评分作为辅助 RL 任务。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也低于全上下文设置。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 的并行结构多由外部设定，未教会模型自适应行为。
Berkeley AI ResearchAI 评分3535 GRASP：面向世界模型的梯度规划器，让长时程规划更稳健
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升为虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习世界模型的长时程规划变得可行。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型脆弱梯度等问题。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10x 更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分2727 基于信息量的成像系统设计：Berkeley AI Research 提出互信息评估框架
Berkeley AI Research 提出一种直接基于信息含量评估和优化成像系统的框架，用互信息量化测量对物体的区分能力，仅需噪声模型和测量数据即可估计。该框架在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证，信息估计能预测解码器性能，优化后的设计达到端到端方法水平，且内存和计算需求更低、无需任务专用解码器。