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。
#Agent
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。
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。
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。