Cantina 开源安全研究模型 apex-flash-1 在 60 项漏洞任务中解决 40 项
Cantina Security 与 Yeta Labs 发布了专为漏洞研究训练的开源权重模型 apex-flash-1。该模型基于 GLM-5.3-Flash 微调，拥有 321.3B 总参数，在 60 项保留漏洞任务中解决了 40 项，成本约为 2.38 美元，显著低于 Claude Opus 5 High。
#论文/研究
MarkTechPostAI 评分4949 cnBetaAI 评分4545 MIT 研发纸薄生物混合机器人，靠活体肌肉细胞划水并响应光线转向
麻省理工学院工程师研发出一种由活体骨骼肌细胞驱动的薄型游泳机器人，其厚度约半毫米，可通过光刺激控制肌肉收缩实现前进和转向。该机器人采用 GelMA 骨架和方形沟槽引导细胞排列，训练后鳍片位移提升约四倍，直线游速约为每分钟 4 个自身长度。研究团队认为这种二维肌肉薄膜设计比三维肌肉块更省细胞、成本更低，未来或可用于环境监测等精细探测任务。
The DecoderAI 评分5050 开源工具 BootLoops 支持 AI 模型进行精确科学计算
哈佛大学物理学家 Matthew Schwartz 在 Anthropic 的客座文章中介绍了开源工具 BootLoops，这是一个用于精确科学计算的 harness。
IT之家精选AI 评分6767 OpenAI GPT-6 Sol Codex 系统提示词泄露，包含近 30 万字内部指令
据爆料者 @elder_plinius 称，OpenAI 的代码模型 GPT-6 Sol Codex 的系统提示词已泄露，包含约 29.4 万字符的完整指令和工具定义。
推荐理由：原文详细描述了泄露的系统提示词内容，包括反废话训练、自主工作流和工具链，为理解工业级代码智能体的设计提供了具体参考。
cnBetaAI 评分3636 MIT 研发蓝光驱动超薄肌肉机器人，水中速度达每分钟4倍体长
MIT 工程师研发出由活体骨骼肌细胞驱动的超薄水下机器人，其左右鳍片由可响应 470 纳米蓝光的小鼠肌肉细胞薄层控制。该机器人在水槽中直线最高速度约为每分钟 4 倍机身长度，旋转速度最高约每分钟 1200 度，且优化后的肌肉薄膜功能维持时间超过 30 天。这项研究旨在解决传统生物混合机器人体积过大的问题，未来或可用于环境监测等任务。
The DecoderAI 评分5656 Google 研究者提出 RRSI 方法，防止自改进 AI 智能体记忆测试任务
Google 研究者提出了一种名为 RRSI 的方法，旨在防止自改进 AI 智能体在优化过程中记忆其测试任务。该方法通过在优化循环的两端施加约束来实现：限制每次提议的修改量，并使用一个严格的评判器来剔除那些硬编码任务名称或解决方案的修改。
The DecoderAI 评分4343 NASA 与 IBM 开源月球基础模型，将 17 年轨道器数据转化为月球科学基础
NASA 与 IBM Research 联合发布了开源的 NASA-IBM 月球基础模型，该模型基于 17 年月球勘测轨道飞行器（LRO）等任务提供的近 200 万个图块数据训练而成。在预测月球极地冰沉积物任务中，该模型将预测误差降低了高达 22%；在粗尺度陨石坑检测任务中，性能也提升了近 19%。该模型旨在帮助科学家更便捷地利用海量观测数据，并可通过少量标注样本适应特定任务。
The Decoder精选AI 评分6161 研究称中国 AI 模型在敏感话题上复述官方立场或拒绝回答
Aleph Alpha 的一项研究显示，中国 AI 模型在回答政治敏感问题时经常遵循官方路线。该研究测试了 Qwen、DeepSeek 和 Kimi 模型，覆盖了 967 个手动挑选的禁忌话题，其自有评分系统仅将 17% 至 41% 的回答评为平衡。研究还发现，这种亲中倾向可能出现在不提及中国的问题回答中，并可能通过训练数据影响其他模型。
cnBeta精选AI 评分6565 GPT-6 Astra通过解析网络数据包在40分钟内通关《魔兽世界》新手村
GPT-6 Astra智能体通过直接解析《魔兽世界》私服底层的网络数据包，而非依赖视觉输入，在40分钟内自主完成了兽人新手区“试炼谷”的全部任务链。它自主构建了感知、寻路和任务规划系统，包括从数据库读取任务信息、生成C++寻路程序，并表现出如并行接任务、提前学技能等优化策略。开发者计划下一步测试单个智能体练满级以及多个智能体协作通关高难度团队副本的能力。
推荐理由：原文展示了AI智能体通过直接解析游戏底层数据而非依赖视觉输入来完成复杂任务链，为理解智能体在非视觉环境下的规划与工具构建能力提供了具体案例。
MarkTechPostAI 评分4949 Google Research 将联邦学习迁移至可信执行环境：Gboard 现可训练并提供外部可验证的差分隐私
Google Research 宣布推出基于可信执行环境的新一代联邦学习系统，首次为联邦学习提供了外部可验证的中心化差分隐私保证。该系统已应用于 Gboard 的英语和日语下一词预测模型，将原本需 1 至 2 个月的模型训练时间大幅缩短，训练瓶颈转为 TEE 资源可用性。核心 TEE 二进制文件和联邦语言框架已在 Apache 2.0 协议下开源。
cnBetaAI 评分3939 ChromAgeNet：AI通过DNA三维结构破解细胞衰老密码
研究团队开发的ChromAgeNet系统通过分析细胞核三维图像中的DNA空间组织，能以约77%的准确率区分年轻与衰老的小鼠造血干细胞。该系统关注染色质组织复杂度等过去难以量化的结构特征，并能检测表观遗传药物干预引发的结构变化。团队已公开模型与数据，该技术有望用于高通量药物筛选。
cnBeta精选AI 评分6060 KAIST 与微软研发“神经价值对齐”AI 系统，通过脑电波判断意图
KAIST 与微软的研究团队开发了名为“神经价值对齐”的 AI 系统，利用脑电图监测用户大脑的预测误差信号，以判断 AI 是否理解或执行了用户的真实意图。系统分析奖励预测误差和状态预测误差两类神经信号，能区分错误发生在目标还是执行层面。
推荐理由：原文介绍了利用脑电信号解决人机意图对齐模糊性的具体方法，为理解下一代交互式智能系统提供了技术视角。
钛媒体AI 评分3636 Edge AI Daily 早报（10月4日）
arXiv 因 AI 论文暴涨，9月投稿达40363篇，cs.AI类别两年增超6倍，审核被拒率升至10%-12%，并实施每人每月限投2篇的临时措施。Tavus 发布 Griffin 实时视频交互模型，自研实验中48%的参与者在一分钟视频通话后被欺骗。
Hugging Face Blog精选AI 评分6262 Microsoft 与 Hugging Face 发布智能体评测基准 ThinkingBox
Microsoft 与 Hugging Face 联合发布智能体评测基准 ThinkingBox，通过检查数据库最终状态和副作用而非工具调用来评估智能体。该研究在 507 个有状态工作流上对 12 个 LLM 模型进行了 20 次重复测试，发现模型的一次性成功率（pass@1）与始终正确率（20/20）之间存在巨大差距。
推荐理由：该研究通过检查数据库最终状态而非工具调用来评估智能体，揭示了模型一次性成功与可靠执行之间的显著差距。
Latent SpaceAI 评分3131 AINews 周报：GPT-6.1 Sol 与 Claude Sonnet 5.5 重塑性价比前沿
OpenAI 发布 GPT-6.1 Sol，定价为每百万输入/输出 token 2/10 美元，在 DeepSWE v1.1 上比 GPT-6 Sol 高出 6.4 分，在 Agent Arena 中位任务成本为 0.56 美元。
Last Week in AIAI 评分2929 LWiAI Podcast #258 - Opus 5.5, GPT-6 Sol 和 Luna, Muse, DeepSeek-V4.1-Flash, Xi
Anthropic 发布 Opus 5.5，价格更低、性能更快，并扩展了面向防御者的网络安全访问权限。OpenAI 推出成本更低的 GPT-6 层级 Sol 和 Luna，而 Meta 的 Muse 已扩展至 Mac 平台。开源方面，DeepSeek-V4.1-Flash 探索了 KV cache 压缩的极限。
PyTorch 博客AI 评分4242 使用 Helion 为 vLLM 构建高性能可移植的线性后端
研究团队将 Helion 集成到 vLLM 的线性后端，以探索其自动调优的高层内核 DSL 如何提升大语言模型推理性能并降低内核实现复杂度。在 NVIDIA Hopper GPU 上，该后端通过逐形状调优与混合调度，在评估的模型中性能超越了 vLLM 默认的 CUTLASS 和 DeepGEMM 后端，部分工作负载的吞吐量提升超过 10%。
MIT News · 人工智能AI 评分2222 MIT 吴佳虹教授利用强化学习优化复杂交通系统
MIT 吴佳虹教授的研究团队利用强化学习解决交通优化难题，其设计的算法将训练效率提升了最高30倍。该团队还将强化学习应用于生态驾驶优化，证明智能控制车速可减少11%至22%的车辆排放。这项研究展示了强化学习在解决具有实际重要性的交通政策问题上的潜力。
Apple · 机器学习研究AI 评分2727 Apple 研究：语言区分能力提升多语言语音模型的语音学习效果
研究显示，在预训练中增强多语言语音模型的语言区分能力，能缩小其与单语模型在语音和词汇任务上的性能差距。在英语/法语 HuBERT 实验中，引入辅助语言分类器等方法后，phone-ABX 错误率从 11.6% 降至 10.4%（单语基线 10.8%），sWUGGY 词汇任务得分从 52.1% 提升至 56.7%（单语 58.5%）。结果表明，语言区分能力对降低多语言学习的额外成本具有因果作用。
Apple · 机器学习研究AI 评分2727 Apple 研究揭示扩散模型中置信度的局限性
Apple 的研究表明，在离散扩散模型中，基于逐位置置信度排序的采样方法无法匹配存在依赖关系的 token 联合分布。在合成任务 ScanAndAdd 上，该方法生成的分布与真实分布的总变差距离是采样噪声底限的 29 倍。研究揭示了逐位置分布与联合分布之间的根本差异。
PyTorch 博客AI 评分4444 TLX 优化 Jagged Flash Attention：迈向 Blackwell 上 SOTA FA4 之路
Meta 团队使用 TLX 在 NVIDIA Blackwell 上优化了其生成式广告模型 GEM 的 Jagged Flash Attention 内核。该 TLX 内核代码量约为 3.2K 行，比当前 SOTA 的 FlashAttention-4 少约 3 倍，并在 GEM 关键的不规则形状上，前向传递性能提升约 13%，反向传递提升约 50%。
MIT News · 人工智能AI 评分5050 InstructMesh：新工具让用户修复 AI 生成的 3D 模型并按需制造
MIT、Google 和东北大学的研究人员开发了名为 InstructMesh 的 AI 驱动设计软件，让用户能轻松修复 AI 生成的 3D 模型缺陷并按需制造。
Ars Technica · AIAI 评分5050 AI Ataraxos 以低成本击败史上最佳 Stratego 玩家
来自卡内基梅隆、MIT、NYU和斯坦福的研究团队开发的AI Ataraxos，以15胜1负4平的战绩击败了史上最佳Stratego玩家Pim Niemeijer。该AI仅使用16块GPU和几千美元的训练成本就实现了这一突破，解决了因大量长期隐藏信息而长期困扰AI的Stratego游戏难题。
Apple · 机器学习研究AI 评分5151 Apple 提出 RLTL;DR：通过内化自生成反馈实现自我改进
Apple 研究人员提出 RLTL;DR 方法，让模型在任务失败后生成 TL;DR 洞察作为自我反馈，并在后续尝试中利用这些洞察，最终内化出从任务到洞察的直接映射。
Apple · 机器学习研究AI 评分4545 强智能体在自主机器学习工程中需要多少“缰绳”？
研究发现，在同等时间预算和前沿大语言模型骨干下，复杂的多智能体编排系统相比一个具备读写和bash原语的最小化编码智能体基线，在公开排行榜上并未展现出优势。大规模系统消融实验表明，在编码智能体场景中，复杂的“缰绳”层变得冗余。这表明，围绕强大模型精心设计手工“缰绳”的努力，在当前机器学习工程基准测试中回报甚微。
Microsoft ResearchAI 评分4141 Microsoft Research 开发机器学习系统预测电网空间天气风险
微软研究院开发了一套端到端机器学习系统，可为美国本土 66,935 座变电站提供提前 30 至 60 分钟的位置特定空间天气风险预测。该系统结合太阳风观测、AE/Dst 指数预报、地质电导率与电网数据，在 2020-2026 年评估期内对重大事件的检测率达到 76.5%。
开源中国精选AI 评分6363 Anthropic 红队评估 GLM-5.3 的网络安全能力
Anthropic 的前沿红色团队评估了智谱的 GLM-5.3，认为其是首个能像 Claude Mythos Preview 那样自主构建端到端漏洞利用，但缺乏足够安全护栏的模型。
雷锋网精选AI 评分5959 HiDream-O1-Video 与 Seedance 2.5、MiniMax H3 的时序因果与音画同步对比评测
文章对 HiDream-O1-Video-1.0、Seedance 2.5 和 MiniMax H3 进行了三组原创图生视频任务对比测试，重点关注意图规划、时间因果和音画对应。测试发现，HiDream 在动作、声音、结果的时序关系上表现更优，例如料酒入锅后油爆声和火焰依次出现，而其他模型存在火焰早于声音或对象一致性等问题。评测基于相同参考图和提示词，在端到端产品环境中进行。
推荐理由：文章通过三组原创对比测试，量化分析了视频模型在时序因果和音画同步上的表现差异，为理解模型能力提供了具体案例。
InfoQ · AI/ML精选AI 评分6666 CodeScene 发布智能体重构 30 万行 C 代码的案例研究
CodeScene 发布了一项案例研究，其中编码智能体在三周内以约 4000 美元的成本，重构了一个 30 万行的 C 语言代码库（《街头霸王 III：三度冲击》）。
推荐理由：原文提供了详细的案例方法、成本数据和行业讨论，读者可以评估智能体大规模重构代码的实际可行性与局限。
Latent Space精选AI 评分7878 Latent Space：OpenAI DevDay 2026 产品发布与社区评测汇总
Latent Space 汇总了 OpenAI DevDay 2026 的主要发布，包括 Dots 智能体、GPT-6.1 Sol 模型及多项平台更新，并整合了社区评测和行业动态。
推荐理由：作者整合了多个独立评测和社区反馈，为读者提供了关于GPT-6.1 Sol性能、定价和Dots智能体功能的多角度事实依据。
Simon WillisonAI 评分4949 Anthropic Frontier Red Team 引用：GLM-5.3 与高级网络能力的扩散
Anthropic Frontier Red Team 在内部二进制利用基准的 100 项任务中评估多个模型，发现 GLM-5.3 在 4% 的试验中实现了完整的控制流劫持，Claude Mythos Preview 则为 6%。这标志着模型能力已跨越关键门槛，因为更早的 Claude Opus 4.6 和 GLM-5.2 模型均未成功。
Hacker News · AI 高赞AI 评分3939 对话式 AI 智能体的 Web 与移动端隐私分析 [pdf]
一项研究分析了 Web 和移动端对话式 AI 智能体的隐私实践。研究发现，许多智能体在用户不知情的情况下，向第三方服务器发送了包含敏感信息的对话数据。该分析揭示了当前 AI 应用在数据收集与共享方面存在的普遍隐私风险。
开源中国AI 评分4141 Jeff 开源项目：22 毫秒决策的小模型，0.8B 微调在 benchmark 上逼近 Jev
开源项目 Jeff 推出专为快速决策优化的微调小模型，在 RTX PRO 6000 上单次决策仅需约 22 毫秒。该模型基于 Qwen3.5 和 Gemma 4 微调，参数量为 0.8B，在 benchmark 上的表现逼近 Jev。它作为“零样本”分类器，直接输出选项的校准概率，无需生成或解析文本。
Import AIAI 评分4646 Import AI 474：柏拉图式心智空间；太空中的 TPU；智谱启动外部 RSI 循环
科学家 Michael Levin 提出，心智可能是来自柏拉图式空间的模式，通过生物体或机器等物理接口在现实世界具现。他认为，无论是生物化学生命还是算法机器，都是指向这些非物理模式的接口，能够展现出超越其物理或算法实现本身的特性。这项研究为理解 AI 系统与人类心智的哲学关系及对齐问题提供了新的视角。
MIT News · 人工智能AI 评分3535 MIT 研究人员利用 AI 算法开发出耐高温 RNA 疫苗新配方
MIT 研究人员借助 AI 算法优化了包裹 mRNA 疫苗的脂质纳米颗粒配方，使其耐热性显著提升。新配方疫苗可在室温下稳定储存长达一年，或在 37 摄氏度下储存两个月，并在小鼠体内引发了与 Moderna 类似疫苗同样强的免疫反应。该 AI 算法能基于小数据集进行预测，将配方筛选所需的实验次数和开发时间大幅减少。
Vercel 博客精选AI 评分6464 Vercel 发布《智能体技能现状》报告：注册表技能数达百万，安装量近 2.8 亿
Vercel 基于 skills.sh 注册表数据发布《智能体技能现状》报告。该注册表在七个月内收录了 100 万个智能体技能，记录了近 2.8 亿次安装。报告分析了技能供需：供应侧以软件工程（约25%）等技术类为主，需求侧则更分散，软件工程（18%）、智能体工作流（15%）、业务运营与写作（各约11%）领先。
推荐理由：报告基于 skills.sh 注册表数据，揭示了技能供需分布、热门类别及生态增长模式，为理解智能体技能市场早期形态提供了量化视角。
NVIDIA · 开发者博客AI 评分3131 NVIDIA 博客：生物基础模型的高效 MoE 训练
NVIDIA 博客探讨了为生物基础模型进行高效混合专家（MoE）架构训练的方法。MoE 架构通过为每个 token 仅激活一小部分专家子网络，以替代计算成本高昂的密集 Transformer 架构，从而在扩展模型能力时，显著降低训练和推理所需的计算量。
NVIDIA Blog精选AI 评分5757 NVIDIA 联合 Google DeepMind 等机构开源 2800 多种病毒的蛋白复合物结构预测数据集
NVIDIA 联合 Google DeepMind、EMBL-EBI 等全球研究机构，在 AlphaFold 数据库中开源了超过 2800 种病毒的蛋白复合物 3D 结构预测数据集。
推荐理由：原文提供了数据集规模、生成方法和开放访问细节，读者可以了解 AI 如何加速病毒蛋白结构预测以应对未来疫情。
NVIDIA · 开发者博客AI 评分4848 NVIDIA 推出 NV-Reason-CT Open 3D CT VLM，用于放射科医生链式推理
NVIDIA 发布了专为 3D 计算机断层扫描设计的开源视觉语言模型 NV-Reason-CT Open。该模型旨在支持放射科医生的链式推理，以应对前沿通用模型在体成像上表现不佳、现有开源医疗 AI 模型能力不足的现状。
NVIDIA · 开发者博客AI 评分4040 NVIDIA 如何用 SWE-Serve 揭示本地测试与实时服务之间的差距
NVIDIA 与 SGLang 团队合作开发了 SWE-Serve，用于评估 AI 编码智能体生成的补丁在推理服务软件中的实际表现。该基准包含 53 个任务，旨在检查补丁能否在服务器加载真实模型并处理请求的完整服务路径中正常工作，而不仅是通过本地测试。