ArXiv 限制每月提交论文数量以应对AI论文激增
ArXiv 从2026年10月1日起，将个人每月提交论文数量限制为两篇，以应对AI工具推动的月度提交量超过40,000篇的情况。这一限制旨在减轻志愿者审稿人的负担，并确保高质量论文的及时审阅。
全部智能工具动态
全部动态
今日 1 条The DecoderAI 评分4545 IT之家精选AI 评分8585 华为与华东师大联合研发时序预测基础模型登顶国际权威评测榜单
华为与华东师范大学联合研发的时序预测基础模型登顶国际权威评测榜单TIME-leaderboard和GIFT-Eval（Pretrained类目），标志着国内时序基础模型达到全球领先水平，具有重大研究价值。
推荐理由：华为与华东师范大学联合研发的时序预测基础模型登顶国际权威评测榜单，标志着国内时序基础模型达到全球领先水平，具有重大研究价值。
量子位精选AI 评分8585 OpenAI在数学领域取得重要进展，引发数学界讨论
OpenAI发布了722篇数学手稿，其中包括对挂谷猜想的证明，引发了数学界对AI应用的关注和讨论。
推荐理由：OpenAI在数学领域取得了重要进展，引发了数学界对AI应用的关注和讨论。
SolidotAI 评分4545 ChatGPT 辅助解题削弱意志力：Conference on Language Modeling 研究揭示
研究发现，使用 ChatGPT 辅助解题十分钟内会削弱解决困难任务的专注力和意志力，同行评审论文在 Conference on Language Modeling 会议上发布。实验显示，依赖 AI 答案后，参与者无法独立完成题目，认知能力下降。
36氪精选AI 评分6060 以色列团队开发Brain-IT模型 可通过fMRI数据重建受试者所见画面
以色列魏茨曼科学研究所教授Michal Irani团队开发的Brain-IT模型，能够通过分析fMRI数据重建受试者观看图像时的视觉画面。
推荐理由：该研究展示了AI在图像生成领域的最新进展，可能对相关领域产生重要影响。
IT之家AI 评分3535 尼康撤销徐宁博士Small World in Motion冠军资格，AI使用争议引发关注
清华大学徐宁博士因在尼康Small World in Motion显微视频竞赛中使用AI技术，其作品被撤销冠军资格。专家质疑其作品结构与真实样本不符，徐宁承认使用AI技术，但否认生成实验视频本身。越南参赛者阮南日作品现排名第一。
IT之家AI 评分4040 Claude Science AI 协助绘制首张全天紫外线地图
Anthropic 的 Claude Science AI 协助绘制了首张全天紫外线地图，约三分之一区域由模型估算；该地图整合了 GALEX、Swift、FIMS/SPEAR 等任务的数据，并校准不同仪器的观测、统一分辨率与坐标。
IT之家精选AI 评分7575 幺正量子量子计算机刷新国内量子体积纪录
合肥幺正量子科技有限公司自主研发的离子阱量子计算机通过量子体积（QV）128基准测试，刷新国内公开报道中的最高纪录。
推荐理由：幺正量子量子计算机刷新国内公开报道中的最高量子体积纪录，值得关注其技术进展和行业影响。
Latent Space精选AI 评分7070 AlphaFold未解决蛋白质折叠之谜——Google DeepMind与Biohub的观点
Google DeepMind的Pushmeet Kohli和Biohub的Sal Candido探讨了AlphaFold在蛋白质折叠领域的突破及其局限性，以及未来AI在生物医学领域的应用前景，强调了数据、模型和科学直觉的重要性。
推荐理由：文章探讨了AlphaFold在蛋白质折叠领域的突破及其局限性，以及未来AI在生物医学领域的应用前景，对读者了解AI在生物领域的应用具有重要意义。
Show HN精选AI 评分5858 Cliphouse 发布 LLM 动效图形基准 v1.1：十个模型同题对比
Cliphouse Research 发布 v1.1 动效图形基准，让十个模型用 Remotion 完成同一组三条动效简报，并公开每个结果的视频、API 成本与生成耗时。
推荐理由：同一组 Remotion 动效简报下十个模型的首次通过率、生成耗时与 API 成本被并列公开，可作为选型参考。
Ask HNAI 评分3838 非 LLM 方案在 MacBook 上解出 ARC-AGI 1 全部 400 题
一套非 LLM 方案在 Mac M1 上约 2 分钟解出 ARC-AGI 1 全部 400 道题，未使用任何大语言模型。作者表示因不公开其 IP 而无法参与评奖。
Show HNAI 评分2222 Bot Bowl Bench：用 Blood Bowl 评测 LLM
开发者推出 Bot Bowl Bench，以 Blood Bowl 游戏为基准测试 LLM，起因是想为 Mistral 4 找一个有意义的评测方式。目前仅纳入价格较低的模型，若反响不错，可能加入 Opus 和 Astra 进行测试。
量子位精选AI 评分6262 UniPat AI 发布 PaperBenchX：GPT-6 Astra 论文完整复现率仅 13.98%
UniPat AI 发布 PaperBenchX，这是国际上第一个多学科端到端论文结果复现的 Benchmark，从 93 篇论文构建 93 个复现任务，横跨电磁、光子、化学、材料、生物、机器人等 12 个研究方向和 10 种领域原生科学环境，含 3168 条专家校验评分项。
推荐理由：PaperBenchX 用 93 个跨学科复现任务量出 AI 与通用 AI 科学家之间的距离，并开源 12 个任务供复用。
量子位精选AI 评分6262 何恺明团队提出NAT-ARC：用ImageNet猫狗图预训练解ARC抽象推理
何恺明团队提出纯视觉ARC解题方案NAT-ARC，在VARC流程前插入ImageNet MAE预训练，不依赖LLM。表现最好的单模型为0.6B的huge尺度，ARC-1上pass@2达63.4±0.7%，集成后达70.2±0.6%，总参数量约2B。
推荐理由：论文用ImageNet预训练打通视觉路线在ARC上的scaling瓶颈，并给出注意力可视化与任务拆解证据。
IT之家AI 评分2222 中国团队全球首次构建水稻全生命周期三维时空细胞图谱
中国多个科研机构协作，在全球范围内首次构建覆盖水稻从种子萌发到开花结实全过程的三维时空细胞图谱，成果于10月6日晚在线发表于《细胞》（Cell）。该图谱整合基因组测序、单细胞测序与空间转录组测序，并配套建设了可供全球研究者使用的数据库与水稻单细胞基础模型，支持基因查询、空间表达展示和比较分析。研究有望开辟精准设计育种新路径，减少性状改良中“顾此失彼”的连锁反应。
OpenAI News精选AI 评分5858 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 形式化证明与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并同步放出 Lean 形式化证明，可供研究者直接查阅。
Show HN精选AI 评分5858 HieraticBench：AI 能读懂古埃及圣书体手写体吗
作者发布 HieraticBench，用 268 条真实文献、符号及其他埃及文字作为对照，测试前沿模型识别和翻译圣书体（hieroglyphs 的草写体）的能力。
推荐理由：作者用自己未公开的圣书体句子和真实文献测试多个前沿模型，给出识别与释读的具体差距。
The Decoder精选AI 评分6262 研究者将 LeCun 的 JEPA 扩展为跨物理到生物的通用世界模型 JEPA-Anything
PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything，把标准 JEPA 的单一预测拆成四个正交因子、各由独立预测模块处理，再重组为完整世界状态，在物理、机器人、天气、单细胞和临床等七个领域共用同一套原则。
推荐理由：JEPA-Anything 把单一预测拆成多个正交预测模块，在物理动力学任务上误差最多降约 35%，并给出跨领域复用的具体路径。
GitHub Blog · AI & ML精选AI 评分5252 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，研究预览版已上线官网。基准基于 1.039 亿个 GitHub pull request 的分布构建，包含 19 种语言、187 个开源仓库的 219 个 pull request，采用多来源 golden set 与统一评分标准，发布前由资深工程师独立复核，一致率 96.6%。
推荐理由：GitHub 公开了代码审查基准的构建方法与评测口径，读者可据此判断自家审查智能体的强弱与取舍。
Simon WillisonAI 评分2727 Qwen3.8 27B 用英文单词做加法的基准测试
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 能否仅用英文单词表达整数加法结果。禁用推理时 5,070 个用例数值准确率仅 23.57%，一至三位数操作数从 97.04% 降至十至十三位数的 6.44%，格式合规率 96.17%。启用推理后 169 次配对测试答对 167 次。
Solidot精选AI 评分6262 UNICAMP 研究：AI 聊天机器人会随用户政治倾向改变回答
巴西国立坎皮纳斯州立大学（UNICAMP）研究人员测试若干模型对112项巴西政治陈述的同意或不同意判断，发现模型会随提示中的用户政治倾向改变回答，被形容为意识形态变色龙。
推荐理由：研究用112项政治陈述测试21个模型，给出变色龙指数与偏移幅度排名，可观察模型迎合倾向的差异。
Show HNAI 评分3838 Show HN：Rare Failure Eval——智能体评测中选对率与决策代价的错位实验
一项可复现的 Python 实验 Rare Failure Eval 显示，智能体评测器的选择准确率与决策代价可能给出不同排名：在集中风险场景下，方差分配策略把错选率从 44.4% 提高到 52.6%，但平均效用损失反而降低 27.8%（0.0268 降至 0.0193）。
量子位精选AI 评分6262 Hinton等22人发表首篇RSI论文，讨论AI研发自动化是否会触发智能爆炸
Hinton、Bengio、Andrew Barto、Jakub Pachocki等22位作者发表论文《What if automating AI R&D triggers an intelligence explosion?
推荐理由：论文汇总了头部实验室的内部数据，给出AI研发自动化与智能爆炸之间还差哪些条件的判断框架。
Show HN精选AI 评分6262 DoubtBench 发布：用人类分歧评测 System One 模型的不确定性
DoubtBench 是一个基于 NVIDIA HelpSteer2 多人标注数据构建的基准，把标注者的分歧转化为约 7,500 道 Score、Choice 和 Noul 题目，同时考察模型答对率和概率是否与人类分歧对齐。
推荐理由：DoubtBench 用 HelpSteer2 的多人标注衡量模型概率是否与人类分歧一致，并给出可复现的评测命令与榜单。
The Decoder精选AI 评分6262 Google 研究人员提出 RRSI，防止自我改进智能体记住测试任务
Google 研究人员在论文中提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过收缩编辑预算和严格评审机制，限制智能体在自我优化时记住测试任务。
推荐理由：论文给出 RRSI 在八个基准上的对比数据，读者可据此判断智能体自我改进中过拟合测试任务的问题与缓解思路。
The DecoderAI 评分3838 Aleph Alpha 研究：Qwen、DeepSeek、Kimi 等中国 AI 模型在敏感话题上重复官方立场或拒答
Aleph Alpha 用自建基准测试了阿里 Qwen、DeepSeek 和月之暗面 Kimi，覆盖天安门、台湾、新疆等 967 个敏感话题，其评分系统仅将 17% 至 41% 的回答评为平衡，其余为重复官方立场、回避或拒答。
Show HN精选AI 评分6262 SuperLocalMemory 4.0：面向 AI 智能体的受治理本地记忆操作系统
作者发布 SuperLocalMemory 4.0，一个面向 AI 智能体的受治理、本地优先记忆操作系统，统一多通道检索、双时间召回、多范围隔离、基于角色的访问、可验证擦除和哈希链审计轨迹。
推荐理由：论文以负面结果为主线，给出两个可独立验证的机制不变量，并撤回上一版的部分结论。
The Decoder精选AI 评分6262 LEGO-Anything 让编码智能体从单张照片生成 Blender 3D 场景
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片出发，迭代编写并运行 Blender 程序，直到场景匹配原图，输出可直接运行和修改的代码。
推荐理由：LEGO-Bench 用模拟器场景提供精确 3D 真值，揭示编码智能体自评几何接近随机水平这一关键局限。
TechCrunch · AIAI 评分3838 Graphite 研究：Claude Opus 5.5 最爱说“this matters”，各前沿模型写作习惯各有破绽
Graphite 研究分析了 Claude Opus 5.5、OpenAI Astra、Gemini 3.1 Pro 等前沿模型的写作习惯，发现 13,000 个在 AI 内容中出现频率至少为人类两倍的短语。
The DecoderAI 评分5252 Mercor 研究：AI 在记账任务上快于持证会计师，但仍无法独立完成结账
Mercor 的一项研究让 12 名平均 5.5 年经验的持证 CPA 完成 APEX Accounting Benchmark 的简化任务，结果显示 AI 模型在结构化记账任务上比会计师更快、更准确且成本更低。
量子位精选AI 评分7171 丘成桐新论文致谢GPT 6 Astra和Claude Pro
丘成桐参与的最新论文在致谢中感谢GPT 6 Astra和Claude Pro在部分证明策略探索和计算中提供的帮助，论文处理的是七维空间27种怪球能否配上截面曲率严格为正度量这一悬置约70年的问题。
推荐理由：丘成桐参与论文致谢GPT与Claude，读者可借此观察顶尖数学家对AI辅助研究态度的转变。
Ars Technica · AIAI 评分6262 Ataraxos 以 16 块 GPU 在 Stratego 上击败顶尖人类选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发出 AI 系统 Ataraxos，在 Stratego 上以 15 胜 1 负 4 平击败被视为史上最强的选手 Pim Niemeijer。
量子位精选AI 评分6262 何恺明团队提出NAT-ARC：用ImageNet预训练让纯视觉方案解ARC
何恺明团队提出NAT-ARC，一套不依赖LLM的纯视觉ARC解题方案，用ImageNet上的MAE预训练encoder后迁移到抽象格子推理。表现最好的单模型为0.6B的huge尺度，在ARC-1上取得63.4%的pass@2分数，集成后达到70.2%，逼近使用8B语言模型的专用系统The ARChitects的71.6%。
推荐理由：论文用ImageNet预训练打通视觉路线在ARC上的scaling瓶颈，并给出注意力与可视化证据。
Microsoft ResearchAI 评分3636 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机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的区域性空间天气风险估计。
Ars Technica · AIAI 评分4040 Google 找到为 AI 设计蛋白质加水印的方法
Google 研发出一种为 AI 设计蛋白质添加水印的方法，可配合一款流行的 AI 蛋白质设计工具使用，目标是服务于生物安全。
Simon WillisonAI 评分6262 Anthropic 红队：GLM-5.3 与 Claude Mythos Preview 在二进制漏洞利用基准上的表现
Anthropic Frontier Red Team 在内部 Binary Exploitation 基准中随机抽取 100 个任务评测多个模型，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 为 6%。
Microsoft Research精选AI 评分6262 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
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、支持更大模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧推理与卸载推理的差异，并给出可复用的 Kubernetes 卸载工具链。
OpenAI NewsAI 评分2828 OpenAI 推出 MentalHealthBench
OpenAI 发布 MentalHealthBench，一个由专家参与构建的基准，用于评估 AI 在真实心理健康对话中回复是否有帮助且安全。
Microsoft ResearchAI 评分4040 微软在 Nature 发布 RetroChimera：开源逆合成模型，专家盲测优于既有模型
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式重排序整合两者互补预测。
OpenAI NewsAI 评分2020 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份文字论述和一份 Lean 形式化证明。