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。
#论文/研究
#论文/研究
今日 1 条OpenAI News精选AI 评分5858 Show HNAI 评分3838 Show HN：用量子计算做实验，但配上诚实的经典基线
一项 Show HN 项目对 QAOA、Grover、VQE、量子核方法等 16 类量子计算实验逐一设置经典基线对照，覆盖 MaxCut、CI/CD DAG 调度、依赖解析 SAT、异常检测等场景。
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。
Ask HNAI 评分1212 Ask HN：NeurIPS、ICLR 和 ICML 之外有哪些替代会议
有研究者因 NeurIPS 门票数小时内售罄、投稿量超出审稿人承载能力、组织方不堪重负，在 HN 上询问是否有仍具大型 ML 会议精神的替代会议。提问者称自己一直喜欢 openreview 流程，以及可在专门 workshop 提交短篇在研工作的做法，后者对其生命科学与 AI 应用交叉的研究方向尤为重要。
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。
The Decoder精选AI 评分5858 MIT 报告：AI 正在侵蚀办公时间、学习小组与师生信任
MIT 于 2026 年 6 月发布的报告指出，AI 正在削弱大学体验的核心环节：参加办公时间的学生减少、线上讨论参与度下降、宿舍与图书馆的学习小组变少，教师也越来越难判断学生真正学到了什么。
推荐理由：MIT 报告给出 AI 冲击大学教学的具体证据，并附多校与多项研究的对照数据。
Show HN精选AI 评分5858 我连续37天测量MCP注册表：一份公开MCP服务器的透明日志
作者发布mcp-transparency-log项目，用爬虫按日观测官方注册表中公开可达的MCP服务器，记录其工具名称、描述、JSON schema和四个注解提示，并写入带签名树头的RFC 6962 Merkle日志。
推荐理由：作者用37天连续观测记录MCP服务器工具面的真实变化，给出签名机制无法覆盖的漂移证据。
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。
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。
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7171 开源 BootLoops 工具让 Claude 完成精确科学计算，三个月产出 36 篇手稿
哈佛大学物理学家 Matthew Schwartz 在 Anthropic 客座文章中介绍开源工具 BootLoops，它让 Claude 执行精确科学计算。三个月内团队在 18 个领域产出 36 篇手稿、19 位合著者，Claude 用该工具计算了 30 个积分，其中 15 个复现已知结果、15 个为首次计算。
推荐理由：哈佛物理学家用开源 BootLoops 在三个月内产出 36 篇手稿，展示了 AI 做精确科学计算的实际边界与局限。
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。
量子位精选AI 评分6262 arXiv 实施最严投稿新规：每人每月最多提交 2 篇，拒稿不退额度
arXiv 从 2026 年 10 月 1 日起执行新规，每个提交者每个自然月最多提交 2 篇论文，且额度按提交次数计算，被拒稿也不退还，所有分类共用同一额度。
推荐理由：梳理了 arXiv 限投新规的具体执行细节与投稿量十年翻四倍的背景，可据此理解 AI 时代论文产能与人工审核之间的失衡。
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。
开源中国精选AI 评分7676 Anthropic 红队评估 GLM-5.3：能力追平 Claude Mythos Preview，拒绝护栏缺失
Anthropic 前沿红色团队（Frontier Red Team）评估智谱 GLM-5.3，认为它是第一个能像五个月前 Claude Mythos Preview 那样自主构建端到端漏洞利用、却几乎未设拒绝护栏就被放出的模型。五个月前 Anthropic 发布 Claude Mythos Preview 时，曾称其为第一个能自主构建复杂端到端漏洞利用的 AI 模型。
推荐理由：Anthropic 红队对 GLM-5.3 的评估给出一个具体对照：能力接近 Claude Mythos Preview，但拒绝护栏缺失。
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 微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统
微软研究院推出 Quine，一个面向生物学复杂性的 AI 研究系统，由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并优先排序数千种化合物，最高排名化合物在湿实验中产生了最大的经典态向基底态转变，从缩小搜索空间到选出候选验证仅用一个周末。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
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。
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。
OpenAI NewsAI 评分3434 OpenAI 研究：ChatGPT 与批判性思维训练如何提升学生表现
OpenAI 对 1000 多名学生开展随机研究，考察 ChatGPT、批判性思维、原创性与学生在真实大学作业中的表现。研究关注学生借助 ChatGPT 与批判性思维训练能获得哪些收益。
Microsoft ResearchAI 评分4040 微软 Skala 1.1 发布：训练数据增 2.5 倍，已接入 CP2K 并推进 Psi4、FHI-aims、ORCA、VASP 集成
微软研究院发布深度学习 DFT 交换关联泛函 Skala 1.1，训练数据比首个公开版本多 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正被集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软推出持续追踪各版本计算性能的 living benchmark。
Microsoft ResearchAI 评分3939 微软研究院发布 MindTopo 基准，揭示多模态模型拓扑推理短板
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与打结五类关系，并区分静态推理与交互规划两个认知层级。测试显示，当前模型在静态识别上明显优于交互规划，且两者均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨动作序列仍不可靠。
Microsoft ResearchAI 评分4040 微软研究院发布 CARE-X：面向临床可用的放射学 VLM，融合辅助监督、奖励对齐学习与工具增强测量
微软研究院推出放射学研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、疾病存在与否定判断、病灶定位及多标签分类等任务，并支持生成式与双推理两种模式。
OpenAI News精选AI 评分5050 OpenAI 公布数学与理论计算机科学领域的十项进展
OpenAI 公布在数学与理论计算机科学若干长期未解问题上取得的新结果，涵盖几何、密码学与复杂性等方向。
推荐理由：OpenAI 公布数学与理论计算机科学中若干长期未解问题的进展，涉及几何、密码学与复杂性。
Berkeley AI Research精选AI 评分6262 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 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可了解跨硬件迁移优化知识的具体做法。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的摘要更新
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务上，采用基于重构的信念评分后，ABBEL 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，峰值上下文 token 数也显著低于全上下文设置。
OpenAI NewsAI 评分2626 OpenAI 研究：AI 智能体如何改变工作方式
OpenAI 发布新研究论文，展示 AI 智能体正在改变工作方式，能够承担更长、更复杂的任务，并在多种岗位上提升生产力。
OpenAI News精选AI 评分5252 研究者用 OpenAI 推理模型辅助诊断儿童罕见遗传病，新增 18 例确诊
研究者使用 OpenAI 推理模型辅助诊断罕见疾病，在先前未解决的病例中新增 18 例确诊。该结果来自对儿童罕见遗传病诊断场景的应用。
推荐理由：材料给出推理模型在罕见病诊断中的实际命中数量，可了解AI辅助临床诊断的落地程度。
OpenAI News精选AI 评分4848 OpenAI 与 Molecule.one 用 GPT-5.4 近自主 AI 化学家改进药物合成反应
OpenAI 与 Molecule.one 展示了一个使用 GPT-5.4 的近自主 AI 化学家，改进了药物制造中的一项关键反应，推进了药物化学研究。
推荐理由：OpenAI 与 Molecule.one 用 GPT-5.4 驱动的近自主 AI 化学家改进药物合成反应，可看 AI 在实验科学中的落地方式。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 AI Control Roadmap，用纵深防御保障内部 AI 智能体安全
Google DeepMind 发布 AI Control Roadmap，一套用于构建和管理 Google 内部部署的高级 AI 的框架，采用纵深防御思路，在模型对齐之外增加系统级安全层，即使对齐不完美也能提供保障。
推荐理由：DeepMind 公开内部 AI Control Roadmap，给出检测与响应分级和百万条编码智能体轨迹的分析结论。
Google DeepMind精选AI 评分6262 Google DeepMind 公布塞拉利昂 AI 教学试验结果
Google DeepMind 公布在塞拉利昂开展的预注册试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度，八周内完成。
推荐理由：塞拉利昂预注册试验给出了 AI 辅助教学的具体量化结果，也点出成绩差距这一局限。
OpenAI News精选AI 评分7070 OpenAI 模型推翻离散几何核心猜想
OpenAI 称其模型解决了 80 年历史的单位距离问题，推翻了离散几何中的一个重要猜想，被视为 AI 驱动数学研究的一个里程碑。
推荐理由：OpenAI 模型推翻离散几何中悬置 80 年的核心猜想，可了解 AI 在数学发现上的进展。