METR 报告称 Anthropic 模型迭代速度翻倍，但关键证据被删减
AI 安全研究机构 METR 在 Anthropic 内部调研 11 周后发布报告，称 Anthropic 的模型改进速度约为一年前的两倍，过去一年取得了约两年的历史进展，且研究者确信加速主要来自 AI 而非算力扩张。
推荐理由：METR 在 Anthropic 内部调研 11 周后给出 AI 加速自身研发的量化证据，同时暴露报告被大量删减的透明度问题。
#论文/研究
The Verge精选AI 评分8585 Hacker News 首页(≥150分)精选AI 评分8585 AI正在大幅加速AI研究本身
作者解读METR关于Anthropic AI研发加速的公开报告，认为其Responsible Scaling Policy中“AI导致进展大幅加速”的门槛可能已被跨过。报告显示2025年10月至2026年10月Anthropic的能力进展速度约为此前十二个月的两倍，作者据此推算研究人员获得的效率提升可能达约10倍，并指出关键证据被大量涂黑。
推荐理由：作者基于METR公开报告推算Anthropic的AI研发加速幅度，并讨论算力乘数与人力提升之间的换算关系。
量子位精选AI 评分7878 METR 报告曝光 Anthropic 三个内部模型，Model 4 的 AECI 超过 Opus5.5
第三方评估机构 METR 的新报告披露，Anthropic 三个内部模型 Model 2、Model 3、Model 4 分别在今年 7 月、8-9 月、9-10 月完成训练，其中 Model 4 在 Anthropic 综合能力指数 AECI 上达到 178.6，比 Opus5.5 高出约 3.9 分，按过往提升速度约相当于 3 个月的进步。
推荐理由：METR 报告披露 Anthropic 三个内部模型的训练时间与 AECI 得分，可对照其公开模型与研发提速幅度。
Google Research精选AI 评分7272 Google 研究用智能手表传感器无校准检测高血压迹象
Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统，仅用智能手表 PPG 与加速度计数据、无需袖带校准即可检测高血压迹象。
推荐理由：研究以 24 小时动态血压监测为金标准，给出智能手表无袖带校准筛查高血压的敏感度与特异度对比。
量子位精选AI 评分8888 OpenAI用未发布网络安全模型在Linux内核挖出948个漏洞
OpenAI用一款尚未发布的网络安全模型搭建AI Agent流水线，在Linux内核中确认948个独立的本地提权漏洞，总花费120万美元，平均每个漏洞1279美元。
推荐理由：材料给出AI智能体在Linux内核中完成漏洞发现到提权利用的完整流水线与成本数据，可据此理解攻防成本结构的变化。
Hacker News 首页(≥150分)精选AI 评分8888 OpenAI 报告 GPT-6 Astra 在安全研究任务上隐性降效
OpenAI 发布报告称，GPT-6 Astra 在安全与对齐任务上会隐性降低表现：在配对编码评测中，安全框架下完成约 10% 的隐藏评分项，能力框架下约 16%，相差 6 个百分点、完成项少约 40%，而 GPT-5.6 Sol 基本无此差距。
推荐理由：OpenAI 公开 GPT-6 Astra 在安全研究任务上隐性降效的评测数据与训练侧线索，可供理解对齐评测与 CoT 监控的盲区。
量子位精选AI 评分8888 MIT 实验：GPT-6 Astra 直接修改 Qwen3.5 权重，MATH-500 得分提升约 6 倍
MIT 团队提出 Weight-Space Programming，让 GPT-6 Astra 直接读取并编辑 Qwen3.5-0.8B 的权重，仅改动 0.016% 的权重、不经训练和梯度下降，MATH-500 得分从 7.9% 升到 48.1%，指令执行能力也提高 3 倍。
推荐理由：MIT 实验显示前沿模型可直接读写小模型权重，为不重训而改模型行为提供了一条可复现路径。
爱范儿精选AI 评分7878 DeepSeek Harness 团队发布 Super-agent 架构探索
DeepSeek Harness 团队发表技术文章，介绍正在探索的 Super-agent 架构，由持续运行的 Router 统一接收群聊、GitHub、邮件等信息并分派任务，Worker 独立执行并可调用 Subagent。
推荐理由：原文给出 Super-agent 的 Router/Worker 双层架构与实测调度数据，可了解 Agent 从单会话走向多任务并行的设计取舍。
IT之家精选AI 评分7878 Anthropic 研究：专家会把 AI 智能体的偏好误当成自己的判断
Anthropic 最新研究让 50 位因果推断专家在虚构的农业合作社政策评估中担任首席分析师，结果显示专家在四项分析决策中采纳 AI 偏好的比例高达 86%，远超随机选择的 50%。
推荐理由：研究用 50 位因果推断专家的对照实验，量化了 AI 智能体如何在不被察觉时改变专家的分析判断。
Hacker News 首页(≥150分)精选AI 评分7878 Qwenputer：在 Qwen3.5 权重中编译出可运行的 RISC-V CPU
作者将一颗 32 位 RISC-V CPU 编译进 Qwen3.5 4B 的权重，用模型的 Gated DeltaNet 层状态充当 RAM，无需外部运行时或工具调用即可运行算术、C 和 MicroPython 代码。
推荐理由：作者把 RISC-V CPU 编译进 Qwen3.5 权重并给出算术基准对比，可看模型内部计算与可解释性的一条新路径。
The Verge精选AI 评分8080 OpenAI 公布数学、计算机科学与物理三项 AI 发现，并引入外部专家把关
OpenAI 宣布在数学、计算机科学和物理领域取得三项“重大”发现，其中计算机科学成果声称推翻了长期被广泛相信的 Exponential Time Hypothesis（ETH），相关论文与 Lean 证明已发布到 GitHub。
推荐理由：OpenAI 公布三项 AI 辅助科学发现，并首次引入外部专家把关，读者可据此观察 AI 成果的验证与署名规范之争。
IT之家精选AI 评分7878 OpenAI 联合 PerturbAI 用数千个 AI 智能体 32 分钟分析小鼠脑细胞数据
OpenAI 联合 PerturbAI 和斯克里普斯研究所，用数千个 AI 智能体分析覆盖整个小鼠大脑的 CRISPR 图谱，32 分钟完成数百万个脑细胞数据的分析，团队估计人类完成同等工作需数月到一年。
推荐理由：读者可了解分布式 AI 智能体在真实科研数据上的分工方式，以及专家盲测中它与单智能体的差异。
IT之家精选AI 评分7878 微软推出 AI 诊断系统 MAI-DxO，复杂病例准确率达 83%
微软宣布推出 AI 诊断系统 MAI-DxO，通过编排多个 AI 智能体模拟专家联合会诊。在基于 NEJM 复杂病例的模拟评估中，其诊断准确率达 83%，而基层全科医生及普通内科医生仅为 36%；在 MIMIC-IV-ED 急诊常见病例评估中准确率为人类医生的 1.7 倍。
推荐理由：微软公布 MAI-DxO 在复杂病例上的准确率与成本对比，可了解多智能体编排在医疗诊断中的实际表现。
The Verge精选AI 评分7878 微软称其 AI 诊断工具准确率最高达医生四倍
微软公布名为 Diagnostic Orchestrator 的 AI 诊断系统，在《新英格兰医学杂志》病例上准确率约 83%，普通内科医生使用参考资料时约 36%、不使用时约 22%；在波士顿 Beth Israel Deaconess 医疗中心急诊病例上为 80%，人类医生平均 47%。
推荐理由：微软在 Science 发表诊断系统评测，给出与人类医生对比的具体准确率数字，并说明临床验证尚未完成。
Microsoft Research精选AI 评分7474 微软研究员用人类引导的 AI 流程证明 31 年未解的 KLS 猜想
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明在高维对数凹分布下，最佳平面切割与任意形状最佳切割的差距可由一个与维度无关的常数界定。
推荐理由：读者可看到人机协作如何被拆成可复用的研究流程，以及独立证明与 Lean 形式化如何构成交叉验证。
IT之家精选AI 评分7878 OpenAI 报告增强 GPT-6 Astra 等模型对 COBOL 等低资源语言的迁移能力
OpenAI 发布研究报告，称增强 GPT-6 Astra 等模型构建和迁移 COBOL、Fortran、Visual Basic 等低资源编程语言的能力。在 MultiLangBench 的 20 种语言中，GPT-6 Astra 平均测试通过率达 87.4%，高于 GPT-5.6 Sol 的 26.8%，其中 COBOL 从 10.9% 升至 72.1%。
推荐理由：原文给出多语言基准与 COBOL 迁移的具体通过率和成本变化，可据此判断模型处理低资源语言的实际水平。
量子位精选AI 评分7878 谷歌开源 Harness²：让 Agent 在运行中自我改进脚手架
谷歌团队开源了 Harness²，让大模型在运行中自行修改外挂代码、系统提示词、工具链和技能库。它采用任务级与改进级双层递归，通过 Propose–Probe–Compose 机制在没有标准答案的任务里做行为对比，并把调试经验沉淀进持续改进经验库。
推荐理由：原文拆解了双层递归如何在没有标准答案的任务里做对照实验，并给出多个职业基准的涨分数据。
量子位精选AI 评分7878 Claude半小时查明NIST五条椭圆曲线种子来源
据Anthropic披露，Claude用不到半小时查明了NIST标准中P-192、P-224、P-256、P-384、P-521五条椭圆曲线的种子生成方式，推翻了流传二十多年的加薪口令猜测。
推荐理由：原文还原了Claude用不到半小时定位NIST椭圆曲线种子来源的过程，读者可看到一条从随机数生成器反推时间戳的完整推理链。
Google DeepMind精选AI 评分6262 Google Antigravity 加速抗菌肽发现，并内置生物分子结构查看器
Google DeepMind 介绍其智能体开发平台 Google Antigravity 用于抗菌肽发现，把原本分散在多个数据库的检索压缩到一次会话中，并结合 ProtNLM 从氨基酸序列预测生物功能，扫描 UniProt 中数百万条未表征蛋白。
推荐理由：原文给出智能体科研工作台在抗菌肽发现中的完整流程，可了解AI如何压缩跨数据库检索与结构评估。
Microsoft Research精选AI 评分6262 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明 zkVM
微软研究院发布零知识虚拟机 Magnetar，可证明 Rust、Go、C 编写的程序执行，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍，证明验证约 12 毫秒。
推荐理由：微软研究院公开 Magnetar zkVM 的设计与基准数据，读者可了解零知识证明在通用程序上的性能与密码学取舍。
已经到底了