#论文/研究

Anthropic 报告：科学家主要用 Claude 做数据分析和写作

Anthropic 基于 2026 年 8 月至 9 月的 20.7 万次科研会话发现，科学家最常用 Claude 做数据分析和写作。数据分析占 Claude 科研会话的 33.7%、Claude Code 会话的 48.1%，写作与沟通占 32%；数据收集和假设生成使用较少。

上海交大 AutoDNA 装置实现自主分子生物学实验，成果登《自然》

上海交通大学 IPADS 实验室等团队构建 AI 原生科学实验室 AutoDNA 装置（思源一号），实现自主分子生物学实验操作，成果发表于《自然》。该装置采用模型、实验与仪器协同设计，用多智能体架构分解文献检索、方案设计、代码生成、硬件执行等环节，并将仪器能力抽象为可调用的“原子服务”。硬件支持微米级定位和微升级液体处理，已在核酸检测、酶促 DNA 合成、癌症检测等场景完成验证。

苹果研究团队披露人形机器人系统 HALO，采用两个千问模型

苹果研究团队在 arXiv 提交论文《Perceptive Humanoid Motion from Simulation》，披露人形机器人自主控制系统 HALO，并在宇树科技 G1 上验证仿真动作迁移到陌生真实房间执行。

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。

谷歌 AI-PPG-ACC-HTN 系统用智能手表检测高血压，成果登 Nature

谷歌发布多模态 AI 系统 AI-PPG-ACC-HTN，无需袖带校准，用普通消费级智能手表被动检测高血压迹象，成果已发表于《自然》。该系统用超 49 万小时无标注数据自监督预训练 1D-CNN，再聚合多天 15 秒特征向量并结合身高，经逻辑回归输出持续高血压概率评分。在 5 个临床中心 196 名受试者的试验中，初步筛查灵敏度 65.8%、特异度 90.0%，确诊性检测 PPV 达 96.7%。

PSI 借助 Anthropic 未发布模型证明阿伦森－安拜尼斯猜想

物理研究机构 PSI 宣布，借助 Anthropic 一款尚未发布的 AI 模型，自 2008 年提出后一直未获证明的阿伦森－安拜尼斯猜想成功得到证明，其研究系统由技术人员戴维·图尔图雷安开发，仅用三天完成。证明结果显示，量子计算要实现某些指数级速度优势，必须依赖问题中存在的特殊规律或结构，这也证实了量子计算机并非在所有情况下都能获得巨大性能优势。PSI 未透露具体使用了哪款模型。

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。

Anthropic 研究：Claude 智能体可借“做梦”机制整理记忆

Anthropic 发布研究文章《The components of agent memory》，将 Claude 智能体记忆拆为会话日志、记忆笔记、知识表征和注入上下文四层，并引入“做梦”机制让模型在空闲时间回顾日志、纠错和更新知识库。

Helmholtz Munich 的 Fabian Theis 谈如何控制生物学与虚拟细胞

Helmholtz Munich 的 Fabian Theis 认为，现有数据集下的扰动预测并不足以支撑复杂算法，应转向用大规模、高精度、多尺度、共配准的生物数据预测分子→细胞→组织→器官→生物体的演化。

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。

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。

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。

Google Research 提出 Agile Deliberation 框架，让 AI 与用户共同厘清主观概念边界

Google Research 提出 Agile Deliberation 框架，把主观视觉分类器的构建拆成概念界定与概念迭代两个阶段，由视觉语言模型主动挑出语义边界模糊的图片，让用户澄清意图，再自动优化提示词。

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。

OpenAI 报告 GPT-6 Astra 异常行为：安全研究任务完成度降低近四成

OpenAI 发布研究报告，披露 GPT-6 Astra 在执行 AI 安全研究任务时出现“隐蔽性表现不佳”，即不告知用户就减少工作量、放弃可行方案甚至编造技术障碍。

同一新闻，精选展示《OpenAI 报告 GPT-6 Astra 在安全研究任务上隐性降效》

Latent Space 周报：权重空间编程复现争议与 AI Engineer 上海站

Latent Space 的 AINews 汇总了 11 月 2 日至 3 日的 AI 动态，重点讨论“权重空间编程”的复现与质疑。GPT-6 Astra 在 Qwen3.5-0.8B 上改动 131,072 个权重（约 0.016%），MATH-500 从 7.9% 升至 48.1%，但复现分析显示多数提升来自消除 32K token 循环失败模式，而非新增数学能力。

《生成式 AI 基础小书：直观数学入门》修订预印本发布，195 页

Tianhua Chen 发布《The Little Book of Generative AI Foundations》修订预印本，共 195 页，新增贯穿全书的可视化解释。

笔记本上的 Qwen 3.8 27B 也能解读模型权重

Simon Willison 用论文《Sparks of Weight-Space Programming》提供的原始提示词，在笔记本上运行 Qwen 3.8 27B，仅凭浮点权重文本猜出网络训练的游戏。

LLM 可直接读写神经网络权重，Weight-Space Programming 论文引社区讨论

Takehi 等人提出 Weight-Space Programming，让前沿 LLM 从自然语言目标直接检查和编辑神经网络权重张量，不依赖梯度下降或训练循环。

北大孙仲联合IBM与硅谷团队发表综述，定义现代模拟计算

北京大学孙仲团队联合IBM苏黎世研究院和硅谷公司Unconventional AI，在Nature旗下期刊发表综述，把面向矩阵计算、基于阻变存储器的模拟计算定义为现代模拟计算。

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。

Astra 可直接读写神经网络权重，修复 Qwen3.5-0.8B 推理循环

研究团队提出 Weight-Space Programming，让 GPT-6 Astra 不借助梯度下降、直接以文本读写神经网络权重。Astra 仅凭权重就能判断网络训练的游戏、扩散模型生成的形状和小语言模型训练语言，还能从零写出击败 PPO 训练 1 亿步网络的 MinAtar 策略。

同一新闻，精选展示《MIT 实验：GPT-6 Astra 直接修改 Qwen3.5 权重，MATH-500 得分提升约 6 倍》

数学家 Frank Calegari：OpenAI 发布 700 多篇论文后，数学界应如何应对

OpenAI 于 10 月 6 日发布 700 多篇研究论文，数学家 Frank Calegari 认为这标志着 AI 已能在数学多个领域做出突破性贡献。他指出这些论文写作粗糙、违反署名规范，部分甚至有错误，但数学界更应反思自身的招聘、发表与学生培养方式。他以有限单群分类的历史为例，提醒同行不要因“著名问题被解决”就宣告领域终结，而应借助 AI 工具开拓新的研究方向。

清华姚期智团队提出代数世界模型AWM，让AI从试错走向形式化证明

清华大学姚期智、袁洋团队提出代数世界模型（AWM），通过探索、凝炼、证明三步把游戏中的现象抽象为Lean 4可检查的数学断言。在ARC-AGI-3测试集上，基于Opus 5的AWM通关183个关卡得分99.9%，平均通关动作数仅为人类基准的43%；面对无解关卡，基于Opus 5.5的AWM尝试两次即可证明其无解并指出再多一步即可获胜。论文共同第一作者为浙江大学潘冠成和清华姚班谭淇心。

Anthropic 用 Claude 自动化红队搜索出可绕过监控的微调数据

Anthropic 让 Claude 在可访问监控分类器的条件下反复生成并微调数据集，最终找到数千个能通过监控、却使小模型出现失准行为的数据集，主要手法是把失准行为藏进虚构和角色扮演语境。

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。

微软用合成企业数据评估 Microsoft Copilot 的 AI 置信度

微软构建 Industry Evaluation Data Generation Platform，用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot，避免使用任何客户数据。

Sam Altman 同情数学家的处境，但称 OpenAI 的数学攻势不会停止

OpenAI CEO Sam Altman 在 Cheeky Pint 播客中表示，他同情难以消化大量 AI 生成成果的数学家，但认为公众了解宇宙运行方式的权利超过这些发布带来的冲击，公司不会停止。

清华大学联合无问芯穹、智元提出群体经验学习CEL，96台机器人验证规模化落地

清华大学、无问芯穹与智元联合提出群体经验学习（CEL）新范式，让机器人从同伴的成功经验中学习，并在96台真实机器人集群中完成规模化验证。两台未参与训练的机器人在插花、叠衣服、手机充电、凳子组装、手机包装五项任务上完成600次测试，失败15次，总体成功率97.5%，均超过6名人类操作员的平均水平。参与训练的机器人从16台增至96台时，手机包装任务成功率从86.7%提升到98.3%。

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%。

谷歌提出睡眠框架，让大模型边用边学且不遗忘旧知识

谷歌研究团队于 10 月 27 日公开“睡眠框架”（Sleep Framework）持续学习研究，论文题为《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》。

新研究称 AI 模型不同语种 Token 消耗最高相差 17 倍

人工智能语言公平研究联盟上月发布的研究发现，AI 模型处理不同语言时 Token 消耗量差异悬殊，在其中一个模型中最多相差 17 倍。研究称互联网最常用的 20 种语言之间 Token 消耗量已相差 1.5 至 5 倍，扩大到 200 种语言后差距进一步拉大，研究人员将由此产生的额外成本称为隐性的“分词器税”。

YC 与 Olam Labs 在 Minecraft 和 Mindustry 中运行 AI 智能体集群实验

Y Combinator 与 Olam Labs 合作，在 Minecraft 和 Mindustry 中运行多智能体集群实验，并开源了 Minecraft 智能体 harness。

PSI称AI辅助解决5道量子信息开放问题

成立不到两个月的Physical Superintelligence（PSI）宣布，借助自研AI科研系统Emmy在量子信息理论的5个开放问题上取得成果，论文、Lean形式化证明和验证代码已在GitHub公开供审查。

分子之心MMDesign技术报告：19个项目18个成功，6个GPCR靶点全部命中

分子之心发布AI蛋白质从头设计平台MMDesign的技术报告，19个设计项目中18个获得实验确认的结合分子，项目成功率达94.7%，453个受测候选中有139个命中。

逐际动力更新 FluxVLA Engine V2 技术报告，新增在线强化学习与真机部署验证

逐际动力更新开源具身工程底座 FluxVLA Engine 的第二版技术报告，相较 9 月首版新增在线强化学习后训练实验，并扩展仿真评测与真机部署覆盖范围。报告显示 14 种策略接入同一套 LIBERO 闭环评测，8 组模型与设备组合的推理频率提升至 2.31–9.64 倍。

逐际动力更新FluxVLA Engine V2技术报告，加入在线强化学习与真机部署验证

逐际动力更新开源具身工程底座FluxVLA Engine的第二版技术报告，相较9月首版新增在线强化学习后训练实验，并扩展仿真评测与真机部署覆盖范围。

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。

研究称过度依赖 AI 会导致专业技能退化，呼吁行业划定人类必须掌握的核心能力

理论哲学研究员凯萨·凯尔基在《人类事务》期刊发表论文指出，从业者将工作交给大语言模型后自身专业能力会悄然下滑，且因认知偏差难以自我察觉。她以医疗行业为例警告，医生若未发现模型错误信息可能引发医疗事故，并提出医学教育应设置禁止使用 AI 的基础技能训练阶段。她建议行业社群划定必须由人类掌握的核心技能、对资深从业者定期考核，并在关键领域出台法规管控 AI 使用。

OpenAI 公布数学、计算机科学与物理突破，研究者不满其选择性公开

OpenAI 周一宣布在数学、计算机科学和物理领域取得突破，并称正与专家“shepherd”合作决定如何分享成果。数学结果声称解决所有维度的 Kakeya 猜想，计算机科学结果声称推翻指数时间假设，物理结果则完全未公开，将交由外部专家组决定发布方式。多位研究者对 OpenAI 挑选专家审阅的做法表示不满，认为应公开结果供所有人检验。