研究：Claude Opus 5.5 最爱说“this matters”，各模型写作特征各不相同
Graphite 研究发现，Claude Opus 5.5 使用“this matters”的频率是人类的 116 倍，“why X matters”高出 92 倍，最爱用词为“dependable”（高出 23 倍）；OpenAI 的 Astra 最大特征是被称作“纠正性框架”的“not simply X”句式，出现频率超人类 100 倍。
全部AI 动态
全部动态
今日 5 条TechCrunch · AIAI 评分4040 Ars Technica · AIAI 评分6060 AI 在隐藏信息的 Stratego 上首次击败史上最强人类玩家
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 名为 Ataraxos，以 15 胜 1 负 4 平击败被认为是有史以来最强 Stratego 玩家的 Pim Niemeijer，训练只用了 16 块 GPU 和几千美元。
Hugging Face Blog精选AI 评分6060 AI2 发布 Olmo-core 3：面向大型 MoE 的开源训练基础设施
AI2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重大升级，核心是一套重新设计的开源 MoE 训练系统，目标是把 MoE 训练扩展到万亿参数规模。
推荐理由：原文给出 MoE 训练栈在专家池扩展与吞吐上的实测对比，可据此判断大 MoE 训练的开源可选方案。
Microsoft ResearchAI 评分2727 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端到端机器学习系统，可在风险出现前 30 至 60 分钟为美国本土 66,935 座变电站生成位置级空间天气风险估计。系统把太阳风观测、AE 与 Dst 指数预报、地质电导率等因素结合，先预测磁场变化率 dB/dt 再汇总为大陆级风险评估。评估期内该流水线识别出近 80% 的重大空间天气事件，Dst 预测器在 62.2% 的高活跃小时上优于 Burton 方程。
MIT News · AIAI 评分4343 MIT 等团队开发 Ataraxos，在 Stratego 上击败世界顶尖人类选手
MIT、卡内基梅隆、NYU 和斯坦福的研究者开发出 AI 系统 Ataraxos，在隐藏信息的棋盘战争游戏 Stratego 中以 15-1-4 击败世界最强人类选手，并在世界锦标赛顶级选手中取得 39-2 战绩，此前无 AI 系统做到。
Hugging Face BlogAI 评分2828 Hugging Face 提出 ProvenanceGuard：面向 MCP 智能体的来源感知事实核查
Hugging Face 发布论文 ProvenanceGuard，一种面向基于 MCP 的 LLM 智能体的来源感知事实性验证层，用于捕捉"跨来源混淆"——即某个说法在证据池中为真、却被归因到错误来源。
MIT News · AIAI 评分2727 MIT 研究：算法单一化的影响取决于具体细节，可通过集成算法缓解
MIT 研究人员在《Philosophical Perspectives》发表论文，系统评估了算法单一化的主要反对意见，认为系统性排斥等论点要么不成立，要么不足以否定所有形式的单一化。他们用数学证明单一化会形成信息回声室、阻碍探索，但将多个招聘算法集成为单一"ensemble"可克服这一局限，有时表现不逊于多算法并存的 polyculture。
MIT News · AI精选AI 评分6868 MIT 用 AI 算法改良配方，让 RNA 疫苗耐受高温
MIT 研究团队借助 AI 算法调整脂质纳米颗粒（LNP）周围的辅料配方，使 RNA 疫苗在室温下可稳定保存长达一年，或在 37 摄氏度（98 华氏度）下保存两个月。
推荐理由：MIT 团队用 AI 算法筛选辅料配方，把 RNA 疫苗从超低温冷链中解放出来，读者可看到小数据集算法如何加速生物实验设计。
MIT News · AIAI 评分5252 MIT 团队开发文本自杀风险评估工具
MIT McGovern 研究所的 Daniel Low 与 Satra Ghosh 等人在《Journal of Psychopathology and Clinical Science》报告了一款文本语言处理工具，通过约 49 个自杀风险因子对应的词典搜索文本，来估计个体自杀风险。
Microsoft Research精选AI 评分6161 微软研究：把物理 AI 推理卸载出机器人可提升任务表现与续航
微软研究院对移动操作机器人负载做了首次系统性测量，发现仅依赖机载 GPU 推理会限制机器人性能、电池寿命与可扩展性。
推荐理由：微软对机器人负载的首次系统性测量显示，把推理从机载 GPU 卸载到边缘或云端可在成功率、模型规模与续航上同时获益。
IEEE Spectrum · AIAI 评分6969 Stanford 团队发布 Paper2Agent，把论文自动变成可运行的 AI 智能体
Stanford 计算机科学家 James Zou 团队发布开源框架 Paper2Agent，输入论文及其代码、数据等补充材料后，系统自动提取核心流程并生成经过测试、可运行的工具体系，相关成果 9 月 16 日发表在 Nature。
Hugging Face BlogAI 评分3535 英国 AISI 与 EvalEval 如何让 benchmark 结果可复现
英国 AI Security Institute（AISI）通过 EvalEval 的 Evaluation Cards 公开分享评测方法与结果，覆盖 HealthBench。
Microsoft ResearchAI 评分4646 微软开源逆合成模型 RetroChimera，成果登上 Nature
微软在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型将基于 Transformer 的 R-SMILES 2 与基于图神经网络、使用反应模板的 NeuralLoc 结合，通过学习式集成对两者预测重新排序，性能在常见与稀有反应类别上均超越任一子模型。
MIT News · AIAI 评分4444 MIT 新 AI 技术 xvr 让微创手术更安全精准
MIT 及合作机构的研究人员提出 xvr（X-ray volume registration）技术，用 AI 将手术中的 2D X 光片与患者术前 3D 扫描自动配准，数秒内完成、精度达亚毫米级，比现有 AI 方法高出一个数量级。该模型基于物理模拟生成的患者专属合成 X 光训练，约五分钟即可适配单个患者，无需担心模型幻觉。相关论文已发表在 Nature 上。
MIT News · AIAI 评分3939 MIT 新方法 HardFlow 让生成式 AI 满足安全关键场景的硬约束
MIT 研究人员提出 HardFlow，让预训练生成模型在部署阶段满足安全、物理等不可妥协的硬约束，同时提升输出质量，无需重新训练。该方法把硬约束采样重构为轨迹优化问题，只在最终输出上强制约束，而非每个中间步骤。在机器人操作、迷宫导航和文本引导图像编辑实验中，HardFlow 实现完全约束满足，质量持续优于基线方法，计算时间与多数同类方法相当或更低。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组全部 90 亿个单碱基变异预测
Google DeepMind 推出 AlphaGenome Atlas，一个包含人类基因组约 90 亿个单核苷酸变异效应预测的平台，以 1-petabyte 数据集预计算 AlphaGenome 的预测结果。
推荐理由：AlphaGenome Atlas 把全基因组 90 亿个单碱基变异的预测预计算成可检索平台，读者可据此了解变异解读资源的规模与开放方式。
Import AIAI 评分5252 DeepMind 用 100 个 Agent 解数学题：作弊自发涌现并被举报
Google DeepMind 发表论文，让 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体协作求解 71 道数学题，并提供公共公告板、私信和共享知识库三种协作渠道。
MIT News · AIAI 评分4343 MIT 与 Motional 提出 CW-Net，帮人类预测自动驾驶汽车何时会犯错
MIT 与自动驾驶公司 Motional 提出 Concept-Wrapper Network（CW-Net），可将自动驾驶深度学习规划器的内部推理翻译为“接近停驻车辆”“靠近骑行者”等可理解概念。该模块在 1.3 亿个自动驾驶场景样本上训练，不改动原模型驾驶性能，实测帮助安全员更准确预测车辆行为。研究发表于 Nature。
Hugging Face BlogAI 评分3838 Hugging Face 推出 BenchMIRT：审计 LLM 基准到底测了什么
Hugging Face 发布 BenchMIRT，一种在单条题目层面审计 LLM 基准的方法，基于多维 IRT 从 100 个 LLM、16 个基准、超 34K 道题的评测结果中自动分离出安全与通用推理两个维度。
MIT News · AIAI 评分3838 MIT 团队提出 PottsMPNN：用新指标设计全新蛋白质
MIT 生物系团队开发出机器学习框架 PottsMPNN，可生成与任何天然蛋白质都不相似的序列，同时更准确预测突变对蛋白质稳定性的影响，相关论文发表在 PNAS。该框架通过引入噪声、成对分布建模氨基酸相互作用，并加入进化相关序列训练，让模型更好理解序列—能量景观。研究者认为，评估蛋白质设计不应只看能否复现进化选出的天然序列，而应看生成序列折叠成目标结构的可能性。
MIT News · AIAI 评分5252 MIT 提出 CrysVCD 框架，让 AI 生成的材料更稳定、更可用
MIT 研究人员在 Nature Computational Science 发表论文，提出名为 CrysVCD（crystal generator with valence-constrained design）的框架，在材料生成开始前用语言模型约束价电子规则，使常用材料模型更常满足价壳层规则，在近 70% 的计算生成中达到高晶格动力学稳定性。
Hugging Face BlogAI 评分5353 Multiverse Computing 提出 QAH：4-bit 压缩模型在 9 项基准中 7 项超过其全精度版本
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出量化感知修复（QAH）：不再从恢复后的 bfloat16 checkpoint 蒸馏，而是直接从压缩前的原始模型蒸馏，教师与学生架构和精度均可不同。
MIT News · AIAI 评分3939 MIT 提出 η-learning 方法：无需极端事件数据即可生成极端天气情景
MIT 工程师开发出名为 Extreme Event Aware（η-learning）的机器学习方法，无需历史极端事件数据即可生成合理的极端天气与最坏情景，并刻画其持续时间、强度和影响范围。该方法结合点统计与空间地图，用美国本土 25 年逐小时降水数据训练，并已在 Nature Communications 发表，还可用于机器人导航和金融市场。
IEEE Spectrum · AIAI 评分2929 研究发现：用 LLM 让乘客"动嘴"调节自动驾驶风格
荷兰代尔夫特理工大学团队开发了一套用 LLM 把"我赶时间，开快点"这类自然语言请求转成自动驾驶控制系统参数调整的方法，采用 OpenAI 的 GPT-4o-mini 解析乘客意图，不直接接管驾驶决策，只调整安全约束内的运动规划参数。在 nuPlan 仿真器的八组提示词测试中，系统对"求舒适"和"赶时间"的请求分别调高了平顺性与速度。
Import AIAI 评分2323 Import AI 470：机器不享有权利、SPADE 自动生成训练环境、Hawkeye 优化 GPU kernel
METR 分析发现 AI 对科研的加速并不均衡：网络安全漏洞报告在 2026 年明显加速，数学研究仅小幅加速（部分领域 arXiv 投稿不到 12 个月翻倍），而 AI 研究本身的算法进展尚无可测加速。多校团队提出 SPADE，用 LLM 自博弈协同进化可执行训练环境，在 Qwen3-30B-A3B 上相比基座提升 8.1。另有用 Hawkeye 构建更好 GPU kernel 的内容。
Hugging Face Blog精选AI 评分6767 Hugging Face 研究量化语音识别中的基准优化问题
Hugging Face 发布研究，提出三项测试量化语音识别中的基准优化现象。研究评估 11 个开源 ASR 模型，发现部分高分模型在音频与参考文本矛盾时仍复现 VoxPopuli 和 LibriSpeech 的错误转写，被静音的年份甚至被补全为 2011。
推荐理由：文章用三类探针量化 ASR 模型对基准本身的过拟合，并给出可复用的检出方法。
MIT News · AIAI 评分2525 MIT 用计算模型预测电化学合成氨催化剂，加速绿色氨生产
MIT 研究人员开发出一种预测方法，可找出电化学合成氨中最有前景的催化剂材料，从而加快寻找替代 Haber-Bosch 工艺的低排放路径。该研究聚焦过渡金属氮化物，相关开放获取成果已于 8 月 11 日发表在 EES Catalysis。目前全球每年使用约 2 亿吨氨，其生产占全球能耗最多 2%、温室气体排放约 1.5%。
Microsoft ResearchAI 评分4646 微软 Skala 1.1 发布：训练数据增 2.5 倍，已进入 CP2K 并将集成 Psi4、FHI-aims、ORCA 和 VASP
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据比首个公开版本多 2.5 倍，在 GMTKN55 的 55 个类别中拿下 32 项第一，加权平均误差 2.8 kcal/mol。该版本现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软还推出持续追踪各版本计算性能的 living benchmark。
MIT News · AI精选AI 评分6969 MIT CSAIL 研究：生成图像往往无法追溯到训练数据
MIT CSAIL 团队在 Nature Communications 发表研究，提出“归因衰减”现象：生成模型训练数据越多，单张训练图像、某位艺术家的全部作品或某个人的所有照片对特定输出的影响越小，甚至删除后输出完全不变。
推荐理由：研究提出归因衰减现象并给出精确删除训练样本的方法，为版权与责任认定提供了可对照的技术证据。
Import AIAI 评分2626 Import AI 469：Science AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了 DiG-bench（Discovery in Games）基准，包含 70 款规则与目标均隐藏的手工游戏，其中 21 款已公开，Opus 5 和 Fable 5 搭配 Claude Code 表现最佳，但仅能在 Tier 7 取得 0.2 分。
IEEE Spectrum · AIAI 评分5050 Axiom Math 用 AxiomProver 首次验证素数 246 定理证明
Axiom Math 团队用其自主多智能体系统 AxiomProver 自动验证了素数间距相关的 246 定理证明，这是 AI 辅助数学形式化验证中迄今最重要的一次。
Hugging Face BlogAI 评分3737 Hugging Face 复现 ICML 2026 的 2,200 篇论文，我们学到了什么
Hugging Face 举办 ICML 2026 开放复现挑战赛，1,221 名社区成员用 Claude Code、Codex、Cursor 等编码智能体在 19 天内发布 6,816 份 Trackio logbook，覆盖 2,226 篇论文、约占大会 34%。
Microsoft ResearchAI 评分4343 MindTopo：新基准揭示多模态大模型的空间拓扑推理短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大模型对连通性、封闭、顺序、分离与打结等拓扑关系的理解，同时考察静态识别与交互规划。当前模型在静态推理上明显强于交互规划，且均远低于人类水平，失败多发生在规划阶段而非感知阶段。图像与视频生成仅在有助保持结构约束时才有效。
IEEE Spectrum · AIAI 评分7171 巴基斯坦法官实测 JudgeGPT：结案量提升 6.3%
巴基斯坦一项大规模田野试验显示，结合 GPT-4 与近 13 万份司法意见和法规知识库的定制工具 JudgeGPT，配合 6 次 90 分钟培训，使已培训法官所在地区结案中位数提升 6.3%，上诉率略有下降。
Microsoft ResearchAI 评分4646 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
微软研究院推出胸部 X 光 VLM 研究模型 CARE-X，用辅助监督头与 DAPO 强化学习在生成式与判别式任务间统一推理，并明确其尚未获监管批准、不可用于临床诊断。
Hugging Face BlogAI 评分5555 用更少 token 实现 ACE：ALTK-Evolve 在 AppWorld 上以约四成成本取得更高完成度
IBM 研究团队提出 ALTK-Evolve，与 ACE 一样让智能体从自身轨迹中学习经验并在推理时注入，不做权重更新也不需要人工标注，区别在于经验的交付方式。
MIT News · AIAI 评分4242 MIT CSAIL 与清华提出 GeoPT：让 AI 模型更懂物理的预训练方法
MIT CSAIL 与清华大学提出预训练方法 GeoPT，通过 130 万个"合成动力学"样本让仿真模型学习物理交互，峰值性能达成速度提升 2 倍、训练数据减少最多 60%。该方法可模拟车辆、飞机、船舶受风、水、碰撞等力的响应，在工业基准上速度和精度超过现有仿真模型。
Hugging Face BlogAI 评分5858 Multiverse Computing 提出高效知识蒸馏方法，单卡即可完成长上下文蒸馏
Multiverse Computing 发布论文《Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss》。
MIT News · AIAI 评分2929 MIT 团队用 AI 筛选溶剂，突破钠金属电池快充与稳定性难题
MIT 团队在《Joule》发表论文，用 AI 引导算法在 24 小时内设计出 10 万个候选分子，从中筛选出比 DMTMSA 更小的溶剂 DMFSA，同时兼顾钠金属电池的快充性能与长期稳定性。钠的储量约为锂的 1000 倍，单位成本仅为锂的约百分之一，但钠金属高反应性此前难以兼顾快充与循环寿命，DMFSA 在 27 个候选溶剂的对比测试中表现最佳。
MIT News · AIAI 评分5454 MIT 研究：医疗 AI 辅助的效果因使用者专业水平而异
MIT 等机构的一项研究发现，可解释 AI 对皮肤疾病诊断的辅助效果取决于使用者的医学知识水平：非专家的诊断准确率虽有提升，但主要源于对模型的顺从，他们无论解释对错都会信任基于 LLM 的解释，且解释越模糊笼统越觉得有说服力；而临床医生不受错误 AI 解释干扰，只在仅给出模型预测、不带解释时表现最好。