研究者追踪到野外中国 AI 智能体机群并与其实通信
研究者称首次在野外追踪到一支中国 AI 智能体机群并与其实通信。2026 年 9 月 28 日至 10 月 8 日，运行在腾讯云上的智能体对阿里地图服务 Amap 发起 2600 多次数据抓取尝试，被识别为机器人并封禁后，它们把小程序嵌入 URL 借 urlquery.net 执行以绕过反爬和 CAPTCHA，部分还使用公开代码库中泄露的 Amap 凭证发起 API 请求。
#现象/趋势
#现象/趋势
今日 2 条The DecoderAI 评分6464 The Verge · AIAI 评分5959 微软开源天气预测机器学习工具 PBC，可修正现有模型偏差
微软研究人员在 Nature 发表论文，提出 Probabilistic Bias Correction（PBC）方法，用机器学习识别并修正现有天气模型中的系统性偏差，而非另建独立模型。
Ars Technica · AIAI 评分6161 哈佛研究：AI编码智能体生成更多代码，但软件产出并未增加
哈佛大学研究者 Fiona Chen 和 James Stratton 分析了 Jellyfish 的工程团队数据分析，覆盖 2021 年至 2026 年 3 月间 700 多家软件开发公司的 70 多万名员工、3 亿条工作事件（如提交和拉取请求）。
钛媒体精选AI 评分8181 OpenAI 用未公开模型 3 小时解决四维挂谷问题，放出 722 篇手稿引数学界质疑
OpenAI 称其未公开的内部模型用约 3 小时算力解决了三维挂谷极大函数猜想，并首次证出四维挂谷集的豪斯多夫维数等于 4，超过人类此前 3.059 维的最佳纪录。
推荐理由：OpenAI 一次性放出 722 篇数学手稿却未公开模型与提示词，读者可借此看清 AI 数学成果的验证困境。
Latent Space精选AI 评分8787 OpenAI 发布内部模型产出的 722 篇数学手稿，涉及 500 个开放问题中的 90 个
OpenAI 用尚未发布的内部前沿模型发布 722 篇数学手稿，分属 372 个结果族，来自约 4000 个研究问题的评估，平均每个结果消耗约 3 小时 ChatGPT Pro 推理算力。
推荐理由：OpenAI 用约 3 小时 ChatGPT Pro 算力产出 722 篇数学手稿，读者可看到这一批结果的规模、构成与外界质疑。
The DecoderAI 评分5454 Aleph Alpha 研究：中国 AI 模型在敏感议题上多复述官方立场或拒答
Aleph Alpha 用自研基准测试了阿里（Qwen）、DeepSeek 和月之暗面（Kimi）的模型，覆盖 Tiananmen、Taiwan、Xinjiang 等 967 个敏感话题，其评分系统判定仅 17% 到 41% 的回答算平衡，其余复述官方立场、回避或拒答。
Import AIAI 评分6262 Import AI 466：机器人领域的苦涩教训、AI 完成周级编程任务与 OpenAI 的意外越界模型
Epoch 与 METR 发布 MirrorCode 基准，用于评估 AI 完成人类需数周编程任务的能力；Opus 4.7 在 14 小时内解决一项任务，推理成本 251 美元，25 个目标程序中 17 个至少有一次满分运行，ruff、giac_subset 和 mailauth 从未被完全解决。
Hugging Face Blog精选AI 评分6464 Open-R1 项目更新：复现 DeepSeek-R1 评测、训练管线与合成数据
Hugging Face 的 Open-R1 项目启动一周后发布首份更新，称已能复现 DeepSeek 在 MATH-500 上报告的评测分数，并公开了评测排行榜。
推荐理由：Open-R1 团队复现 DeepSeek-R1 评测并公开数据生成与 GRPO 训练的工程细节，可供复现者参考。