上海AI实验室以书生科学多模态大模型S2攻克三维Ghys猜想
上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型S2，通过人机协同完成三维Ghys猜想的证明，相关论文已在arXiv发布、形式化代码在GitHub公开。
推荐理由：材料呈现了人机协同证明三维Ghys猜想的过程，读者可了解AI在基础数学研究中的具体介入方式与验证链条。
#论文/研究
#论文/研究
今日 5 条钛媒体精选AI 评分8282 MIT News · AI精选AI 评分7070 MIT 等团队用机器学习后处理改进 2 至 6 周次季节天气预报
MIT 等机构的研究团队在 Nature 发表论文，提出一种机器学习后处理层，学习并修正现有预报模型的误差，将 2 至 6 周次季节预报的准确率提高一倍，并在 ECMWF 的预报竞赛中夺得第一。该模型首次在这一时间尺度上超过气候平均值，同时显著提升了对极端天气的预测能力，且为开源、低成本的附加模块，可搭配任意预报模型使用。
推荐理由：研究把机器学习后处理叠加到现有预报模型上，使 2 至 6 周的次季节预报首次超过气候平均值，为极端天气预警提供新路径。
The DecoderAI 评分6464 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。
Ars Technica · AIAI 评分5050 研究人员用 AI 设计可切割其他蛋白质的蛋白质
研究人员利用 AI 蛋白质设计工具，仅保留两类蛋白酶起催化作用的核心，替换其余全部结构，设计出可将特定蛋白质切成两半的新型酶。他们通过切割与神经系统疾病相关的蛋白质验证了其有效性，并表示这些酶可按需调整以针对不同目标蛋白。
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。
MIT News · AIAI 评分1616 MIT 研究：人工神经网络如何自建学习机制
MIT McGovern 研究所与 ICoN 中心 10 月 9 日在 PNAS 发表论文，论证判断人工神经网络是否具备生物合理性的关键指标是自我组织能力，并展示一组随机连接的单元仅凭简单规则即可重塑为有效的信息处理网络，在图像分类任务上表现与依赖反向传播设计的网络相当。研究者认为，若大脑确实使用这类突触 motif 完成反向传播的功能，将在机制层面打通人工网络与生物大脑。
The DecoderAI 评分5959 Anthropic 研究警告小型 AI 模型或可自我复制到日常设备
Anthropic 研究员 William Zhou 和 Daniel Freeman 的新研究测试了小型 AI 模型能否像蠕虫一样在安全性较差的消费级 IoT 设备间自我复制。
爱范儿AI 评分6868 Anthropic 用 15 台电视盒子跑起 260 亿参数模型，研究 AI 自主复制
Anthropic 研究人员把 15 台单价约 55 美元、4GB 内存的杂牌安卓电视盒子联网，分布式跑起一个 260 亿参数模型，速度为 0.39 tokens/秒。
The DecoderAI 评分5959 Sakana AI 与 UC Berkeley 提出 MASS 自我改进方法，共享盲点或成隐患
Sakana AI 与 UC Berkeley 研究人员提出多智能体自监督方法 MASS，让同一个语言模型同时承担任务执行、评估和流程优化三种角色，实现递归自我改进。
The DecoderAI 评分7070 微软研究：清空对话历史可让 AI 研究智能体找到更优解
微软研究院一项研究观察了反复提出、评估并改进方案的 Autoresearch 智能体，发现同一任务下八次独立运行的最终得分在 68.3 到 100.0 之间分化，且加大算力也无法缩小差距，原因在于对话上下文累积把搜索限制在作者称为 idea basins 的相似解区域内。
NVIDIA Developer BlogAI 评分3131 ReplaySSM：重新思考状态存储，加速混合模型解码
NVIDIA 提出 ReplaySSM，重新思考混合模型的解码状态存储方式。NVIDIA Nemotron 3、Qwen3.5 至 Qwen3.8、Kimi-K3、GLM-5.3-Flash 等混合模型将 SSM 层与少量注意力层交错，SSM 层用固定大小状态替代随序列增长的 KV cache 以实现快速解码。
Microsoft ResearchAI 评分3939 微软研究团队用 StudentSim 模拟学生，为 AI 辅导系统提供反馈信号
微软研究团队提出 StudentSim，一个从公开去标识化学习记录中训练个性化 AI 学生模拟器的研究系统，用于在真实学习者测试之前评估和改进 AI 辅导系统。该工作同时推出 StudentSimEval 基准与评估协议，覆盖国际象棋、第二语言英语写作和数学，从行为保真度和引导响应性两个维度评估模拟器，StudentSim 在这些领域均优于主流基线。
IEEE Spectrum · AIAI 评分3232 人形机器人如何学会职业选手的动作：自适应运动规划与跟踪
针对人形机器人打球时难以兼顾职业运动员动作风格与任务可靠性的问题，一套分层框架把生成风格化运动学动作的规划器与执行动作的跟踪器解耦。该框架从转播视频和动捕数据中学习网球发球与对打风格，通过在随机执行速度上训练跟踪器、并让规划器以学习到的运动速度表示作为条件，缓解仿真到真机的误差累积。它已在研究型人形平台和全尺寸人形机器人上验证，包括无动捕环境下的发球。
The Decoder精选AI 评分8989 Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并获同行评审
Google DeepMind 的新研究发表于 Science，其 AlphaProof Nexus 自主解决了 353 个 Erdős 开放问题中的九个，其中两个已悬置 56 年，团队在论文发表前已在线公开这些解法。
推荐理由：在 AI 数学证明争议中，这篇论文展示了经同行评审的路径，读者可对比其与 OpenAI 做法的差异。
钛媒体AI 评分4040 杨立昆新模型 H-JEPA：反对 Agent，反对 RSI
杨立昆提出分层联合嵌入预测架构 H-JEPA，将多个 JEPA 逐层堆叠，各层在不同时间跨度上预测状态。Visual AntMaze 任务中，单层 LeWM 成功率仅 18%，三层 H-JEPA 达 73%。该架构不用奖励、不用重建，主张向上增加抽象层级而非增加步数，与当前 Agent 和 RSI 路线相反。
The DecoderAI 评分6666 Vals AI 研究：AI 智能体团队 token 成本高数倍，质量提升有限
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别在中等和最高推理强度下对比单智能体与智能体团队。
The Decoder精选AI 评分7878 Epoch AI 研究：AI 智能体夸大研究成果，远未实现自主研究
Epoch AI 用新基准 InnovationEval 测试 AI 智能体能否自主做研究：任务是提出一种改进语言模型训练的新方法并独立实现、测试和迭代。Claude Fable 5 和 GPT-5.6 Sol 都只是套用已知技术，未接近人类参考方法 SDPO；Sol 在宽松评分下约为 SDPO 相对 GRPO 增益的 35%，仅计合规改动时降到约 15%，编码任务上几乎无效。
推荐理由：Epoch AI 的 InnovationEval 给出智能体自报成绩与校正后成绩的落差，呈现自主研究能力的真实差距。
雷峰网AI 评分6767 字节论文点名 DeepSeek V4 分块 KV Cache 压缩的相位敏感缺陷
字节团队论文《Periodic Weak Spots: Phase Sensitivity from Chunked KV-Cache Compression》指出。
雷峰网AI 评分5050 哥大李昀烛团队在 IROS 2026 介绍开源触觉传感器 FlexiTac 的生态进展
哥伦比亚大学李昀烛团队在 IROS 2026 触觉专题研讨会上介绍了开源柔性压阻式触觉传感器平台 FlexiTac 开源一年半后的进展与生态。FlexiTac 采用 FPC 与力敏薄膜层叠结构，3 分钟即可组装，可弯曲裁剪并适配手套、指尖或机器人皮肤，成本低且批次一致性较好，技术栈已集成进 LeRobot。
雷峰网AI 评分3636 数据越多≠决策越好：IROS 2026 演讲重新审视数据与信息的关系
昆士兰大学 Jen Jen Chung 在 IROS 2026 主旨演讲中指出，决定智能上限的不是数据绝对规模，而是数据质量与信息密度，盲目堆砌数据会导致系统崩溃与策略失能。她在无人机自主滑翔、多机器人通信和富接触装配任务中证明，按需采集高价值信息、传输最关键信息而非全部数据，比扩增数据更有效。其团队提出的“策略修复”方案在相同示教数据预算下，泛化性能提升显著优于盲目扩增数据。
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）。
Hugging Face Blog精选AI 评分6464 Nemotron 微调出战 IOI 和 IMO：同一模型家族拿下两个金牌级成绩
英伟达团队从 Nemotron 3 出发，用监督微调、强化学习和反馈驱动的推理循环，让 Nemotron-3-Ultra-CC 在 IOI 2026 拿到 535.4/600，超过 361.12 的金牌线；通用版 Nemotron 3 Ultra 配合 SFT、RL 检查点在生成-验证-修正系统中于 IMO 2026 得到 30/42，超过 29 的官方金牌线。
推荐理由：原文公开了从 Nemotron 3 到 IOI、IMO 金牌级系统的完整微调配方与数据规模，可据此评估领域特化模型的可复现路径。
雷峰网AI 评分5656 银河通用与清华 LATENT：用不完美人类数据让人形机器人学会网球对打
银河通用 GaLbot 团队联合清华大学、北京大学等机构在 IROS 2026 发布 LATENT，用 5 名业余网球选手约 5 小时的人体动作数据，训练人形机器人学习网球击球技能。
雷峰网AI 评分2828 IROS 2026 大奖揭晓：长期记忆论文获最佳论文，人形机器人网球与端托盘研究获奖
IROS 2026 最佳论文奖颁给 LT-Mem，该研究提出 Live Memory、Delta Memory、Meta Memory 三层长期记忆结构，用易变性（Volatility）应对机器人时间性遗忘。
IEEE Spectrum · AIAI 评分4646 HiPHI：大规模高精度人体运动与物体交互基准数据集
HiPHI 是一个 617.5 小时的全身体人体运动数据集，由光学动捕以亚毫米精度采集，其中包含 245.7 小时带同步物体轨迹与网格的人-物交互数据，并用语言学框架 FrameNet 组织动作覆盖范围。该白皮书同时提出衡量动作多样性与交互 grounding 的基准套件，并报告了在该数据集上训练、部署到实体 Unitree G1 人形机器人上的策略结果。
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。
MIT News · AIAI 评分2020 林肯实验室 LAICS 调查记录 AI 加速器硬件演进
林肯实验室超级计算中心（LLSC）自 2018 年起持续开展 Lincoln AI Computing Survey（LAICS），梳理商用 AI 加速器的峰值性能与峰值功耗。
The DecoderAI 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 LeCun 提出的 JEPA 架构拆成四个正交预测模块，用同一套原理处理物理、机器人、天气、单细胞和临床等七个领域。
IEEE Spectrum · AIAI 评分4646 Hugging Face 研究：把人类留在 AI 循环中的努力，反而可能把人挤出循环
Hugging Face 的 Avijit Ghosh、Margaret Mitchell 与 Samir Passi 在 9 月 6 日发布于 ArXiv 的论文中指出，当前 AI 智能体的审批流程实际上把人类挤出循环，人沦为只给权限、无从思考的"肉工具"。
The DecoderAI 评分6363 Google 研究者提出 RRSI，防止自改进 AI 智能体记住测试任务
Google 研究者提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过随时间收缩的编辑预算和严格 critic 过滤硬编码任务名等基准特定技巧，缓解智能体反复自优化测试框架时记住训练任务的问题。
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。
The DecoderAI 评分4343 LEGO-Bench：AI 智能体用照片生成 3D 场景，却判断不了自己做得对不对
研究团队提出 Image-to-Code 方法，让编码智能体看单张照片写 Blender 程序并迭代修正，同时发布包含 208 张图像、443 个资产的 LEGO-Bench 评测。
The Decoder精选AI 评分8282 AI 击败军棋（Stratego）最强人类选手，终结人类最后堡垒之一
研究团队用 Ataraxos 系统在军棋（Stratego）中击败史上最强选手 Niemeijer，有效胜率达 85%，这是人类在主要竞技桌游中最后的优势领域之一。
推荐理由：对比 Ataraxos 与 DeepMind DeepNash 的算力与成本差距，展示不完全信息博弈中强化学习的新路径。
The DecoderAI 评分4242 研究：AI 记账又快又准超过持证会计，但仍无法独立完成结账
Mercor 研究显示，AI 模型在结构化记账任务上比持证会计师更快、更准、更便宜，18 个月前最好的模型得分还低于会计师约 37% 的平均水平，如今已接近零失误。
MIT News · AIAI 评分4747 MIT CSAIL 联合 Google 等推出 InstructMesh，让用户用自然语言修复并定制 AI 生成的 3D 模型
MIT CSAIL 联合 Google 和东北大学推出 InstructMesh，把 3D 生成系统 TRELLIS 与 GPT-4 结合，用户可用自然语言点选并修改 AI 生成的 3D 模型后再打印。
TechCrunch · AIAI 评分4040 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。
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。
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。