OpenAI 称 GPT-6 Astra 不到一周从零设计出一款硬件设备
OpenAI 称其硬件团队用 GPT-6 Astra 设计了一款让用户与 Codex 编程智能体对话的设备，作为副项目在不到一周内完成。据 OpenAI 说法，Astra 承担了外壳设计、含元件选型与走线的 PCB 布局、固件和用户界面等全部环节，代工厂在不到一个月内产出小批量原型，但因 Astra 未总能考虑制造约束、公差和装配细节，经历了几轮修改。
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
679 条收录动态，更新于 17:06
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
11月4日
星期三，7 条alphaXiv 转发 intology 博客：Locus 自动化分子发现中的 AI 研发
alphaXiv 转发 intology 关于自动化 AI 研发用于分子发现的博客，并给出发布在 alphaXiv 上的链接。据该博客，自动化研究系统 Locus 可自主开发科学 AI 模型，在分子性质预测、微调 Boltz-2 预测小分子活性以及围绕 BoltzGen、Boltz-2、ESMC、ESMFold2 构建抗体设计流程等任务上，表现优于 SOTA 基线和用于优化这些任务的 LLM 智能体；博客还称其在数据有限时泛化更好、样本效率更高、解方案更多样。
引用Intology@intologyLocus sets the frontier for automating molecular design Our automated research system Locus develops scientific AI models that outperform SOTA expert solutions Unlocking the potential of scientific AI requires leveraging proprietary data. Locus achieves this autonomously 🧵👇 -- We test Locus across a number of tasks related to molecular scoring and design: training molecular property prediction models for a proprietary task, fine-tuning Boltz-2 to predict small-molecule potency, and building antibody design workflows around BoltzGen, Boltz-2, ESMC, and ESMFold2. Each of these settings are real-world AI for science use cases, where tasks are often out-of-distribution for existing foundation models and limited in data, while featuring expensive and noisy evaluators. Compared to state-of-the-art baselines and LLM agents set to optimize these tasks, Locus achieves higher performance. Additionally, Locus generalizes better despite limited data, finds more sample efficient solutions, and explores a higher diversity of solutions.
Open-HumanScale 开源 5 万小时第一人称视频预训练配方与 HumanWAM 模型
研究团队发布 Open-HumanScale，一套将第一人称人类视频预训练扩展到 5 万小时的全开源配方，核心是带手部动作与自然语言密集标注的 Open-HumanScale-50K 语料。
Ai2 推出 StateBench 状态追踪基准
StateBench 将状态追踪分为 4 个层级：r-平凡、非周期、可解与一般有限。 这些层级涵盖从记住固定信息（如生日）到更难的任务（如在杯子反复交换时追踪球的位置）。
Ai2 测试架构与预训练对 LLM 失败的影响
为测试失败是源于架构还是预训练，我们直接在 StateBench 上训练 LLM，然后用更长的输入对它们进行评估。 混合模型 + Gated DeltaNets 在前 3 个级别上近乎完美；transformer 随长度增加而退化，且无法解决一般有限问题。
Gated DeltaNet 长序列泛化能力获证明
在 StateBench 最难级别上，灵活的 Gated DeltaNet 处理的序列长度约为训练中所见序列的 10 倍。 我们的新证明表明，即使特征值非负的 Gated DeltaNet，也能在带舍入的固定精度算术下解决某些周期性任务。
SETI 的 Allen Telescope Array 由 AI 智能体操控并实时分析射电信号
SETI 研究所与 Breakthrough Listen 在加州北部的 Allen Telescope Array 上引入 AI 智能体，可操控望远镜并实时分析接收到的射电信号，目前仍需研究人员输入指令。
11月3日
星期二，1 条统计学家如何用机器学习增强地外生命搜寻：NASA与佐治亚理工的LifeTracer
NASA与佐治亚理工学院开发出机器学习框架LifeTracer，通过分析8块碳质陨石和10份地球地质样品的有机化合物分布模式，区分生物与非生物来源，成果发表于PNAS Nexus。该系统可同时分析数千种分子特征，面向未来火星样品返回及土卫二等原位探测任务。
11月4日
星期三，1 条Transluce 用自动化流程批量构造近 7000 个带意外副作用的训练数据集
Transluce 提出自动化流程，批量构造带意外副作用的训练数据集（DSSE），共生成 6915 个数据集，覆盖 18 种目标行为，例如推荐自残、抗拒关机等。
11月3日
星期二，4 条Mistral Large 4 技术报告与开源发布
Le Chonk 的诞生故事，由打造它的团队亲述。 现已上线 @askalphaxiv：https://www.alphaxiv.org/abs/2611.mistral-large-4
引用Pierre Stock@PierreStockML4 is now open-weight! Frontier capabilities on code agents & cyber, way more efficient and compact than its Preview version three weeks ago (!) and cherry on the cake: technical report telling its epic backstory. Check it out: https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/assets/technical_report.pdf
PlagiaCorpus 发布阿拉伯语—英语双语对抗性跨语言抄袭检测数据集
沙特阿拉伯苏丹王子大学团队在 arXiv 发布 PlagiaCorpus，一个阿拉伯语—英语双语抄袭与文本复用检测基准，共 198,643 条文本记录，含 34,885 条源段落和 163,758 条查询。
WFDB-x 发布：WFDB 软件包在七种编程语言中的一致性重实现
Reza Sameni 发布 WFDB-x，将 WFDB Software Package 10.7.0 原生重实现于 Python、C++、Rust、Julia、R、MATLAB/Octave 和 Kotlin 七种语言，每种都提供库函数、高层 API 和 33 个命令行工具。
Soft-MTP：一行代码修正多Token预测
论文发现多Token预测（MTP）约80%的训练梯度来自干扰学习的噪声成分，提出Soft-MTP将其去除，改为让MTP头匹配模型自身的下一Token预测，仅需一行代码、无额外参数或可测训练开销。在167M-1.2B模型上，Soft-MTP提升了困惑度、下游准确率和投机解码速度；1.2B模型HumanEval Pass@64从40.85%升至43.90%，投机解码比标准MTP快约1.5%。
11月2日
星期一，1 条自主智能体按靶点重排 MSA，提升 AlphaFold 3 蛋白复合物界面预测
上海交通大学等机构的研究者提出一个自主智能体，把冻结的 AlphaFold 3 当作黑箱实验仪器，针对每个蛋白复合物靶点提出生物学假设、分析并重组 MSA，仅凭预测器的无标签置信信号迭代调整序列选择与跨链配对。
11月3日
星期二，1 条Promote：面向自适应金融研究智能体的任意时点有效晋升检验
Ai For Alpha 团队提出 Promote 协议，为每个候选交易规则在诞生时分配可预测的检验财富，仅用后续收益累积成本感知的 e-process，若总财富不超过 1 即可将错误晋升概率控制在 α 以内。
11月2日
星期一，2 条OmniQ 与 Residual Agents：AI 科学家复现计算量子论文的障碍与自改进方案
南洋理工大学团队提出专家审核的虚拟研究环境 OmniQ，把计算量子科学论文转成可执行复现任务，并据此评测 5 个 LLM 驱动的 AI 科学家与 6 个第三方 agent harness。
入选理由该研究把论文复现变成可诊断任务，并给出从专家修正中积累经验的自改进路径，对关注自主科研代理的研究者有参考价值。
PRIME：通过建模干预效果预测路由，改进 LLM 科研构思的反馈修订
武汉大学等机构提出 PRIME，一个可插拔的反馈到修订决策层，用于现有 LLM 科研构思系统：先对问题—假设—解决方案结构做归因，再用轻量 rollout 比较不同范围干预的预期效果与风险，最后编译为面向生成器的修订计划。
11月3日
星期二，1 条LLM 可直接读写神经网络权重，Weight-Space Programming 提出免梯度训练路径
Takehi 等人提出 Weight-Space Programming，让前沿 LLM 从自然语言目标出发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。
11月2日
星期一，1 条Anthropic 发布可验证推理原型 FlashProve，单张 H100 为 400B 模型生成证明约 110 tokens/秒
Anthropic 发布开源原型 FlashProve，用 zkSNARK 让用户在不接触模型权重的情况下验证回复确由所声明的模型生成。
11月3日
星期二，11 条MIT CSAIL 提出权重空间编程：GPT-6 Astra 改 Qwen3.5-0.8B 约 0.016% 权重，MATH-500 成绩升至 6 倍
MIT CSAIL 研究者提出「权重空间编程」，让 OpenAI 的 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的神经网络权重，仅调整约 0.016%（131072 个）参数，就使该模型在 MATH-500 上的成绩从 7.9% 提升至 48.1%，GSM8K 从 13.8% 提升至 67.1%，IFEval 从 21.0% 提升至 62.3%。
MIT CSAIL 团队提出权重空间编程，GPT-6 Astra 直接改写 Qwen3.5-0.8B 权重提升数学能力
MIT CSAIL 博士生 Rikiya Takehi 及团队提出“权重空间编程”，让 GPT-6 Astra 直接读写神经网络权重，不训练也不算梯度。据其博客介绍，实验只改动 Qwen3.5-0.8B 约 0.016% 的权重，MATH-500 从 7.9 升到 48.1，GSM8K 从 13.8 升到 67.1，并称修复了该模型的推理循环、指令遵循提升 3 倍。
引用Rikiya Takehi@rikiyatakehiWe asked GPT-6 Astra to edit Qwen3.5-0.8B weights to improve math. It directly changed only 0.016% of weights, fixing 0.8B's reasoning loops & improving math up to 6x and even instruction following 3x, without gradients or training. We call this Weight-Space Programming: frontier LLMs can now natively read/write neural network weights! 🧵 Blog: https://rikiyat.github.io/blog/weight-space-programming/
MIT 博客：GPT-6 Astra 直接编辑 Qwen3.5-0.8B 权重，MATH-500 从 7.9% 升至 48.1%
alphaXiv 转述 MIT 的一篇博客，称 GPT-6 Astra 能在不计算梯度、不重新训练的情况下直接读取并编辑 Qwen3.5-0.8B 的权重，使其 MATH-500 成绩从 7.9% 提升到 48.1%。
Deep Principle 发布 Hydrogen-1.0：面向科学发现的 753B 开放权重模型
Deep Principle 发布 Hydrogen-1.0，这是一个面向化学、材料科学与生命科学的 753B 开放权重模型，在 Z.ai 的 GLM-5.3 基础上用领域数据、实验室记录和智能体发现轨迹后训练而成，权重以 MIT 许可在 Hugging Face 和 ModelScope 开放。
GPT-6 Astra 直接改写模型权重
Astra 不断让我惊叹 🤯
引用Rikiya Takehi@rikiyatakehiWe asked GPT-6 Astra to edit Qwen3.5-0.8B weights to improve math. It directly changed only 0.016% of weights, fixing 0.8B's reasoning loops & improving math up to 6x and even instruction following 3x, without gradients or training. We call this Weight-Space Programming: frontier LLMs can now natively read/write neural network weights! 🧵 Blog: https://rikiyat.github.io/blog/weight-space-programming/
DeepSeek V4.1 Flash 的 ARC-AGI 成绩
来自 @deepseek_ai 的 DeepSeek V4.1 Flash 1017 在 ARC-AGI 上的成绩（已核验）： - ARC-AGI-3：5.8%，$1.2K（provider adapter harness），0.2%，$1.0K（standard harness） 它在 ARC-AGI-3（5.81%）和 ARC-AGI-2（78.1%）上领先开放权重模型，并在 ARC-AGI-1（94.5%）上并列开放权重模型最佳成绩。
Delphi 平台核查生物学论断
一等奖 Delphi 构建了一个平台，依据文献、形式化证明和数据来核查生物学论断，报告了 1,763 条论断和 174 项数据测试。其飞鱼设计工作室将这些证据与模拟以及可3D打印的机身和鳍设计连接起来。 @xX_itsamit_Xx @ashleycaselli @Jdietz @kk_VirtualVerve
Virtual Brain 平台用多智能体审稿并模拟癫痫治疗，获三等奖
alphaXiv 公布 Virtual Brain 获得三等奖，该平台协调多个 AI 智能体审阅论文、构建个性化大脑模型并模拟癫痫治疗方案，由独立智能体核查工作。在一项盲法虚拟患者研究中，系统找出了全部四处已知流程缺陷，并将自身的治疗结论标记为不可靠。
VideoMemBench：MLLM 在视频对话中能记住多少？
研究者提出视频问答基准 VideoMemBench，用带跨轮依赖的多轮对话检验多模态大语言模型的“上下文视频记忆”，含 326 个视频、2,476 轮对话，其中 1,387 轮依赖前文。在 20 多个开源与闭源 MLLM 中，Claude Opus 5 总分最高也仅 45.7%。数据集与评测已公开。
研究揭示 on-policy 蒸馏在 RL 后能力整合中的泛化局限
针对多教师 on-policy 蒸馏（MOPD）在强化学习后能力整合中的泛化问题，研究者在 Qwen3 模型上评估数学推理、编程、智能体与长上下文任务，发现 OPD 与 MOPD 的分布内得分可达教师的 96.04-102.73%，但分布外得分比基座模型低 2.45-16.25%。
VisSearch-Bench 发布：204 项任务评测多模态智能体的长程视觉搜索
研究者提出 VisSearch-Bench，用 204 个人工编写的任务评测多模态智能体的长程视觉搜索，覆盖 7 个主领域、25 个子领域，包含集合式视觉搜索、序列式视觉搜索、宽深混合搜索、竞争性视觉消歧和视觉结构引导搜索五类任务。