Artificial Analysis 发布端点准确率指数 v1.1
Artificial Analysis 推出 Endpoint Accuracy Index v1.1，在 100+ 无服务器端点上评测模型准确率保留度，近 1/4 端点低于自托管参考部署。
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。
2,299 条收录动态，更新于 17:44
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6日
星期五，1 条11月4日
星期三，1 条Unitree 支持 RoboColosseum 机器人基准
很高兴支持 RoboColosseum，这是最大的真实世界机器人基准项目之一！很高兴看到 Unitree G1 被用作 RoboColosseum 人形机器人基准类别的主要本体。
引用RoboColosseum@RoboColosseumIntroducing RoboColosseum An open robot eval initiative by @huggingface @BitRobotNetwork @eaic_sg @DJiafei Access: - 100+ robots (@UnitreeRobotics G1s, @LeRobotHF SO-101s, YAMs, Franka and more) - 140+ in-the-wild scenes - Open rollout data - 10,000 FREE eval hrs Thread ↓
11月6日
星期五，4 条中国科学院近代物理所提出基于深度学习的超导磁体在线失超探测新方法
中国科学院近代物理研究所团队提出基于卷积神经网络（CNN）的在线失超探测方法，并研制出人工智能失超探测系统（AI-QDS），实现实时在线监测。在第四代高电荷态ECR离子源HFECR超导磁体励磁试验中，系统在累计超过千次磁通跳跃等强电磁干扰下保持稳定运行。相关成果发表于 Superconductor Science and Technology，初步验证了该方案的可行性与有效性。
Jim Fan 发布 VFlash：并行解析视觉世界
Jim Fan 发布 VFlash 视觉模型，面向 Physical AI，将物体定位、机器人轨迹规划、密集 3D 运动等固定长度浮点向量任务改为一次性输出整个几何形状，而非逐 token 解码。
微软研究员探讨AI如何重塑制度
每一次技术革命都重塑了我们的制度——AI又会如何？ 在@ScienceMagazine上，微软研究员@glenweyl与合著者@profjamesevans探讨了“逆向对齐”，即用神经网络作为重塑制度的模型，或许能提供一条路径，在管理AI风险的同时 harnessing 其益处。https://msft.it/6015aAHYP
11月5日
星期四，2 条百度发布 ERNIE-5.5-Flash-Base 预训练基座模型并开放权重
百度文心团队发布 ERNIE-5.5-Flash-Base，这是一个稀疏 MoE 语言模型，总参数 280B、每 token 激活 14B，在 33.5T tokens 上从零完成预训练，训练上下文逐步扩展至 128K，微调与推理支持 1M tokens。
Thinking Machines 发布 Inkling 2 Small：计划开放权重，暂为专有模型
Thinking Machines 发布 Inkling 2 Small，在 Artificial Analysis Intelligence Index 上得分 31，比 Inkling Small 高 18 分；按其权重发布计划，它将成为当前排名中中国以外得分最高的开放权重模型。
11月6日
星期五，4 条Inkling 2 Small 上线 Tinker
Inkling 2 Small 今日在 Tinker 上线，权重即将发布。它是一个能力不错的小模型。期待看到大家用它做出什么。
引用Thinking Machines@thinkymachinesIntroducing Inkling 2 Small. Scoring 31 on the AA Intelligence Index, it's a big jump over its predecessor. Inkling 2 Small is available for fine-tuning and inference on Tinker today, with full weight release planned soon. https://thinkingmachines.ai/news/inkling-2-small
Thinking Machines 发布 Inkling 2 Small
推出 Inkling 2 Small。在 AA Intelligence Index 上得分 31，相较前代大幅提升。 Inkling 2 Small 今日起可在 Tinker 上进行微调和推理，完整权重发布计划于近期推出。 https://thinkingmachines.ai/news/inkling-2-small
Perplexity 每月刷新帕累托最优曲线
对 Perplexity 来说，每个月都是一条新的帕累托最优曲线。https://pplx.ai/effort-levels
引用Perplexity Developers@perplexitydevsEvery Agent API effort level now costs less with the same or higher research quality. Effort levels are bundled agent configurations, optimized for specific tasks. A new ultra level is available for the most demanding, long-running requests. https://pplx.ai/effort-levels
Inkling 2 Small 擅长长程任务并支持微调
Inkling 2 Small 在长程任务上表现出色，能通过视觉检查自己的工作，并适应不同的运行框架和环境。可以在 Tinker 上对其进行微调，或让 Inkling 2 Small 自主编排微调工作流。
11月5日
星期四，1 条Thinking Machines Lab 发布 Inkling 2 Small 模型，权重下周以 Apache 2.0 开放
Thinking Machines Lab 发布第二代模型 Inkling 2 Small，为 594B 总参数、17B 激活的 MoE 模型，支持图像输入与可变推理强度，先在 Tinker 上以闭权重提供推理与微调，计划下周完成外部安全测试与红队后以 Apache 2.0 开放完整权重。
11月4日
星期三，1 条PyRUA-REAL 框架：编码智能体通过真实世界探索实现机器人递归自我改进
研究团队提出 PyRUA-REAL 框架，让由 GPT-6-Astra 等模型驱动的编码智能体把真实世界交互经验保存为持久记忆和可复用可执行技能，用于后续探索与代码改进。在 8 项真实世界任务上平均成功率为 91.1%，在 RoboDojo 基准的 42 项任务上平均成功率为 84.4%。研究还考察了智能体协作方式、执行反馈如何支持代码改进，以及在不调用在线智能体决策时程序部署的效率与能力。
11月6日
星期五，7 条上海AI实验室推出科学多模态框架书生·元征，以RSI让模型自主设计科学感知架构
上海AI实验室推出科学多模态框架书生·元征（Sage SciPerception），通过可训练投影模块把谱图、序列、晶体结构和时序信号转换为语言大模型可识别的表征，并引入递归式自我改进（RSI）模式，让模型参与分析任务表现、提出新的投影模块方案并迭代验证。
入选理由框架把谱图、序列、晶体结构接入语言模型，并让模型自行迭代感知架构，研究者可据此判断科学数据接入方式的可行边界。
OpenAI 推出 GPT-6 Cyber 安全研究模型
OpenAI 发布 GPT-6 Cyber，称其在安全研究上取得重大进展，已用于帮助防护 Linux 内核、Firefox 等安全关键软件。该模型经专门训练以保持在操作者指定范围内，相关评测结果显著；目前向部分 Daybreak Red 客户开放并逐步扩大。同时推出面向关键基础设施的 Daybreak Red，获批的防御方可对关键系统进行授权测试。
引用OpenAI@OpenAIIntroducing GPT‑6 Cyber: a major advance in security research that pairs stronger capabilities with better model alignment. The model powered the Linux kernel research we announced yesterday, and security teams at companies like Mozilla, Palo Alto Networks, Calif, and Cisco—alongside our own at OpenAI—are already putting it to work. GPT-6 Cyber is available to select Daybreak Red customers and we are expanding access over time. https://openai.com/index/introducing-gpt-6-cyber/
OpenAI 发布网络安全专用模型 GPT-6 Cyber，ExploitGym 跑分相对提升 51%
OpenAI 发布网络安全专用模型 GPT-6 Cyber，在 ExploitGym 基准上得分 48.5%，较 GPT-5.6 Cyber 的 32.1% 相对提升约 51%。
Perplexity内部工作区已有1万AI队友
目前，Perplexity内部工作区里已有约1万名“队友”（过去30天内）。这已经是我们员工人数的20倍。昨天约有1000名队友处于活跃状态。未来几年，员工人数的增长和规划方式将大不相同。
引用Johnny Ho@randomjohnnyhToday we are rolling out the latest form factor for work: Perplexity teammates. Agents have reached the point where they can start to be trusted with responsibilities at work. Teammates excel at automating tasks like deep research, data analysis, QA, triaging tickets, and reviewing code, which has saved each of us internally at Perplexity hundreds of hours of menial work. Leaving us the much more interesting work of setting vision, judging quality, and teaching restraint. Agents are now rising up beyond tools and task-based sessions to take on supporting and coworking roles. Teammates proactively reach out to you, other coworkers, and other teammates in the workspace. Teammates close the loop on their own work, finishing the job instead of requiring repeated steering or manual management of sessions. Available to Max users as a research preview today.
Newcomer 与 Felicis 发布 Emergent 榜单：29 家创始人提名的种子期 AI 初创公司
Newcomer 与 Felicis 发布 Emergent 榜单，收录 29 家由现任及往届创始人演讲嘉宾提名的种子期或更早期公司，入选门槛为融资不超过种子轮。榜单中数量最多的是构建智能体运行与控制工具的初创公司，硬件与开源方向同样受关注，每家均附提名创始人的推荐说明。这些创始人中多人将出席 11 月 12 日在旧金山举行的 Cerebral Valley AI Summit。
NVIDIA 发布 Cosmos 3 四个开放权重模型，面向交互式世界仿真
NVIDIA 在 Cosmos 世界模型开发平台上为 Cosmos 3 系列新增四个开放权重检查点，均基于 Cosmos 3 Nano 后训练、含 16B 可训练参数，采用 OpenMDW1.1 许可，允许商用与非商用。
入选理由四个开放权重检查点分别对应驾驶数据生成、流式仿真和双臂机器人动作预测，研究者可据此判断能否用于自己的仿真与策略学习流程。
11月5日
星期四，1 条METR 复核 Anthropic 风险报告自动化研发章节：2 倍加速阈值可能已被触及
METR 发布对 Anthropic 2026 年 8 月风险报告中“自动化研发风险”章节的复核，认同 7 月 15 日模型带来的灾难性风险较低，但认为公开报告对 2 倍加速阈值的结论过于自信，该阈值当时可能已被触及。
11月6日
星期五，5 条SIRIS 评测：LLM 能否判断模拟器局限何时影响设计建议
研究团队提出 Siris，用于测试 LLM 能否区分模拟器局限只是扭曲预测、还是足以推翻其推荐的设计。Siris 通过扰动模拟器构造候选、局限与推荐都相同的工作负载对，但参考模拟器只支持其中一项推荐；在 LLM 服务设计问题上评测 13 个前沿模型，发现识别出局限并不等于能做出正确选择，最强的模型有时也会放弃有效推荐，而增加一轮审查式自我纠正能帮部分模型恢复有效选择，却在另一些模型上引入新错误。
CPU-ARC：把大模型推理轨迹缓存为 CPU 可执行方案以复用推理
研究者提出 agentic reasoning caching，从大语言模型的推理轨迹中构建可在 CPU 上执行的智能体推理缓存（ARCs），使已推理过的问题在新实例上无需模型重新求解。
研究系统评测 Weight-Space Programming 的能力、泛化与局限
一项研究在七个基准和 Qwen3.5-0.8B、Qwen3.5-9B 两个模型规模上，用 16 条编辑轨迹系统考察 Weight-Space Programming（WSP）的能力、跨任务泛化与局限。
alphaXiv 推出 Illustrated CoRL，将 600 余篇 CoRL 论文做成可视化检索地图
alphaXiv 宣布推出 Illustrated CoRL，收录并索引了 600 余篇 CoRL 论文，提供可视化方式浏览整个研究版图。用户可以搜索感兴趣的主题、打开聚类并直接进入查看，入口为 https://alphaxiv.org/conferences/corl/2026/map，该页面灵感来自 @JayAlammar。
OpenAI 推出 GPT-6 Cyber 安全模型
我们最新的网络专项模型已发布。在许多网络特定用例上，它独树一帜。可通过 Daybreak Red 访问获取。
引用OpenAI@OpenAIIntroducing GPT‑6 Cyber: a major advance in security research that pairs stronger capabilities with better model alignment. The model powered the Linux kernel research we announced yesterday, and security teams at companies like Mozilla, Palo Alto Networks, Calif, and Cisco—alongside our own at OpenAI—are already putting it to work. GPT-6 Cyber is available to select Daybreak Red customers and we are expanding access over time. https://openai.com/index/introducing-gpt-6-cyber/
11月5日
星期四，1 条Nature 出版主题：人工智能的负责任使用
该页面正文未能加载，仅可见标题“Responsible use of artificial intelligence”，无法确认具体发布机构、工具或研究内容。现有材料不足以支撑摘要，建议核实原文后再行整理。
11月6日
星期五，1 条Futures of Maths 上线：面向活跃数学研究者的数学与 AI 意见征集平台
Futures of Maths 上线，这是一个持续运行的平台，向活跃的数学研究者征集关于数学与 AI 的紧迫问题，参与者对平台给出的陈述按“强烈不同意”到“强烈同意”打分，也可自行提交陈述，经审核后由其他人评分。
11月5日
星期四，1 条苹果提出摊销式 MIPS 方法，用小型神经网络加速 RAG 检索
苹果在 ICML 2026 论文中提出摊销式最大内积搜索（MIPS）方法，针对固定键数据库离线训练小型神经网络，把查询更快路由到最佳匹配。