从 Paulo Freire《被压迫者教育学》看 AI 进入课堂的隐忧
教育界人士借 Paulo Freire 1968 年《被压迫者教育学》中的“银行储蓄式教育”概念，将 AI 进课堂称为“被压迫者的新教育学”。文章称美国政府和学校管理者正大力推广 AI，而越来越多研究显示，学生用 AI 完成总结、头脑风暴、分析、论证等认知任务时，长期学习深度更浅，部分人可能始终无法充分发展这些认知能力。
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。
2,300 条收录动态，更新于 17:55
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3日
星期二，13 条报告揭示特朗普政府审查科学研究的“模式”
倡导组织 Defend Research 与 Research Consulting 上月发布报告《From anecdote to evidence》，用 AI 分析 244 份学术与新闻来源中 4200 条编码摘录，梳理 2025 年 1 月至 2026 年 6 月美国公共卫生研究政策变动事件。
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。
计算机视觉在艺术史研究中的应用：未来研究的反思与范式
针对艺术史学者与计算机视觉研究者缺乏紧密协作、难以将当代艺术史方法定义为明确计算机视觉问题，一项研究提出从计算机科学视角分析艺术史期刊论文的方法论，以识别艺术史学者使用的图像特征并向计算机视觉界作直接描述。研究最后给出若干范式，作为探索计算机视觉应用如何回应艺术史研究核心问题的新起点。
研究：AI 论文同名跨主题碰撞 2026 年增至 4.33 倍，同名论文检索仍存识别差距
卡内基梅隆大学团队分析 2020 至 2026 年 564,861 条 AI 相关 arXiv 记录，发现跨主题同名碰撞相对 2020–2022 年合并基线增长 4.33 倍，而同一主题内仅增长 1.12 倍，换用第二个句向量编码器后该模式仍成立。
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。
arXiv 论文用模拟比较投稿限制与分阶段评审漏斗对同行评审的影响
一篇 arXiv 预印本以 NeurIPS 2014 和 2021 两次重复评审实验校准模型，模拟会议应对投稿洪流的两种方案。
面向科学未来的协作辩论模型（Collaborative Debating Models）构想
一篇 arXiv 预印本提出“协作辩论模型”（CDMs）的设想：这是以议题为中心的环境，研究者与 AI 及彼此协作探究问题，并共同维护一份随辩论与分析不断更新的领域记述，个人贡献仍可归属。文章设想期刊可演化为这类汇聚场所，并讨论不同所有权形式如何影响科学议程与后续工作的支持。CDMs 还可连接远程实验室等研究服务开展新研究，共享仓储让数据可供进一步探究。
HistGramBench：多模态模型将历史数学图重绘为 TikZ 时的结构还原评测基准
研究者提出 HistGramBench，用 2,507 幅来自 1551–1933 年间 95 部著作、8 种语言的历史数学图，评测多模态模型把图重绘为 TikZ 程序时的结构还原能力。每幅图由两家不同厂商的 AI 模型就读者可从图中读出的事实达成一致，再在模型自己绘出的图上核验这些事实。评测 6 个平价模型，最佳者约还原五分之三的事实，多数遗漏来自始终未生成图形的程序，平行与相切关系最难复现。
LODox：面向文化遗产关联数据发现的网页平台
牛津大学团队提出基于 Django 的轻量模块化网页平台 LODox，用于探索和可视化文化遗产关联开放数据，采用卡片式界面与语义门户呈现多源异构数据。平台将基于 LLM 的语义智能体以 Python 包形式解耦集成，可绕过以便复现测试或调试，并规划与 Solid 协议对接。该工作以海报形式投稿第 3 届 Solid Symposium，属原型阶段。
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%。
《纽约时报》等媒体起诉 Brave，指控其抓取版权内容转售给 Anthropic 等 AI 公司
《纽约时报》于当地时间周一起诉浏览器厂商 Brave，指控其抓取受版权保护的内容并提供给 Anthropic、Perplexity、Mistral、xAI 和 Cohere 等客户；《每日新闻》《芝加哥论坛报》《奥兰多哨兵报》同日提起类似诉讼，两案均提交至曼哈顿联邦法院。
Anthropic 警示：AI 递归自我改进（RSI）近在眼前
Anthropic 在 S-1/A 招股补充文件中警示，公司可能很快就会触达其《负责任扩缩策略》定义的递归自我改进（RSI）状态。文件称已借助 AI 开发出部分能力跃升的新模型而团队当时未察觉，但现有模型均未跨过该门槛，且承诺研发流程保留人类参与。
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
星期二，2 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。
Hugging Face 提出模型集成契约 MIC，用缩小模型在 CPU 上拦截 Transformers 回归
Hugging Face 发布 transformers-mic，一套把缩小模型、可运行用法示例和人工审核基线打包成 Model Integration Contract（MIC）的测试标准，并在 huggingface-mic 上公开契约。
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
星期二，2 条Paperpal 编辑器工作区改版：新增 Agents 与 Responsible AI 面板
Paperpal 改版编辑器工作区，Web 端将格式、引用、字体与对齐合并到顶部单一工具栏，Web 和 Word 端新增 Agents，可在同一对话中完成研究提问、提纲构建与章节起草。
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
星期二，9 条Google 在新加坡设立研究枢纽，向 NUS 和 NTU 投入超 600 万美元科研资助
Google 在新加坡新设研究枢纽，并向新加坡国立大学（NUS）和南洋理工大学（NTU）投入超 600 万美元新科研资助与能力建设计划。其中 NUS 获 150 万美元 Google.org Impact Challenge 资助开展阿尔茨海默病 AI 研究，该资助从超 3500 份全球申请中选出；NTU 获 34 万美元资助四项 AI 安全与安全框架研究。
同构实验室总裁贾德伯格预测：未来所有药物都将由 AI 设计
同构实验室总裁马克斯·贾德伯格在伦敦彭博科技大会上预测，未来所有药物都将由 AI 设计，区别只在于实现时间。这家由谷歌 DeepMind 分拆成立的公司累计融资约 27 亿美元，目前仍处于临床前试验阶段，其自主研发药物主要用于治疗癌症、免疫系统疾病和炎症。
Sakana AI研讨会：Schmidhuber谈AI演进
【举办报告】Sakana AI研讨会：Jürgen Schmidhuber讲述AI的过去与未来，以及从日本挑战的语言模型、世界模型与Physical AI https://sakana.ai/symposium-2026/
兰玉杰副主任会见美国科学促进会首席执行官帕里克
国家自然科学基金委员会副主任兰玉杰会见美国科学促进会（AAAS）首席执行官苏迪普·帕里克一行，双方就深化中美科研交流与合作、人工智能对项目申请的影响、期刊出版与开放获取等议题进行探讨。兰玉杰表示愿同AAAS为促进中美科技人文交流创造更多机会，帕里克介绍了AAAS的期刊出版及对华合作情况。
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%。
alphaXiv 上的权重空间编程研究
来看看 @rikiyatakehi @jayden_teoh_ @a1zhang @lateinteraction 在 alphaXiv 上的这项工作！https://www.alphaxiv.org/abs/2611.weight-space-programming
SciSpace 推出早期访问 API，为每个化合物补充论文与专利证据
SciSpace 发布处于早期访问阶段的 API，在 PubChem PUG REST 返回化合物标识、分子属性和生物测定记录之外，补充论文、专利、证据提取表和带引用的报告。