OpenResearch 训练 4B 决策模型
我们用 OpenResearch 在超过 117k 个决策示例上训练了一个 4B 决策模型 我们的模型在除讽刺检测外的所有领域表现几乎与 Jev 完全相同 在评估中，我们的模型能够泛化到其他未见过的任务，如仇恨言论严重程度、情绪检测和意图分类，但讽刺仍是一个常见的失败模式
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。
2,377 条收录动态，更新于 18:36
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。
10月31日
星期六，4 条Joey-1 在讽刺检测任务上表现更优
有趣的是，即便是 Joey-1（一个 2B 模型）在讽刺检测任务上也比我们的模型表现更好。 需要注意的是，Baseten 的三个模型都是在更大的数据集上训练的——621 万个样本，约为我们的 53 倍。
alphaXiv 发布 OR-decision-4B 模型权重
在此下载权重并了解更多模型信息：https://huggingface.co/alphaXiv/OR-decision-4B 使用 OpenResearch 训练你自己的决策模型：https://github.com/alphaXiv/OpenResearch
10月30日
星期五，2 条果蝇味觉连接组图谱揭示从感知到行为的神经通路
一项发表于 Cell 的果蝇味觉连接组图谱，追踪了舌、咽、腿和翅上的味觉神经元如何接入大脑并输出到控制行走、吞咽和分泌胰岛素等反应的神经元。研究团队结合光显微镜与雄蝇全身连接组、雌蝇脑连接组，发现甜味神经元无论位于身体何处都汇聚到相似的下游神经元，同时保留身体部位信息。研究者用人工智能预测神经递质及兴奋/抑制性质，该图谱仍需实验验证。
Breakthrough Listen 与 SETI 研究所将智能体 AI 接入 Allen 望远镜阵列日常搜寻
Breakthrough Listen 与 SETI 研究所把智能体 AI 引入搜寻地外文明的日常工作，在加州北部的 Allen Telescope Array 上，研究者用一句自然语言请求即可让智能体操控天线、校准与聚焦仪器、修正数据错误并绘制结果。
10月29日
星期四，1 条Glance：让生成器兼任重排器，单一 9B 骨干完成检索增强生成
Glance 为生成器加装轻量决策适配器与指针头，从共享 prefill 中为候选段落打分，无需对每个查询-段落对单独预填充。
10月30日
星期五，7 条Sam Altman 同情数学家的处境，但称 OpenAI 的数学成果发布不会停
OpenAI CEO Sam Altman 在 Cheeky Pint 播客中表示，他同情难以消化大量 AI 生成数学结果的研究者，但认为公众了解宇宙运行方式的权利高于这些干扰，公司也不会停止发布。
This Week in AI：智能体重写规则，从安全漏洞到科研应用
O'Reilly Radar 的 This Week in AI 节目梳理了本周智能体进展：开源渗透测试框架 ARTEX 相关供应链攻击波及超 2,250 个 Microsoft 365 租户，PHP2Shell 两个 CVSS 9.2 漏洞于 10 月 21 日披露后 CISA 敦促尽快修补。
我组建了英国政府的元科学团队——各国需要了解什么
正文内容未能加载，无法获取该文的具体事实与数据，故不提供摘要。
Sakana AI 万圣节问候
万圣节快乐！🎃👻🐡
奥尔特曼回应 AI 冲击数学界：理解数学家处境，但 OpenAI 不会停止研究
OpenAI CEO 萨姆・奥尔特曼在《Cheeky Pint》播客中表示，他理解数学家面对 AI 研究成果大量涌现的处境，但 OpenAI 仍需继续公布具有重要价值的科学发现，不应把重大基础科学发现长期留在公司内部。
恐龙化石是否挤占顶刊版面？一项分析引发对“明星”化石发现的争论
一项分析引发争论：恐龙化石等“明星”化石发现是否挤占了顶级期刊的版面。相关讨论围绕这类高关注度发现对期刊发表格局的影响展开。
Air Street 发布 State of AI 2026 报告：与 Matt Turck 谈 AI 构建 AI、世界模型与 2027 年 AGI 预测
Air Street 发布 State of AI 2026 报告，创始人 Nathan Benaich 在 MAD Podcast 与 Matt Turck 对谈，内容涵盖 AI 构建 AI、世界模型与网络安全，并重申其 2027 年实现 AGI 的预测。
10月29日
星期四，2 条研究重析AI科研智能体论文：无来源数字多为错配而非编造
一项针对 Into the Unknown 基准的重分析发现，AI 科研智能体论文中不受支持的数字多数并非凭空编造，而是取自智能体自己的结果文件却对应了错误的实验、指标或运行。
Meta 等机构提出 AutoBenchmark 与 HackBench，研究自主科研代理与人类协同
Meta FAIR 等机构的研究者在 arXiv 预印本中提出 AutoBenchmark，让自主科研代理从任务说明出发端到端构建基准，并用求解器轨迹和 LLM 评审两类反馈迭代修订。
10月30日
星期五，2 条小米开源 0.8B 文档理解模型 Xiaomi-OCR-0，支持 Markdown 与 JSON 输出
小米开源轻量级文档理解模型 Xiaomi-OCR-0，参数规模 0.8B，权重与推理代码已上线 Hugging Face 和 GitHub，单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答三类任务。
Linda J. Miller（1958–2026）
原文正文未能加载，仅可见 Nature · Publishing 主题下的一则讣告标题，纪念 Linda J. Miller（1958–2026）。除姓名与生卒年份外，无可核实的生平、任职机构或学术贡献信息。
10月29日
星期四，3 条让 AI 自己提出研究问题：自主科研代理连续完成五次从选题到修订论文
作者 Ko Fujimura 报告一套由通用编程代理、约 7300 词指令文档和两个技能（研究问题构思、同行评审）组成的自主科研系统，在笔记本电脑本地计算、无人类研究输入的情况下连续完成五次运行，从提出研究问题走到经 AI 评审并修订的可重算论文。
超越通过测试：LLM 生成代码质量提升技术的系统综述与受控复评
一项 arXiv 预印本对 628 项原始研究（2021 年 7 月至 2026 年 10 月）做了系统综述，并按同等算力预算对十种提升 LLM 生成代码质量的技术做受控复评，覆盖正确性、可维护性、效率与安全四类基准。
研究：检索到的文献如何影响大语言模型的科研构思
一项 arXiv 预印本研究在统一生成协议下比较五种文献检索策略与无文献基线，覆盖 15 个机器学习主题、十个开放权重模型和 45,000 条研究想法。结果显示，相对无文献基线，五种检索策略使同一组论文生成的想法多样性下降 5.6%–17.9%，而把不同论文集生成的想法合并后，多数策略使多样性提升 10.2%–18.1%；对想法质量与新颖性的平均影响较小且随主题变化。
10月30日
星期五，1 条rTaste 研究：六个前沿模型能否判断哪些实验值得做
作者让六个前沿模型以单人或团队形式，从七篇近期 NLP 论文出发各提出五个最小可行实验（MVE），并预测结果、排序；独立执行器把 415 个 MVE 全部跑完，再由三个模型审计。
10月29日
星期四，1 条UnderSpec-DR 框架评估查询欠明确对深度研究代理的影响
得克萨斯农工大学等机构的研究者提出 UnderSpec-DR 框架，系统评估用户查询欠明确如何影响深度研究代理的最终答案质量与中间检索行为。
10月30日
星期五，7 条OpenBMB 的 MiniCPM-OCR 实测手写笔记
很高兴看到 MiniCPM-OCR 在真实手写笔记上接受检验！💙 感谢分享这个例子，帮助传播 MiniCPM-OCR 和 Jev！🙌
引用Hasan Toor@hasantoxrOpenBMB just released an OCR parser alongside a separate model that evaluates its outputs. It’s called MiniCPM-OCR. One model reads your documents. A second model tells you which parts it probably got wrong. 100% open source. Apache 2.0. ↓
摆脱思考之后：如何保护学术出版免受人类判断力缓慢侵蚀
JMIR Publications 运营副总裁 Richard di Santo 在 The Scholarly Kitchen 客座文章中警告，学术出版正把 AI 从格式、参考文献核验等机械环节推进到对科学本身的评估。他指出，若让机器承担初审乃至唯一评审，审稿人的批判判断力会因不再使用而萎缩，而信任正是出版业存在的根本。
Wikimedia 就纽约时报诉 OpenAI 版权案提交法庭意见书，主张区分模型训练与输出复现
维基媒体基金会（Wikimedia Foundation）就包括《纽约时报》诉 OpenAI 和 Microsoft 在内的一组 AI 版权诉讼提交法庭意见书，对双方均不站队，并警告任何一方获得过于简化的全面胜利都可能损害开放网络。
Artificial Analysis 推出 HLE-Diamond 榜单
Artificial Analysis 在 Intelligence Index v5 中上线 HLE-Diamond 榜单，独立评测 CAIS 与 Scale AI 经一年清洗修订的 Humanity's Last Exam 1000 题版本，其中 272 题含图像，推理与知识题各半。
ExpDis 将 RLVR 的探索与优化解耦
论文提出 Exploration-Distillation（ExpDis），把 RLVR 训练拆成两个模型：探索者因找到新颖解法获得奖励，学生模型只从探索者已验证正确的解法中学习，再继续标准 RL。在三个模型上，相同算力预算下 ExpDis 在数学推理上优于标准 DAPO，准确率与解法多样性均提升，甚至超过训练步数多 4 倍的 DAPO。
AI 智能体起草转化影响摘要的真实场景评估
研究团队构建了一个人在回路中的 AI 智能体，为每位学者汇集带出处的证据并起草一句话 TSBM 影响摘要，供工作人员复核。在一个 CTSA 中心的 10 名 KL2/K12 职业发展学者上评估，两名工作人员独立编码全部 507 条发现，81.7% 被接受或修改；每人每名学者中位耗时 14 分钟，而人工汇编估计需 15 小时。
普林斯顿团队分析约6000万篇论文：大团队更易改变研究方向的结论源于测量偏差
普林斯顿大学的研究者分析 OpenAlex 中约6000万篇论文后指出，2019年 Nature 论文所称小团队更易改变研究方向的结论，很大程度上是标准改变研究方向指数（DI）对参考文献数量的机械依赖造成的测量偏差。