LG AI Research 在 ICLR 2026 提出 ATAD 动态评测协议，用三方智能体持续生成更难的文本异常检测题
LG AI Research 在 ICLR 2026 主会发表论文，提出 ATAD（Agent-Centric Text Anomaly Detection）动态评测协议，用 Teacher、Orchestrator、Student 三个智能体反复生成、校验和作答题目，替代固定数据集式基准。
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。
281 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5日
星期四，2 条百度文心开源 ERNIE-5.5-Flash-Base 基座模型，总参数 280B
百度文心发布并开源 ERNIE-5.5-Flash-Base 预训练终点权重，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，微调与推理支持 1M tokens 上下文。
11月4日
星期三，1 条FrontierPhysics 发布端到端物理研究智能体基准，22 个模型无一通过半数以上任务
FrontierPhysics 是一个端到端物理研究基准，包含 42 位物理学家基于自身研究设计的 56 项任务，覆盖理论、计算与实验物理的九个领域，要求智能体完成文献综述、制定研究计划、开展研究与实验，并产出结构化结果和科学稿件。
11月5日
星期四，4 条中国科学院金属研究所在腐蚀科学中引入高通量监测与大语言模型等 AI 方法
中国科学院金属研究所围绕人工智能与腐蚀科学的交叉融合开展系列研究，涵盖原位高通量腐蚀监测、电化学阻抗谱智能解析、腐蚀图像识别与状态预测、腐蚀知识智能挖掘等方向。
Terence Tao 汇总近期关于数学与 AI 的访谈与演讲
Terence Tao 在博客中汇总了近期围绕数学与 AI 的访谈和演讲，包括 BBC Science Focus 播客、SAIR Foundation 对谈、Nature 评论文章及 Science Friday 采访等。他同时表示博客正开放给更多客座作者，并披露部分报道与其 11 月 10 日将出版的新书有关。
Latent Space 幕后访谈：Kill My SaaS、Jev 与 2026 年的 AI，及 AI Engineer Shanghai
Latent Space 本期 AINews 聚焦 AI Engineer Shanghai，并发布一期关于 Latent Space 自身历史的独家访谈。此前“Weight Space Programming”报道引发争议，团队承认部分表述过于乐观，但称已有多组独立复现。
Google Research 开源 Agile Deliberation 框架，用对话帮人厘清主观视觉分类标准
Google Research 推出 Agile Deliberation 框架，把主观视觉分类器的构建变成人与 AI 的迭代对话，先由用户拆解概念层级与排除项，再由视觉语言模型主动挑出语义边界图像供用户判断，反馈直接进入自动提示优化循环。
11月4日
星期三，3 条GPT-6 Astra 通过权重直接改写其他 AI 模型
研究人员让 GPT-6 Astra 直接读取和生成神经网络的原始权重，并把这一做法称为 Weight-Space Programming。
陶哲轩警告：人类把思考交给 AI，危险可能很快到来
菲尔兹奖得主陶哲轩在加州大学洛杉矶分校 Science x AI Summit 演讲中警告，人类正把思考委托给 AI，却逐渐失去对问题与解决方案的理解，后果可能很快在现实世界显现。他点名电网、航空交通管制、药物研发和芯片设计等领域，担心 AI 方案在数学模型中成立却偏离现实需求。他主张推动数学研究进入“Math 2.0”时代，让 AI 增强而非替代人类的理解与判断。
小鹏联合北大、港大发布 GroundingPI 具身感知基座模型
小鹏集团联合北京大学、香港大学等团队发布具身感知基座模型 GroundingPI，约 40 亿参数，在 34 项公开感知基准的综合评测中位列第一，得分 73.68，对比 GPT-6 Astra 的 71.54。
11月3日
星期二，1 条VidUEU-Agent：从原始视频自动合成多模态指令数据的智能体
研究团队提出 VidUEU-Agent，一个从原始视频自动合成多模态理解、编辑与统一任务指令数据的四阶段流水线，并可根据下游训练结果自主迭代数据分布。基于该流水线构建的 VidUEU-100K 包含 100K 训练样本，覆盖多个领域与任务；在多个代表性基准上微调基线模型后取得一致性能提升。
11月4日
星期三，4 条ParallelKernelBench 亮相 NeurIPS 2026
如果你对大语言模型编写多 GPU 内核的能力感兴趣，欢迎关注 NeurIPS 2026 上的 ParallelKernelBench！ 仅在 alphaXiv 上发布 http://alphaxiv.org/abs/2606.parallel-kernel-bench
引用Willy Chan@opengroundsFXProud to announce that ParallelKernelBench (https://www.alphaxiv.org/abs/2606.parallel-kernel-bench) has been accepted to NeurIPS 2026! 🎉 If you are interested in the future of multi-GPU kernels, come say hi! Huge thanks to my amazing collaborators @asplencmnt @simonguozirui @simran_s_arora @realDanFu
OpenAI 展示 GPT‑6 Astra 辅助硬件研发：一周出图、一月出样，并与马自达合作汽车设计
OpenAI 公布 GPT‑6 Astra 在实体产品研发中的应用：两名员工用不到一周完成可与 Codex 交互的测试设备设计，模型承担外观、外壳结构、电子元件选型、电路板布局及固件生成，代工厂不到一个月制成小批量原型机。OpenAI 承认模型未始终充分考虑生产限制、尺寸公差与装配细节，投产仍需多轮审核迭代。公司同时与马自达的空气动力学及碰撞安全工程师合作，用气流与结构仿真探索新车设计。
TEXMET：考古纺织品重建的深度学习基准
挪威科技大学（NTNU）团队发布 TEXMET，一个取自大都会艺术博物馆开放获取馆藏的 18,644 张历史纺织品图像数据集，用于拼图式重建研究。基于该数据集微调的图扩散模型 DiffAssemble 在纺织品数据上达到 85.89% 拼图准确率，应用于 45 件 Oseberg 船葬残片时准确率从 26.67% 提升至 64.44%。
腾讯混元 Hy4 正式版发布，号称首次跻身最强开源模型之列
腾讯混元发布最新一代大语言模型 Hy4 正式版，官方称其首次跻身最强开源模型之列，并计划近期开源模型权重、发布模型系统卡片。相比 Hy4 preview，Hy4 显著扩展预训练和后训练规模，首次引入视觉能力并支持电脑操作，可用于视觉与电脑任务、前端与游戏开发、科研与模型研发等场景。
11月2日
星期一，1 条Collaborative Intelligence 基准：用 240 项任务衡量 AI 智能体的团队协作能力
研究团队提出 Collaborative Intelligence Benchmark，用 240 项任务从 8 个团队协作维度衡量 AI 智能体作为队友的表现，任务来源包括航空事故报告、临床病例、编程任务和谈判，结果均可程序化验证。
11月4日
星期三，3 条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。
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
星期二，9 条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。
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。
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%。
康奈尔报告：人工智能时代大学的核心使命是培育判断力
美国康奈尔大学“美国大学未来委员会”发布238页报告《美国大学的未来》，由18位教授历时一年、听取6000余名利益相关者意见形成，主张大学不应再以传授知识为核心使命，而应转向培育健全判断力。文章据此提出以AI使用阶梯（L0至L3）保留认知摩擦，并推动教学从知识交付转向情境设计、评价从结果正确转向过程可见。
alphaXiv赞助MIT科学智能体黑客松
周末，150多名黑客在MIT的ScienceClaw黑客松上构建智能体系统来解决科学问题 @ProfBuehlerMIT @fwang108_ alphaXiv为使用OpenResearch取得最具科学意义成果的团队赞助了奖品 以下是人们构建的一些东西：
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
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。
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。
Biohub 影像驻留项目：18 位科学家与团队共研显微成像新技术
Biohub 启动影像驻留项目（Imaging Residency Program），已选出 18 位科学家嵌入其研究团队，围绕冷冻电子断层扫描、计算成像、发育系统图谱等方向开展合作，并提供固定经费支持聚焦项目。