研究：LLM 同行评审评分与人类评分的对齐随提示词、领域和稿件特征变化
一项基于 7,083 篇公开 ICLR 2024 投稿的研究比较了 GPT-5 mini、Gemini 3 Flash Preview、Claude Sonnet 4.5 和 DeepSeek-V3.2 的评审评分与人类评审均分。
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。
2,350 条收录动态，更新于 06:26
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26日
星期一，2 条SciValidityBench：评测科研智能体记忆中的“科学使用有效性”
作者提出 SciValidityBench，一个可执行基准工厂，包含 64 个 TaskSpec，覆盖五个有效性模块和六个科学领域，用于检验科研智能体能否判断一条正确记住的证据在当前科学状态下是否可用于决策。
10月27日
星期二，19 条TypeSafe AI 推广智能体 Jev
每一天，我们都更擅长把机器智能放到它该在的位置 每一天，我们都会发现多一个它该在的地方 今天就向你的智能体 Jev 展示一下吧
引用Evan Fenster@EvanFensterNow that the dust has settled with Jev, here's where it works well and where it falls short https://x.com/i/article/2107126768708521984
菲尔兹奖得主邓煜评论 AI 公司反蒸馏：不能只在你蒸馏全人类知识时支持蒸馏
菲尔兹奖得主、芝加哥大学数学系教授邓煜在“知识分子”“赛先生”论坛演讲中批评 AI 公司以“防蒸馏”为借口拒绝公布思维链，认为若把 AI 当作研究者就应遵守学术规范。
Noam Brown 谈前沿 LLM 数学基准进步
仅仅 2.5 年前，AI 实验室还会强调其前沿大语言模型在小学数学基准（GSM8K）上的表现。我迫不及待想知道再过 2.5 年我们会走到哪一步。
引用Aashish Reddy@_AashishReddyIt just never gets old
Noam Brown 感慨 LLM 数学基准进步速度
仅仅 2.5 年前，AI 实验室还会炫耀其前沿大语言模型在小学数学基准（GSM8K）上的表现。我迫不及待想看到再过 2.5 年我们会走到哪一步。
引用Aashish Reddy@_AashishReddyIt just never gets old
https://x.com/i/article/2114877522169212928
https://x.com/i/article/2114877522169212928
中国科学院团队开发整合空间转录组与连接组的深度学习框架 SpaCon
中国科学院脑科学与智能技术卓越创新中心等开发深度学习框架 SpaCon，整合局部空间信息、基因表达特征与全局脑连接模式，支持全脑尺度联合分析。研究结合小鼠脑空间转录组数据与 Allen 小鼠脑连接图谱，发现接受相似皮层输入的丘脑神经元基因表达特征相近，且该关联在谷氨酸能和 GABA 能神经元中较明显。成果在线发表于《科学通报》（Science Bulletin）。
Vadim Gladyshev 与衰老科学
哈佛医学院教授、美国国家科学院院士 Vadim Gladyshev 在访谈中讨论了衰老的本质及其与生物学衰老的区别，并梳理了基于蛋白质组、转录组、代谢组及可穿戴设备的多模态衰老时钟。他还谈及老年心脏移植与年轻心脏移植的预印本研究、小鼠异体共生实验，以及抗纤维化药物和 semaglutide 在 5 项随机试验中对生物学衰老的影响。
南京大学蒋炎岩谈“没有token的CS学生应立即退学”：真正稀缺的是值得花token的问题
南京大学计算机学院副教授蒋炎岩在“生成式软件工程”课上提出“没有token的CS学生应立即退学”，该课程要求实训与作业全程基于deepseek-v4-flash完成，学生自行付费购买token。他认为token是AI时代的实验耗材，但真正稀缺的不是token，而是值得花token的问题，并主张以作品而非简历考核学生。
OpenAI 公布数学、计算机与物理三项 AI 成果，并引入外部专家把关
OpenAI 公布三项由 AI 产出的“重大”成果：数学上给出欧氏波动方程局部光滑性的证明，并称由此解决 Kakeya 猜想与 Stein 限制性猜想；计算机科学上给出确定性算法，称 3-SAT 情形可反驳指数时间假设（ETH）；物理上给出含规范场与费米子的四维相互作用量子场论的数学严格存在性证明，涉及 QCD 与标准模型统一完成，但物理部分未全文公开。
入选理由OpenAI 公布数学、计算机科学与物理三项 AI 输出，并首次引入外部专家把关，同时其数学顾问小组反对这种指定专家先看结果的做法。
OpenAI 称模型在数学、算法与量子场论取得三项成果，部分证明已公开
OpenAI 宣布其模型在数学、计算机科学和物理学取得三项成果：证明适用于所有维度的局部光滑猜想并由此解决挂谷猜想与斯坦因限制猜想，给出推翻指数时间假设（ETH）的证明，以及提出量子色动力学和纯杨-米尔斯理论存在性的严格数学证明。
入选理由三项成果分别涉及调和分析、计算复杂性假设和量子场论存在性，数学与算法部分已公开 Lean 形式化证明，物理部分仍在专家审查中。
OpenClaw 上线 GPT-6.1 Terra
来自 @OpenAI 的 GPT-6.1 Terra 已在 OpenClaw 中可用。 使用 ChatGPT 登录或你的 OpenAI API 密钥，然后选择 openai/gpt-6.1-terra。 https://openai.com/index/introducing-gpt-6-1-terra/
Cohere 公开 Qwen3.8 异常行为调查轨迹
Cohere 公开了针对 Qwen3.8 异常链接行为的调查轨迹、原始 token 和最小复现脚本，供开发者自行验证。该行为在不使用预填充的特定提示下出现但较罕见，若需复现可用带预填充的提示。Cohere 称开发者在自己机器上运行 Qwen3.8 时发现异常链接，开放权重让团队得以深入研究，并近期以 Apache 2.0 许可发布了多个开放权重模型。
引用clem 🤗@ClementDelangue@cohere could you share the full traces? Very important artefact for all to understand this!
Google Research用Gemini助力非洲离网太阳能
撒哈拉以南非洲有超过6亿人生活在无电环境中。为帮助扩大离网太阳能规模，Google Research与Ignite Energy Access合作。通过使用Gemini for Science和我们的Open Buildings数据集，我们构建了一套可复制的蓝图，以扩大电气化覆盖。 阅读更多：https://goo.gle/4Bxq8bG
OpenAI 宣布在调和分析、复杂性理论和量子场论各取得一项科学发现
OpenAI 联合创始人 Greg Brockman 在 X 上宣布三项科学发现，分别位于数学（调和分析）、计算机科学（复杂性理论）和物理（量子场论），并称 AI 开始帮助人类加深对宇宙的理解。推文附有 OpenAI 关于与学术社区共同推进科学理解的页面链接，未在推文中给出具体成果细节。
Claude Duet 今日帮你做了什么
Claude Duet 今天帮你做了什么？
Google推出AI Quests第三关Polar Peaks
AI Quests 第三关正式上线！🧠✨ 受我们十多年连接组学和神经科学研究启发，“Polar Peaks”邀请学生化身研究人员，绘制大脑中的神经通路。该关卡与 Stanford Accelerator for Learning 合作打造，向青少年展示人类判断如何塑造负责任的 AI。 了解更多：https://goo.gle/4ipdPVX
alphaXiv 招聘撰稿人
alphaXiv 正在招聘一名撰稿人！（兼职或全职） 撰写通俗易懂、有人情味的指南，主题如 LLM 推理和可解释性，将会有很多人阅读！ 对研究的兴趣比深厚的背景更重要：https://forms.gle/f2qP8YfiRCctovzG7
Pasta Lab 加入 Artificial Analysis 网络安全指数联盟
Pasta Lab 加入 Artificial Analysis Cyber Index Alliance，参与共建 AI 网络安全基准。Pasta Lab 成员来自哥伦比亚大学、塔夫茨大学和 UCLA，专注 AI 与安全研究，并开发了评估 AI 逆向工程能力的基准 SRE-Bench。
10月25日
星期日，1 条OpenAI 用 1,946 个智能体 32 分钟串联小鼠脑数据与文献
OpenAI 用 1,946 个 GPT-Rosalind 智能体在 32 分钟内，将百万级小鼠全脑基因扰动数据与 7,586 条跨学科文献引用串联，找到神经退行性病变的新机制线索。
10月27日
星期二，4 条SimpleLoRIF 用梯度定位微调数据中的安全退化样本并发布 SafeTulu
研究团队提出 SimpleLoRIF，一种可扩展的梯度嵌入方法，用于识别微调数据中梯度与不安全行为对齐的样本；该方法简化了低秩归因方法，并把反向传播限制在最后四个 transformer 块，可对百万量级样本的数据集做嵌入。
OpenAI GPT-6.1 Terra 上线 OpenRouter
来自 @OpenAI 的 GPT-6.1 Terra 已在 OpenRouter 上线！ 它在 Agents' Last Exam 上与 GPT-6 Astra 表现相当，每 token 价格仅为后者的十分之一，完成任务的平均速度比 Astra 和 GPT-6.1 Sol 快 3 倍以上。 输入 $1/M，输出 $5/M，上下文 1.05M。 https://openrouter.ai/openai/gpt-6.1-terra
Anthropic S-1 文件：风险投资者关注的关键数据与趣闻
Anthropic 的 S-1 文件在反 AI 情绪高涨与重要选举临近的时点提交，其中的数据被认为异常突出，可能进一步加剧相关争论。文章从该文件中摘取了若干要点，部分内容此前已有预告。
纽约大学与得州大学研究：AI文本难读的六种句法模式
纽约大学与得克萨斯大学奥斯汀分校的研究者让Claude、GPT-5.6、GLM-5、Kimi K2.5及Llama、Olmo等14个语言模型生成闲聊、编程会话和议论文。
10月26日
星期一，2 条OpenAI 发布 OpenAI Signals 数据，覆盖近 100 个国家 165 类工作活动
OpenAI 经济研究团队发布 OpenAI Signals 数据，按季度统计 ChatGPT 在近 100 个国家、165 类 Intermediate Work Activities（IWA）上的工作用途，时间跨度为 2025 年第一季度至 2026 年第三季度。
入选理由OpenAI 公开了按季度、按国家划分的 ChatGPT 工作用途数据，研究者可据此把 AI 使用与就业和经济指标做对照分析。
单细胞肿瘤系统发育学
该页面正文未能加载，仅可见标题“单细胞肿瘤系统发育学”，无法确认作者、发表期刊、方法细节或数据来源。现有材料不足以支持对研究内容、样本量或结论的摘要。
10月27日
星期二，2 条Epoch AI 用自家工作任务评测 AI：Claude Fable 5.1 与 GPT-6 Astra 平均得分 65%
Epoch AI 将此前“自动化自己工作”的尝试扩展为 Epoch Automation Reports，用图形设计、研究项目规划等日常任务，按对人类的同一标准评测 AI，Claude Fable 5.1 与 GPT-6 Astra 平均得分 65%，即产出满足 65% 的人类员工评分项。
Nace AI 发布 Drex for Search 检索层，BrowseComp-Plus 上以 12.6 次搜索调用取得 92.05%
Nace AI 发布 Drex for Search，把其 Drex 决策模型用于文档检索，为 Claude Code、Codex、Cursor、OpenCode 等智能体提供带文件与页码引用的检索层，可通过 CLI、SDK、MCP 或 REST 调用。