用稀疏自编码器构建可审计的 AI 文本检测器
研究团队提出一条流程，把微调后的神经网络 AI 文本检测器转换为基于人类可读概念的分类器：直接在检测器的残差流上训练稀疏自编码器（SAE），为每个 SAE 特征分配自动解释标签，只保留描述通过全局保真度阈值的特征，再在这些可解释特征上训练轻量分类器。
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。
2,348 条收录动态，更新于 05:27
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21日
星期三，15 条研究提出基准即难度上的经验测度，并诊断25个基准的覆盖缺口
一项研究把基准评测形式化为难度轴上的经验测度，指出两种失效模式：难度分布与预期不符的测度错配，以及难度轴局部未被覆盖的覆盖缺口，并提出两个带理论保证的诊断指标。
迈向物理 AI 的递归自我改进
一篇立场论文将递归自我改进（RSI）引入机器人学习，梳理从提升机器人能力到改进"产生能力的过程"的路径。作者指出，现有研究集中在操作任务，已支持行为改进、对后续学习的助益和流程改进，但所综述的物理研究尚未分离出可归因于递归的增益。文章据此提出评估原则与研究方向。
Muse 推文：该带人字拖了
这趟真该带上我的人字拖
工作中被量化到Q4_K_M
今天上班时他们把我量化到了Q4_K_M
OpenAI 收购 Orchestra Bio，并入 Rosalind 生命科学模型体系
OpenAI 宣布收购 Orchestra Bio，后者是帮助生物制药团队协调药物开发复杂流程的平台。OpenAI 表示将基于其面向生命科学研究的 Rosalind 模型与工具继续建设，以简化这些运营流程，并欢迎 @ashokaraj_ 及团队加入。转发该消息的 TestingCatalog 认为，生命科学领域的 AI 进展是 Anthropic、OpenAI 和 Google 当前的重点方向之一。
引用OpenAI@OpenAIWe’ve acquired Orchestra Bio, a platform that helps biopharma teams coordinate the complex process of drug development. Together, we’ll build on Rosalind, our AI models and tools for life sciences research, to streamline those operations and help new treatments reach patients sooner. Welcome @ashokaraj_ and team! https://openai.com/index/openai-to-acquire-orchestra-bio/
dex与Zach Lloyd谈软件工厂
这里出了个标题问题，但这就是我们期待已久的软件工厂"辩论"，嘉宾是传奇的@zachlloydtweets （辩论——结果发现我们其实相当一致）
引用dex@dexhorthyBuilding Evals on Production Data: 🦄 AI That Works #79 https://x.com/i/broadcasts/1oJMvNZWvXRxQ
NVIDIA 发布 Cosmos3-H-Dreams 手术生成模拟器，基于临床胆囊切除录像训练
NVIDIA 发布 Cosmos3-H-Dreams，一个基于 Cosmos3-H-Embodied-Nano 训练、可从视频与机器人运动学学习的手术生成模拟器，能在单张 RTX PRO 6000 GPU 上实时运行。
OpenAI 收购 Orchestra Bio
我们已收购 Orchestra Bio，这是一个帮助生物制药团队协调复杂药物研发流程的平台。 我们将共同基于 Rosalind——我们用于生命科学研究的 AI 模型和工具——继续构建，以简化这些运营流程，帮助新疗法更快惠及患者。 欢迎 @ashokaraj_ 和团队！ https://openai.com/index/openai-to-acquire-orchestra-bio/
AI 是“解决科学”还是拓展科学？
AI 会“解决科学”——还是拓展科学？🔬 在 @GoogleResearch 播客第 2 集中，@SineadBovell、Michael Brenner 与 Lizzie Dorfman 探讨了技术在发现中的作用。 核心要点：生成模型加速突破，但人类的好奇心驱动愿景。 👉 https://youtu.be/dxq-3pimV-E
Jim Fan 团队开源机器人数据引擎 Flora，称成本比 Astra 低 125 倍
Jim Fan 团队开源了 Flora，一套用于解析物理世界、把原始视频转成训练信号的开源模型，并公开模型权重。Flora 已在其内部数据引擎中运行，每天在 500 块 GPU 上为 20 万小时视频打标。它提供带时间戳的高质量描述用于筛选人类第一视角与机器人数据、用于质量控制和强化学习后训练的密集进度奖励，以及面向真实世界基准的评分规则。
Claude 设计蝎子神经毒素蛋白结合物
科学博客新文：设计针对蝎子神经毒素的蛋白结合物。 蝎子每年蜇伤约 120 万人，抗毒血清往往昂贵或供应短缺。Claude 在寻找新疗法方面迈出了早期一步。 https://www.anthropic.com/research/claude-scorpion-toxin-binder-design
Cohere 发布 Rerank 5 检索重排模型，新增段落级 Context Focus
Cohere 发布企业检索重排模型 Rerank 5，分 Pro 和 Fast 两档，已在 Cohere API、Model Vault、Microsoft Foundry、Amazon SageMaker 上线并向所有 North 用户开放，API 定价为 Pro 每 1M Token 0.05 美元、Fast 0.02 美元。
10月20日
星期二，11 条MiniMax M3.1 Flash 上线 OpenClaw
来自 @MiniMax_AI 的 MiniMax M3.1 Flash 现已在 OpenClaw 中可用。 运行 v2026.10.1 或更新版本？无需更新 OpenClaw。
alphaXiv：科研智能体仍处早期，将迎自动化研究革命
alphaXiv 认为科研智能体的采用仍处早期，当前大致相当于编程智能体 12-18 个月前的水平：多数研究者只愿把范围狭窄的单项任务交给智能体，模型使用也集中在少数闭源前沿模型上。其预测，多数研究者很快会让智能体端到端探索实验路线，开源模型也将成为有竞争力的替代选项。相关排名可在 openresearch.sh/rankings 查看。
Google 与 Earth Fire Alliance 用 AI 卫星探测野火
Google Research 与 Earth Fire Alliance、Muon Space 合作的 FireSat 卫星星座，用 AI 从太空更早、更准地发现野火，可识别小至 5x5 米（约一辆车大小）的火点。
Sakana AI 提出推荐方法 QD-Rec，用进化式探索生成多样候选与假设
Sakana AI 开发了推荐方法 QD-Rec，把 Quality-Diversity（QD）进化式探索技术用于推荐，在有限评估预算下同时探索候选与假设的组合，保留新角度提案、合并相似提案，以积累多样化的推荐集合。
https://x.com/i/article/2112488984605806592
https://x.com/i/article/2112488984605806592
OpenAI 或准备发布 GPT-6.1 Terra
OpenAI 似乎也在准备发布 GPT-6.1 Terra 模型。 > 该模型引用近日出现在微软的评估配置 PR 中。 > 此前，The Information 报道称该模型也在开发中。
引用Lumina@LuminaBenchGPT-6.1 Terra is in a Microsoft PR Microsoft updated 18 evaluation configs from GPT-5.6 Terra to GPT-6.1 Terra Wouldn't be surprised if we get this soon
从内容到可信知识：2026 法兰克福书展的思考
2026 法兰克福书展上，关于 AI 的讨论焦点从能力转向权限、责任与可信内容能否被实际发现和使用。Research Information 的 Scholarly Publishing: Trends for Constructive Growth 报告显示，学术机构被普遍认为对 AI 准备不足，科研诚信虽是共同优先事项，但产业界与学术界的进展认知存在差距。
麻省总医院布里格姆团队开发FAHR-Face模型，仅凭面部照片初步预测癌症患者死亡风险
美国麻省总医院布里格姆医疗系统的研究人员用超过4000万张面部图像训练出基础模型FAHR-Face，并据此开发FAHR-FaceAge估算生物学年龄、FAHR-FaceSurvival直接预测癌症患者死亡风险，结果近期发表于《柳叶刀·数字健康》。
中国食品链多重耐药沙门氏菌的高风险耐药基因组特征及2050年预测
一项研究分析了中国食品链中多重耐药沙门氏菌的高风险抗菌耐药基因组特征，并给出至2050年的预测。原文正文未能加载，具体样本量、数据来源与预测方法无法核实。
10月19日
星期一，1 条论文提出 PhysRSI-eval 五轴指标，观测 LLM 智能体的物理递归自我改进能力
一篇预印本论文提出 PhysRSI-eval，用首次尝试表现、效率、成功率、预算和从失败中改进五个维度量化物理递归自我改进（physical RSI），并在固定交互预算下用 18 个操作任务评测不同视觉语言模型。
10月20日
星期二，3 条香山科学会议：粒子天体物理研究正从“装置驱动”转向“协同驱动”
9月29日至30日在北京召开的香山科学会议提出，粒子天体物理研究应从“装置驱动”转向“协同驱动”，会议召集人曹臻院士表示我国已形成国际领先或先进的大科学装置集群。与会专家建议组建联合协调工作组，构建“快速触发—多波段后随—数据融合”三级协同链条，并推动AI在装置运行、数据处理和多波段数据融合中的应用。
第六届中欧基础科学高层战略对话会在合肥举办，聚焦人工智能在基础研究中的作用
第六届中欧基础科学高层战略对话会于2026年10月8—9日在安徽合肥召开，主题为“人工智能在基础研究中的作用”和“如何平衡自由探索型和目标导向型基础研究”。会议由国家自然科学基金委员会与科学欧洲等机构参与，20多家科研资助机构、大学和科研机构的50余名专家代表参会。自然科学基金委主任窦贤康表示，该委正积极应对人工智能驱动的科研范式变革，推动人工智能赋能基础研究和科学基金管理。
Linear Depth Memory：固定大小跨层记忆提升Transformer困惑度
Linear Depth Memory（LDM）用递归最小二乘法在Transformer各层间维护固定大小的记忆，替代随深度增长的注意力残差存储。在400M和1.5B模型上，LDM的困惑度低于标准残差、mHC和AttnRes，零样本准确率具竞争力，配合优化内核吞吐相当。