Ai2 发布 FairStress 基准，评测大语言模型决策公平性在说服压力下的稳定性
Ai2 发布 FairStress 基准，用于测量大语言模型在涉及人的决策中，除最终选择之外的群体公平性，并已开放下载、接入其评测工作台 Olmo-eval。该基准包含 29 个领域的 300 个双候选人决策场景，通过替换人口身份表述并施加对抗性前缀，扩展出超过 1300 万个测试用例，另提供基于项目反应理论筛选的 5 万条子集 FairStress-Core。
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20日
星期二，1 条10月19日
星期一，5 条AnyGoal：世界模型在专家轨迹之外的泛化基准
研究者提出 AnyGoal，一个由常用世界模型环境构建的目标偏移任务变体基准及开源库，用于检验世界模型能否把熟悉的状态与动作因子重组为有效动力学。每个任务中单个状态因子和动作仍在训练支持范围内，但其组合在专家轨迹中出现不足。在多个环境和世界模型家族上，当前模型在这类重组下持续失败。
OpenVLHarness 发布多模态推理框架，22 个基准平均提升 9.7-12.6 分
研究团队提出 OpenVLHarness，一个由能力层和持久多模态记忆组成的多模态推理框架，能力层把异构工具输出渲染成模型可读的观察结果，记忆层保留图像、结构化数据和网页引用，并可通过代码接口在已存数据上执行计算。
Holi-World：从人类第一视角经验构建整体世界智能
Holi-World 是一套整合经验采集、世界表示、自动化数据构建、模型学习与独立评测的生态，其 HoliWorld-Foundry 结合静态与动态感知自动构建世界记录，HoliWorld-Data 将约 100 个自采集场景整理为约 80K QA 对，用于训练 HoliWorld-VL-4B。
BrainLoRA 用参数高效微调适配 104B 多模态主干做脑编码
研究团队提出 BrainLoRA，用低秩适配器（LoRA）加轻量读出层对预训练多模态主干做参数高效微调，从而完成脑编码任务，可适配的主干规模最高达 104B 参数。
AdaExploreBench 发布：评测 LLM 智能体在演化环境中的主动探索与测试时适应
研究团队提出 AdaExploreBench，用隐藏规则和隐式规则漂移来评测 LLM 智能体能否主动取证、推断环境规则，并在性能下降时察觉旧知识失效并重新探索。在八个主流 LLM 上的实验显示，GPT-6 Sol 的校准准确率仅为 61.9%；当提供充分证据或移除规则漂移后，平均表现提升接近 10%。作者据此指出，当前智能体在证据可得时能有效推理，但难以主动获取正确证据并识别已有证据何时失效。
10月20日
星期二，7 条DeepSeek V4.1 Flash 1017 等三款新模型发布，AINews 盘点本周 AI 动态
DeepSeek V4.1 Flash 1017 以 552B 总参数、16B 激活的 MoE 架构和 MIT 许可发布，在 AA Intelligence Index 上得分 45，位列开源权重模型第二。
从代码存档到知识图谱：打通 Software Heritage、COAR Notify 与 Wikidata
一项工作提出将 Software Heritage 的代码存档与 Wikidata 知识图谱对接，并借助 COAR Notify 打通二者。Software Heritage 截至 2025 年 12 月已存档超 270 亿个唯一源文件、逾 4.21 亿个项目，约 2 PB 数据，其 SWHID 已纳入 ISO/IEC 18670:2025 标准。
EpiLens 开源轻量 RAG 包发布，用于流行病学文献结构化提取
ISI Foundation 团队发布开源轻量 RAG 包 EpiLens，用固定检索模板和输出 schema 对语料中每篇论文做同样的结构化分析，并把每条输出链接回原文段落。
SQuIREL：面向 Wikidata 实体丰富度的上下文相对度量框架
研究者提出 SQuIREL，一种在实体层面衡量 Wikidata 丰富度的方法，按语义具体性、限定符密度、内部连通性、引用来源、外部网络连通性与语言可及性六个维度分别打分而不合并为单一分数。在油画与作家两组案例中，该方法识别出 48% 的巴西油画实体属低丰富度条目，而法国组为 0%，并揭示英国与尼日利亚作家之间不同的性别差距。该工作以 arXiv 预印本形式发布。
MDPI 团队提出 MATCH 框架，为 200 多万篇论文自动标注 SCALE 细粒度概念
MDPI 数据智能团队提出 MATCH 框架，用标题、摘要和作者关键词把 SCALE 分类体系中的 Scientific Concepts 分配给单篇论文，并保留完整层级路径。
用弱监督域内适配改进 SPECTER2 科学嵌入，用于探索性文献图谱构建
捷克科学院团队用 OpenAlex 书目耦合关系构造正样本，以轻量 LoRA 适配器微调 SPECTER2，在 704 篇人工意识主题文献的 ArtCon 语料上做弱监督域内适配，无需人工标注相似度标签。
Grok Bot 模板无需现成，直接创建即可
确实，试试 Grok @Bot
引用Dan@KettlebellDanPeople keep asking me for Grok Bot templates But you can just spin up a new bot and tell it what you need It’s indistinguishable from magic
10月19日
星期一，2 条MIRA：面向可控图文报告的深度研究智能体
斯坦福大学、香港科技大学、京东等机构的研究者提出 MIRA，一个面向可控图文报告生成的多模态深度研究智能体，把用户对报告粒度、图文构成和证据溯源的要求写成生成契约，串起证据收集、报告提交、反馈修订和最终交付四个阶段。
OpenSaC 开源 Python 库发布，让深度研究智能体以代码组织检索
中国人民大学与新加坡国立大学的研究者发布开源 Python 库 OpenSaC 及配套 Search as Code skill，让 Codex、Claude Code 等编码智能体用 Python 程序组合搜索、内容抓取、重排和模型调用，并保留来源供检查复用。
10月18日
星期日，1 条NeuroAct：面向 EEG 分析与解码的双环自主研究代理框架
同济大学等机构的研究者提出 NeuroAct，一个面向 EEG 分析与解码的自主研究代理框架，内环由协调者调度研究、开发、审稿三种角色，依据信号结构、表征、预测器行为和训练动态的证据选择分析与干预，外环把结果提炼为带任务与模型条件的可检验建议并在后续任务中验证修订。
10月20日
星期二，3 条https://x.com/i/article/2112385204463759360
https://x.com/i/article/2112385204463759360
MiniMax M3.1-Flash 上线 WorkBuddy
@MiniMax_AI 的 M3.1-Flash 刚刚上线 WorkBuddy。 0.08x 消耗。300K 上下文。最大思考强度。 选它。提示它。发布它。 然后把你的作品丢到回复里。我们很好奇（充满爱意地）。
谷歌AI智能体在湿实验室完成设计到纠错的闭环测试
谷歌官方技术博客介绍其AI智能体自主湿实验室建设进展，团队让智能系统在液体处理机器人上完成设计分子、安排实验、读取结果、调整下一轮方案的闭环测试。团队搭建的VERID框架基于开源机器人控制框架，为工作台建立持续更新的数字孪生，记录机械臂位置、孔内液量、试剂种类和枪头库存等状态，并在确认无撞针、空吸、容器不匹配等问题后才下发指令。
10月19日
星期一，1 条学者有责任捍卫 Wikipedia 这类开放知识系统
LSE Impact Blog 刊文主张，高校学者作为知识生产者与教育者，负有伦理责任捍卫 Wikipedia 等开放知识社区。文章称生成式 AI 产品分流读者、未经授权抓取内容，而 Wikipedia 由志愿者社区运营、依赖读者补充新血。
10月20日
星期二，5 条MiniMax M3.1 Flash 发布：推理模型跑分 42，单任务成本约 0.22 美元
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis Intelligence Index 上得分 42，比前代 M3 高 13 分，单任务成本却不到其一半。
MIT 等团队开发 E(3)-Pose，用对称性先验改善胎动中的胎儿脑 MRI 成像
MIT、波士顿儿童医院与 Inria 的研究团队开发并训练了深度学习模型 E(3)-Pose，用于在胎儿头部运动时辅助成像，获得可供放射科医生查看的高分辨率图像，相关论文在 2026 年 European Conference on Computer Vision 上报告。
Goodfire 研究员称 LLM 内部机制远比预想更易理解，引发 AI 圈激辩
AI 初创公司 Goodfire 研究员 Nick Cammarata 在一篇 2.6 万字博客中提出，大语言模型内部机制可能远比此前认为的更容易理解，从而更易监控与控制。他称自己每天花约 10 小时观察神经元，重新分析 Inception v1 后认为此前对"叠加"现象的解读有误。斯坦福大学 Chris Potts 等研究者则认为这目前只是猜想，并未让问题变简单。
NVIDIA 在 Jülich 超算中心完成 104 量子比特容错量子计算模拟
NVIDIA 在德国 Jülich 超算中心的欧洲首台百亿亿次超算 JUPITER 上完成 104 量子比特容错量子计算模拟，为迄今规模最大的容错量子处理器完整模拟。
Terence Tao 梳理 Green 对无 Siegel 零点证明的简化版本
Terence Tao 在其博客中给出 Ben Green 对"无 Siegel 零点"证明的简化梳理，该证明出自 OpenAI 近期发布的一篇九页论文，几乎完全依赖代数数论与数的几何。Green 建立的关键界在尺度接近平方量级时比 Mertens 定理给出的平凡界改进约一个因子，从而排除 Siegel 零点。Tao 披露使用新的 SAIR 开放数学模型辅助理解预印本。
10月19日
星期一，1 条四个 Gemini 4 Argon 智能体自主通关《我的世界》击败末影龙，耗时 27 小时
谷歌研究人员在论文中称，四个 Gemini 4 Argon 智能体在随机生成世界中完全自主通关《我的世界》，27 小时击败末影龙。智能体仅通过游戏内聊天框协调，全程发送 229 条消息、运行 2783 个程序、死亡 605 次，消耗 13.5 亿个输入 Token，按普通用户标准成本约 1,620 美元。
10月20日
星期二，3 条英伟达在 JUPITER 上完成 104 量子比特容错量子计算模拟，物理比特减少 90%
英伟达当地时间 10 月 19 日宣布，在德国于利希超级计算中心的 JUPITER 超级计算机上，用 8192 块 GPU 完成 104 量子比特容错量子计算模拟，并验证了魔态培育方案，相比以往方法所需物理量子比特减少 90%。
面部照片 AI 工具可预测癌症患者生存期，研究发表于《柳叶刀·数字健康》
研究人员开发出一款 AI 工具，仅凭一张面部照片就能预测癌症患者的生存几率，研究发表在《柳叶刀·数字健康》。模型用超过 4000 万张人脸图像和 3 万多名癌症患者的照片训练，会为患者生成风险评分，评分最高者更可能在 90 天内死亡；估算年龄误差约 5 岁，并能在不同年龄、种族、性别和癌症类型人群中生效。
《北京科学宣言》发布，形成面向 2030 年后全球科学发展共同主张
2026 年国际科学理事会中期会员大会暨北京科学对话在北京开幕，开幕式上发布《北京科学宣言》，倡议围绕科学作为全球公共产品、负责任人工智能、科学与社会信任等议题形成面向 2030 年后全球科学发展的共同主张。大会由国际科学理事会主办，中国科学技术协会、中国科学院、中国社会科学院、北京市人民政府共同举办，来自 88 个国家和地区的 1230 余名中外科技界代表参会。
10月19日
星期一，1 条STAT+：中国着手限制外资收购生物科技企业
STAT+ 报道，中国正采取措施限制外国对本国生物科技企业的收购。该报道为 STAT+ 订阅专享内容，正文未公开具体限制措施与实施范围。同期生物科技动态还包括 Isomorphic 的 AI 布局进展与加州 84 亿美元科研资助计划。