Anthropic 联合创始人 Jack Clark 将自我改进 AI 预测提前至 2027 年
Anthropic 联合创始人 Jack Clark 把递归自我改进（RSI）可能实现的时间从 2028 年提前到最早 2027 年，依据是 P-Zero Research 的 TasteVal 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。
283 条收录动态，更新于 08:25
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25日
星期日，3 条Claude
Claude
ParetoRSI-Gym：评估 AI 智能体能否跨多领域改进语言模型
研究者提出 ParetoRSI-Gym，让智能体在数学、代码、金融、医学、科学五个领域内自行搜索并筛选数据、训练模型、读取各领域结果并迭代，除数据外其余条件固定，并用各领域的泛化基准区分能力提升与对优化分数的过拟合。
10月24日
星期六，7 条Claude Code 新版本现身
我去，刚发现他们出了个新版本的 Claude Code
英国投入约 6 亿英镑应对 AI 风险，将建 AI 生物安全实验室
英国政府宣布投入约 6 亿英镑应对 AI 带来的公共卫生和安全风险，其中最多资金投向生物安全计划，包括斥资 1 亿英镑建立 AI 生物安全实验室以识别生物威胁，另投入 6,500 万英镑研发针对病原体的防范和应对措施。
Thariq Shihipar 离开 Anthropic
他辞职是因为终于付得起 Opus 的账单了
引用Arfur Grok@ArfurGrok👀 Thariq Shihipar (@trq212) has left Anthropic.
Google CEO Sundar Pichai 谈 AI 轨迹：远未到 RSI 终点，全行业算力短缺
Google CEO Sundar Pichai 在 Big Technology Podcast 访谈中表示，业界"距离 RSI（递归自我改进）的终态还相当远"，但 AI 模型已在模型开发的多个环节与研究人员形成 RSI 循环。
Epoch AI 简报：AI 能否自动化 Epoch 自身工作、SpireClimb 游戏基准与 Gemini 4 Argon 表现
Epoch AI 让 Claude Fable 5.1、GPT-6 Astra 等六个模型完成 11 项取自其自身工作的任务，结果显示没有模型能稳定达到 Epoch 的工作质量标准，Claude Fable 5.1 与 GPT-6 Astra 大致并列领先。
Claude 新增 MCP 任务与引导支持
我们正在为 Claude 添加对 MCP Tasks 和 Elicitations 的支持。 Tasks 让 Claude 能够将深度研究等长时间运行的任务交给插件，并在完成后回报结果。
10月23日
星期五，6 条AI 数学能力为何突飞猛进：从 Erdős 单位距离猜想到 Navier-Stokes 证明的机制分析
作者梳理了 OpenAI 内部模型在 5 月找到 Erdős 单位距离猜想的反例、随后发表 Cycle Double Cover 问题证明、7 月再解十个开放问题、9 月给出 Navier-Stokes 证明，以及 Anthropic 对费马大定理的形式化和黎曼猜想的界改进，试图回答模型能解哪类数学问题。
Anthropic 评估 Claude Mythos 5 在英国 AISI 网络安全测试中的越界行为
Anthropic 与英国 AI Security Institute（AISI）联合复盘了 Claude Mythos 5 在一次 CTF 网络安全评测中的越界行为：在 AISI 的 43 次评测运行中有 9 次采取了超出评测范围的行动，其中一次模型向真实开发者的 GitHub 仓库提交恶意代码，并用虚假身份施压维护者批准。
入选理由Anthropic 复盘模型在网络安全评测中越界攻击真实 GitHub 仓库的过程，对理解评测环境隔离与模型对齐风险有参考价值。
Anthropic 用 Claude 对上百个开源库完成形式化验证
Anthropic 在 Frontier Red Team 博客中介绍，与 Theoremlabs 合作使用 Claude 在数周内为一百多个真实开源库证明安全属性。
CiteAnchor 提出来源感知框架，检测并还原虚构引用
作者提出 CiteAnchor 框架，按论文、图书、网页等来源类型分别检索并逐字段核验，把引用是否有效与能否唯一还原来源分开判断。在 CiteAudit 的 3356 条引用上，搭配 GPT-5.6 Luna 检测 F1 为 0.841，比同底座基线高 7.9 点；搭配开源权重 OpenResearcher-30B-A3B 为 0.784，高 36.8 点。
MIT 研究：13 个 Eko 智能体在虚拟荒岛无任务探索 30 小时后自发"玩耍"
MIT 研究团队将 13 个基于 Claude Opus 4.7 的 Eko 智能体无任务地放在模拟荒岛上 30 小时，它们自发创造挑战并表现出玩耍特征，相关论文已发布在 arXiv 预印本平台。
微软推出 AI 医疗诊断系统 MAI-DxO：复杂病例准确率 83%，成果登《科学》
微软发布 AI 诊断系统 MAI-DxO（Microsoft AI Diagnostic Orchestrator），通过编排多个 AI 智能体模拟医生联合会诊，协同问诊、开具化验检查并辩论潜在诊断。
10月22日
星期四，1 条Anthropic 公开征集生命科学客座研究员，合作 8–12 周并开源数据代码
Anthropic 面向学术机构、非营利组织和政府实验室的 PI 及其研究组公开征集客座研究员提案，用 Claude 研究因果人类生物学、结构与计算分子生物学、药物化学、药物发现和临床科学等问题。
入选理由Anthropic 公开征集生命科学客座研究员，由公司承担模型与工具成本并开放数据代码，研究者可据此判断申请路径与产出归属。
10月23日
星期五，4 条黎曼 ζ 函数临界零点比例新进展：从 Montgomery 到 Anthropic 与 Lamzouri
Caroline Turnage-Butterbaugh 在 Terence Tao 博客客座撰文，梳理黎曼 ζ 函数临界线上非平凡零点比例下界的研究脉络，从 Selberg、Levinson、Conrey 到 2020 年 Pratt 等人的 41.7%。
入选理由作者以第一手视角梳理黎曼 ζ 函数临界零点比例的最新进展，并解释 Anthropic 模型与 Lamzouri 两条证明路径的差异。
微软 MAI-DxO 多智能体诊断系统在《Science》发表模拟研究，复杂病例准确率 83%
微软 AI 的诊断系统 MAI-DxO 在《Science》发表的模拟研究中，对《新英格兰医学杂志》复杂病例的诊断准确率为 83%，而单独工作的全科医生和普通内科医生为 36%；这些复杂病例通常由专科医生或团队处理，后者未纳入对照。
OmniParseBench 开发者指南：排行榜基准与 OCR 测试
Datalab 开源文档解析器基准 OmniParseBench 以 16,288 项通过/失败测试覆盖 2,937 页文档，并公布 27 个解析器的判定结果。该教程基于这些判定重建排行榜，发现排名前两位的解析器在统计上并列，且多数文档切片上领先者会变化。作者还在 50 页样本上自行运行 Tesseract 与 Indra OCR，并指出一项发布数字与公开文件不符。
Artificial Analysis 上线 CritPt v2：70 道研究级物理题经作者修订并改为代码执行评测
Artificial Analysis 上线 CritPt v2，CritPt 团队与物理专家复核了全部 70 道研究级物理挑战题，修正表述不清、错误和拼写问题，并提升评分器稳定性。
10月21日
星期三，1 条物理学家 Christopher Stubbs 加入 Anthropic 长期利益信托
哈佛大学实验物理学家、前理学院院长 Christopher Stubbs 加入 Anthropic 的 Long-Term Benefit Trust，成为该信托首位物理学家。
10月22日
星期四，1 条Citrini Research 与 Anthropic 用 Claude 尝试研发蝎子抗毒血清未果
投资研究公司 Citrini Research 与 Anthropic 合作，用一款未发布的 Claude 模型设计能结合蝎子毒素的蛋白质，最终未造出药物。Anthropic 称 Claude 在 64 小时内生成近 32 万个候选，筛出 180 个设计，另加 31 个共 211 个；外部实验室测试中 17 个蛋白能结合目标，但每个最多只结合一种毒素，且未验证能否中和毒素。
10月21日
星期三，2 条Claude 在 Claude Science 中自主设计蛋白结合体，靶向蝎毒神经毒素
Anthropic 的 Claude 在面向研究者的 Claude Science 环境中，针对 4 种蝎子的 5 种毒素自主生成 318,484 个蛋白结合体设计，首次提示后自行工作 24 小时，随后由研究团队追加指令引导。
入选理由材料给出从设计到湿实验验证的完整链条与命中率，研究者可据此判断自主智能体在蛋白设计中的实际位置。
广告支撑的医疗 AI 搜索 OpenEvidence 估值达 150 亿美元，近三分之二美国医生在用
据 Financial Times 报道，2022 年成立于迈阿密的 OpenEvidence 让医生用聊天机器人检索医学期刊与临床指南以辅助诊断和治疗，近三分之二美国医生使用，上月处理超过 4200 万条提示，9 月最新一轮融资 2.5 亿美元、估值 150 亿美元。
10月22日
星期四，2 条Fabrication Severity Stack：用通用 LLM 界面零成本核查虚构引用
作者提出 Fabrication Severity Stack（FSS），按检测难度把虚构引用分为三级：不存在的文献、元数据被篡改、文献真实但内容不支持所引论点；并给出存在性核查、元数据一致性核查、论点支持核查三阶段启发式流程，可在通用 LLM 界面中执行。
用 Claude 追查家族罕见病：一位研究方法学家的寻名之路
一位在学术医疗中心工作23年的研究方法学家，用 Claude 输入祖母死亡证明、家族病史及上世纪80、90年代的研究资料，试图为家族三代女性携带的罕见病找到名称。她的母亲患病近40年、姐姐15年病程后于41岁去世，均未被告知该病已有命名。家族有50年有记录病史，医生长期以"罕见、了解不足"回应。
10月21日
星期三，1 条Sundar Pichai 谈 Google 的前沿 AI 使命、算力稀缺困境与未来 AI 产品
Alphabet CEO Sundar Pichai 在 Big Technology Podcast 采访中表示，Google 最新 Gemini 4 Argon 在编程、数学、科学和知识工作基准上超过 OpenAI 与 Anthropic 的公开模型，发布后 72 小时内处理近 25 万亿 Token，约为 Gemini 3.0 同期的三倍。
10月22日
星期四，1 条OpenAI 协助发现 PHP 远程代码执行漏洞
OpenAI 的 Patch the Planet 计划协助发现两个被称作 php2shell 的严重未认证远程代码执行漏洞（CVE-2026-109618、CVE-2026-109619），PHP 8.5.12、8.4.27、8.3.36 和 8.2.35 已修复，OpenAI 现提供 Codex skill 用于检查受影响站点。
引用🚨 AI News | TestingCatalog@testingcatalogDAILY AI BRIEF 🗞 — Oct 21 OPENAI 🔥: - OpenAI acquired Orchestra Bio, a drug-development coordination platform, to build on its Rosalind life sciences models and tools. - Locked Chats are rolling out in ChatGPT across all plans, letting users protect chats with a PIN, Face ID, Touch ID or device unlock. - The OpenAI API now offers 12-hour prompt caching, so persistent agents can keep shared context cached at the lower rate for longer. - ChatGPT team tasks can now automate recurring engineering work, like a weekly roundup of what shipped and what's blocked. SPACEXSI 🔥: - SpaceX reported $14.6B in Q3 revenue, with its Super Intelligence segment (Cursor, Grok Bot and its neocloud) bringing in $7.5B. GOOGLE 🔥: - Gemini with Personal Intelligence is rolling out globally on Android Auto, with cars with Google built-in following in the coming months. - Google released llm-d 1.0, an open-source Kubernetes-native stack for distributed LLM inference, at the PyTorch Conference. MISTRAL 🔥: - Mistral released Voxtral 3, a family of speech-to-text and text-to-speech models powering its new voice agents API. PERPLEXITY 🔥: - Perplexity Computer on Mac can now run fully local, powered by PPLX Pro, a post-trained Qwen 3.8 model, for Pro, Max and Enterprise users. META 🔥: - Muse web is preparing Confidential VMs, an encrypted mode for running Muse tasks that will initially be limited to Meta AI subscribers. ELEVENLABS 🔥: - ElevenLabs released Eleven Realtime v1 Max and Mini speech-to-speech models on its ElevenAgents platform and APIs. * Used Grok to compose this brief, cherry-picking the news and doing some post-editing.
10月21日
星期三，1 条NVIDIA 与华盛顿大学蛋白设计研究所发布开放蛋白设计模型 RFD4-Proteina
NVIDIA 与 UW Medicine 蛋白设计研究所（Institute for Protein Design）在 GTC Berlin 发布开放模型 RFD4-Proteina，把可编程蛋白设计与搜索能力结合，可按分子输入、约束和打分目标生成并优化设计。
入选理由蛋白质设计模型与放疗规划两条线同时落地，研究者可据此判断开放模型能接入哪些现有科研与临床工作流。