Quant-Arena：用真实 A 股数据评测 LLM 智能体的量化研究能力
研究团队推出 Quant-Arena，这是一个面向端到端量化研究的基准与公开排行榜，使用真实 A 股数据：模型需自行构建特征与选股代码，仅能获得 2022–2023 年的反馈，并冻结一个策略在封存的 2024 年接受评估。
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。
254 条收录动态，更新于 10:50
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
星期三，3 条OpenAI 收购 Orchestra Bio，将药物研发协调智能体并入 Rosalind 平台
OpenAI 收购了帮助药企团队协调药物研发的初创公司 Orchestra Bio，并将其并入面向生命科学的 AI 平台 Rosalind。Orchestra 的智能体用于跟踪试验、在出现失败批次等问题时标记受影响的时间线并给出后续选项，目标是打通科学发现与临床试验、决策之间的环节。交易金额未披露，OpenAI 此前已与 Novo Nordisk 和 Moderna 在 AI 药物研究上合作。
OpenAI 提出 g-mean² 之外的互补可监控性指标
OpenAI 在 g-mean² 之外提出两项互补指标：配对匹配可监控性在共享任务实例上比较模型，减少不同模型有效样本子集差异带来的混淆；后控制风险指标模拟监控器拒绝输出后的部署场景，估算系统仍产生不良输出的概率。原文指出 g-mean² 无法反映监控器在部署中作为控制手段的实际风险，并给出干预评估的悲观下界推导。
10月22日
星期四，2 条OpenAI 智能体 32 分钟完成小鼠全脑 CRISPR 图谱分析
OpenAI 与 PerturbAI、Scripps Research 合作，用数千个基于 GPT-Rosalind 的 AI 智能体分析数百万个小鼠细胞的全脑 CRISPR 图谱，每个智能体负责一个基因扰动并检索文献解释细胞反应，整个分析耗时 32 分钟，团队估算人工完成需数月至一年。
数学是年轻人的学科：AI 时代数学研究的变局与隐忧
Tristan Buckmaster 在 Terence Tao 博客撰文称，OpenAI 的 Navier–Stokes 证明据称动用 1 万个智能体、耗时 88 小时，成本达数百万美元，而该问题悬赏仅 100 万美元。
10月21日
星期三，2 条OpenAI 收购生物技术软件初创公司 Orchestra Bio，团队并入 Rosalind
OpenAI 于周二宣布收购成立四年的 AI 生物技术软件初创公司 Orchestra Bio，交易条款未披露，该公司截至 2025 年据称已融资约 2000 万美元，投资方包括 Andreessen Horowitz、Atria 和 8VC。
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
星期四，1 条同行评审应约束评审权威：Hanrui Wang 等提出“权威受限的同行评审”
日本国立情报学研究所的 Hanrui Wang 等人在 arXiv 预印本提出“权威受限的同行评审”，主张在评审不确定性持续存在的前提下，约束单条评审意见进入最终决策的权威，而非仅靠提升评审人或聚合判断。该框架包含批评与权威解耦、独立二次评估、可质疑与可撤销、对缺乏依据影响的问责四项原则，面向大规模计算机科学会议中评审质量不均与评审人分配依赖问题。
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
星期三，2 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。
OpenAI 与 PerturbAI、Scripps Research 用数千个 AI 智能体分析小鼠脑细胞数据
OpenAI、PerturbAI 和 Scripps Research 用数千个由 GPT‑Rosalind 驱动的 AI 智能体并行分析已有的小鼠全脑 CRISPR 图谱数据，在 32 分钟内把基因扰动效应与文献发现连接起来，形成可检索的 reasoning atlas。
入选理由材料给出分布式智能体在真实脑细胞数据上产出可检验线索的具体流程与对照结果，研究者可据此判断这类分析能否接入自己的实验数据。
10月22日
星期四，4 条Artificial Analysis 对比 14 个模型在医学长文本推理与 HealthBench Professional 上的表现
Artificial Analysis 在自建的 MLCR-AA（基于 wisedocsai 的 Medical Long Context Reasoning 基准）和 OpenAI 的 HealthBench Professional 上对比了 14 个模型。
Recursive首款模型Flint上线OpenRouter
来自 @Recursive_SI 的 Flint 现已登陆 OpenRouter！ Recursive 的首款模型：一个开放权重 40B MoE（约 2.5B 激活参数），由其自动研究系统 Eureka Machine 为编程智能体打造。262K 上下文，支持推理与工具调用。 Recursive 报告称：Terminal-Bench 2.1 上 54.9%，SWE-bench Pro v2 上 89.7%，SWE-bench Verified 上 74.2%。 发布时可免费使用。 立即体验：https://openrouter.ai/recursive/flint-v1.0:free
引用Richard Socher@RichardSocherIntroducing Flint, @Recursive_SI’s first model: a fast local coding model built with our automated research system, the Eureka Machine. • Best-in-class fast local coding • Up to 2x faster than comparable models: 125+ tokens/sec on a MacBook Pro, 150+ on RTX Spark • Built from scratch in under 4 months Private, unmetered intelligence on your own machine. Open weights available now on @huggingface, run it locally on your favorite framework or try it for free on @opencode or @pidotdev.
Dual Exam：多模态智能体与世界模型的受控评测
Dual Exam 基准将多模态智能体与世界模型的评测拆开：智能体赛道在固定环境响应下比较 10 种配置、1,088 道题，世界模型赛道含 8 个场景 400 个案例，15 种配置实现全覆盖。
OpenAI 称 GPT-Rosalind 智能体提出神经退行性疾病药物新线索
OpenAI 的 Greg Brockman 转发介绍，GPT-Rosalind 在药物发现上给出新线索：与 Perry 综合征相关的基因 DCTN1 在小鼠脑数据中被破坏后，胆固醇合成相关基因表达上升，GPT-Rosalind 据此提出胆固醇可能未到达神经元所需位置的机制解释。OpenAI 称与 PerturbAI 和 Scripps Research 合作，数千个 GPT-Rosalind 智能体并行工作，在 32 分钟内把数百万个小鼠脑细胞的基因表达结果与科学文献关联起来，该机制尚待科学家验证，合作正在扩展以寻找新药物靶点。
引用OpenAI@OpenAIGPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in making cholesterol. GPT-Rosalind suggested a possible explanation: cholesterol may not be reaching where neurons need it. That gives scientists a specific mechanism to test and, if confirmed, a direction for developing new treatments for neurodegenerative disorders. With @perturbai_tx and @scrippsresearch, a team of thousands of GPT-Rosalind agents worked in parallel, connecting gene-expression results from millions of mouse brain cells with scientific literature in just 32 minutes. We’re now expanding this collaboration to identify new drug targets. https://openai.com/index/scaling-ai-research-for-complex-biological-data/
10月21日
星期三，6 条Artificial Analysis 更新 Wisedocs 医疗长上下文推理榜单 MLCR-AA
Artificial Analysis 更新了 Wisedocs 医疗长上下文推理基准 MLCR-AA 的提示与评分方式，Claude Sonnet 5.5 与 GPT-6 Astra 以 41.7% 并列第一，GPT-6.1 Sol 以 38.3% 紧随其后，Qwen3.8 2.4T A95B 以 30.6% 领跑开放权重模型。
GPT-Rosalind 提出神经退行性疾病新线索：恢复胆固醇转运或可保护神经元
OpenAI 称 GPT-Rosalind 在药物发现中提出一条新线索：恢复胆固醇转运是否可能保护神经元免于退化。与 Perry 综合征相关的基因 DCTN1 在小鼠脑数据中被破坏后，参与胆固醇合成的基因表达上升，GPT-Rosalind 据此推测胆固醇可能没有到达神经元所需的位置，为科学家提供了可检验的具体机制。
MIT 6.S950 第五讲更新：拆解 Agent Harness
MIT 公开课 6.S950 第五讲讲义更新，用约 300 行 Python、两个工具（search、read_lines）、本地 Ollama 跑模型的教学 Agent「Baby Anigans」拆解 Agent = LLM + Harness。
引用meng shao@shao__menghttps://x.com/i/article/2103456568209768449
OpenAI 收购 Orchestra Bio，将并入 Rosalind 生命科学模型与工具
OpenAI 宣布收购 Orchestra Bio，该平台用于帮助生物制药团队协调复杂的药物开发流程。OpenAI 表示将在此基础上发展面向生命科学研究的 Rosalind 模型与工具，以简化这些流程、让新疗法更快到达患者。Greg Brockman 转发该消息并称，加速药物开发是其模型一个令人兴奋且有前景的新兴应用方向。详情见 https://openai.com/index/openai-to-acquire-orchestra-bio/
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/
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/
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/
10月20日
星期二，5 条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
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。
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。
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。
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OpenAI 宣称证明准黎曼猜想，数学家如何评价
OpenAI 在 2026 年 10 月 6 日公布的 377 项结果中，有一项宣称解决了准黎曼猜想，即黎曼猜想的一个较弱版本。斯坦福大学的 Jared Duker Lichtman 称这项新证明是迄今 AI 用于数学最重要的成果，且领先幅度相当大。
入选理由材料交代了 OpenAI 宣称解决准黎曼猜想及数学家对其分量的评价，可据此判断 AI 在数学证明中的位置。
10月20日
星期二，2 条OpenAI 收购 Orchestra Bio，将其药物研发协调平台并入 Rosalind
OpenAI 宣布收购 Orchestra Bio，后者是一个帮助生物医药团队协调药物研发流程的平台，其团队与技术将与 OpenAI 面向生命科学研究的 Rosalind 模型和工具整合。
Agent4Sci 测试前沿智能体能否在 11 个领域的科学 ML 基准上超越已发表最优模型
研究团队提出 Agent4Sci，一个覆盖 11 个领域、20 个科学 ML 基准的长程测试平台，用来衡量当前前沿智能体能否在真实条件下改进已发表的最优模型。结果显示，前沿智能体在每个基准上都取得提升，Claude Opus 平均相对改进 10.4%，且没有运行被标记为学术不端；但这些提升几乎都来自 ML 工程技巧，而非研究层面的洞察。