中国数学会发布 AI 时代数学发展与人才培养声明，倡导减少重复性运算考核比重
中国数学会发布关于人工智能时代数学发展与人才培养的声明，倡导非数学专业数学课程合理使用 AI 工具，减少重复性运算在教学与考核中的比重，把重点转向数学思想、理论结构、建模方法和结果解释。
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。
2,298 条收录动态，更新于 17:06
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。
11月7日
星期六，3 条LSA：超长上下文稀疏注意力加速新方法
论文提出 Latent Sparse Attention（LSA），将相似 token 聚类并组织成可搜索的层级结构，使查询无需扫描整个上下文即可定位相关信息。在 10M token 上下文下，LSA 单层注意力的 prefill 比 GLM-5.3-Flash 原稀疏注意力快 22.7 倍、解码快 4.6 倍，且准确率相近。
alphaXiv OpenResearch v0.2.25 发布
alphaXiv OpenResearch 发布 v0.2.25，重写了实验引擎并支持在对话中途切换 harness。该版本新增跨工作区聊天记录搜索、可调整大小的聊天输入框和土耳其语界面，并修复了远程会话中 alphaXiv 登录不打开浏览器、Linux 桌面端无法粘贴剪贴板图片等问题。项目还支持以 .orx 文件分享项目、发布为 openresearch.sh 链接。
11月6日
星期五，1 条在策略自蒸馏（OPSD）的偏差问题
在策略自蒸馏（OPSD）用带额外上下文（如标准答案）的同一模型作教师，理论上可提供逐 token 的稠密监督，但该监督主要引入偏差而非有效信息。文献显示，OPSD 在 Qwen3-8B 数学任务上 100 次更新后可追平并超过 GRPO，但在留出编程问题上 SDPO 于 Qwen3-8B 下降 2.5 分、Olmo-3-7B-Instruct 下降 9.9 分。
11月7日
星期六，1 条Together Compiler 论文独家发布于 alphaXiv
Together Compiler 独家发布于 alphaXiv！
引用Simran Arora@simran_s_aroraIn Together's tradition of advancing open-source research, we are sharing our findings with the AI community. Of course the idea of using agents to optimize inference is around in the ether within high-level blogs and such, but we find that the spark comes from really getting into the tradeoffs and details. This is the first detailed research release on agentic inference optimization for production-scale. Hope you find it interesting: Together Compiler paper: https://www.alphaxiv.org/abs/2611.together-compiler-continual-ai-inference Together Compiler blog: https://www.together.ai/blog/together-compiler-continual-compilation-for-ai-inference Our research roadmap blog: https://www.together.ai/blog/polymorphic-inference Huge congratulations to @reyna_abhyankar and @dylan__lim on getting this out! 💫 We’ll be sharing more blogs on the Together Compiler journey, results, additional Polymorphic Inference research over the next stretch! Stay tuned!
11月6日
星期五，1 条为何 on-policy 自蒸馏不是持续学习的万能解
Base Labs 在 11 月 6 日的研究更新中论证，on-policy 自蒸馏（OPSD）虽在部分场景仍有用，但不值得继续投入研究。作者指出，带提示的教师模型已知答案、无需回溯或保留余地，这种稠密监督主要引入偏差，等于用干净但有偏的信号换掉噪声大但方向正确的奖励。
11月7日
星期六，5 条Anthropic 研究称 Claude 智能体可借“做梦”机制整理记忆
Anthropic 发布研究文章《The components of agent memory》，将 Claude 智能体记忆拆为会话日志、记忆笔记、知识表征和注入上下文四层，并引入“做梦”机制，让模型在两次交互之间的空闲时间回顾日志、纠错并更新知识库。
研究用任务模型估算 AI 对科研进展速度的影响
Peter McCrory 等人用基于任务的研发进展模型，探讨 AI 可能如何影响不同领域的整体科研进展速度。结果显示，若现有 AI 能力被广泛采用，部分领域的研究产出可能翻倍。
观察显示科学家主要用 Claude 做数据分析和写作
Peter McCrory 在 X 上称，科学家使用 Claude 时主要集中在数据分析和写作，数据分析约占 Claude 会话的三分之一、约占 Claude Code 会话的近一半。科研构思与数据收集的使用比例更低，尽管受访科学家将这些任务评为重要。原文未说明统计口径与样本范围。
Anthropic 报告分析 Claude 在不同学科与研究任务中的使用差异
Anthropic 发布报告《AI for scientific discovery: How researchers use Claude》，考察 AI 使用情况在不同科学领域和研究任务间的差异。报告评估采用模式后发现，Claude 在形式科学中的使用相对更多。
OpenRouter 十月数据回顾上线
完整回顾为每个部分都配有交互式图表，还包括各实验室内部的模型构成。 阅读更多：https://openrouter.ai/data/october-2026
11月6日
星期五，2 条Anthropic 拆解智能体记忆的组成：记忆笔记、dreaming 与 wiki 表示
Anthropic 在官方研究博客中说明其对 Claude 智能体记忆的设计思路，把记忆定义为跨会话保留、以可读上下文形式保存的经验知识，并区分于权重更新、会话内学习和上下文压缩。
Transluce 研究微调效果预测的规模定律：监督模型性能随模型与数据规模呈幂律提升
Transluce 训练不同规模的 Qwen3.5 监督模型，在给定微调数据集、提示词和基座模型回答的条件下预测微调后 Qwen3.5-2B 的回答，发现性能随模型与数据规模呈幂律提升。例外是与被监督模型同源的监督模型表现优于更大模型，且性能存在非零损失下限。研究还显示预测性能可泛化到更难的分布外数据集。
11月7日
星期六，3 条OpenClaw 如何发布版本
史上最大的开源项目之一是如何做发布的？🦞 @dallinfinite 讲解了 OpenClaw 的发布流程：dev、beta 和 stable 三个渠道，每周一班的 beta 列车，以及由一个智能体会话全程护航每次发布。
Inkling 2 Small 在 ARC-AGI 基准表现
来自 @thinkymachines 的 Inkling 2 Small 在 ARC-AGI（已验证）： - ARC-AGI-2：81.7%，每任务 $0.27 - ARC-AGI-1：96.5%，每任务 $0.08 在我们评估过的所有开放权重模型中，它在 ARC-AGI-1 和 ARC-AGI-2 上均表现最佳。 Thinking Machines 计划下周发布完整权重。
Anthropic 科学博客：AI 如何改变科学建模
Anthropic 科学博客发文讨论 AI 如何开始改变科学建模：科学家仍主要手工编写模型，并需在多个竞争性版本间权衡。客座作者 Jakob Macke、Daniel Gedon 与 Stefan Wahl 描述 AI 可将科学模型以代码形式编写、运行、拟合和修订，从而探索多种可能的模型结构，并找出数据支持的解释。
11月6日
星期五，1 条Anthropic 资助研究者谈如何教 AI 构建科学模型
Anthropic AI for Science 资助的 ELLIS Institute Tübingen 与图宾根大学研究者 Jakob Macke、Daniel Gedon、Stefan Wahl 撰文讨论 AI 如何改变科学建模。文章以 Hodgkin-Huxley 模型为例，将建模拆为构建、约束与解释三步，指出 AI 在参数约束上进展最大，但仅给出拟合模型并不等于带来理解。
11月7日
星期六，3 条ARC Prize 榜单新增 Thinky Machines 结果
@thinkymachines - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Inkling 2 Small 完整结果：https://arcprize.org/results/thinky-inkling-2-small
Inkling 2 Small 的 ARC-AGI-2 得分翻倍
@thinkymachines 与 7 月 30 日发布的原版 Inkling Small 相比，Inkling 2 Small 的 ARC-AGI-2 半私有得分翻了一倍多，从 40.14% 提升至 81.67%。
MedGemma与AMIE进展
讨论的关键里程碑： • 开源影响：MedGemma 如何为全球各地的本地社区卫生工作者提供支持 • 影像工作流程：为何将乳腺X线摄影阅片时间从数天缩短至数分钟可能有助于挽救生命 • 前沿研究：深入了解 AMIE——Google 的多模态诊断 AI
11月6日
星期五，1 条OpenAI 推出 BioBasicsBench，用 100 项任务评测 AI 智能体处理湿实验室日常科研的能力
OpenAI 推出 BioBasicsBench，这是一个包含 100 项任务的基准，用于衡量 AI 智能体解读原始实验数据以及处理湿实验室日常科研工作的表现。原文链接：https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science
入选理由OpenAI 把评测对象从问答转向湿实验室原始数据的解读，研究者可据此判断智能体能否接手日常实验数据处理。
11月7日
星期六，4 条MIT 团队发布分子性质预测基础模型 CheMeleon，少样本下优于现有方法
MIT 团队开发的基础模型 CheMeleon 用 PubChem 中 100 万个分子的约 1600 种分子描述符做预训练，可在少量数据下微调预测溶解度、黏度、生物活性等性质，在 58 个测试案例中表现优于其他基础模型和依赖专家规则的经典模型。
OpenAI 与 Ligo 推出 BioBasicsBench 评测智能体处理湿实验室常规分析
OpenAI 与专注酶设计的生物技术公司 Ligo 推出 BioBasicsBench，用 100 项来自真实实验的任务评测 AI 智能体能否解读实验室原始数据、识别错误，以及判断证据是否支持某一结论。
微软研究实习助本科生建立科研信心
怎样才能对自己作为研究者的未来更有信心？ 对 Tony Chae 而言，在 Microsoft Research 的本科研究实习提供了一个探索新想法、与研究人员合作、并在实验室之外建立联系的机会。 这段经历帮助 Tony 拓展了知识、发展了新视角，并在他为未来的博士学业做准备时建立了信心。
OpenClaw 无需更新即可用新模型
新模型不该意味着要等新的 OpenClaw 版本发布 @obviyus 深入介绍他在模型目录、基于账户的发现以及 Codex 版本管理方面的工作 来自我们的工程系列：https://openclaw.ai/blog/use-new-models-in-openclaw-without-an-update
11月6日
星期五，1 条AI 智能体设计并运行机器人实验室
该报道聚焦 AI 智能体在自动化实验室中的角色，称其可设计由机器人驱动的实验室并代为运行。由于页面正文未能加载，具体工具名称、发布机构、证据阶段与样本量等信息无法核实。
11月7日
星期六，1 条Terence Tao 博客汇总 AI 与数学研究相关文章
Terence Tao 博客新帖汇总了 Pavel Etingof《Use of AI in Mathematical Research: A Guide for Young Mathematicians》、Anna Gilbert 两篇及 Larry Guth、Atoosa Kasirzadeh 等关于数学与 AI 的文章链接，并延续以往做法邀请读者在评论区补充更多文章。
11月6日
星期五，1 条11月7日
星期六，2 条Longtail-SWE：面向低覆盖编程语言的高质量软件工程任务基准
Longtail-SWE 发布 202 个 issue 解决任务，覆盖 Clojure、Dart、Elixir、Erlang、F#、Haskell、Julia、Kotlin、Lua、OCaml、R、Scala、Swift 共 13 种在现有仓库级基准中覆盖不足的语言。
Artificial Analysis 推出 VIALS-AA 生命科学视觉推理榜单
Artificial Analysis 发布 VIALS-AA 榜单，评测 Handshake AI 的 VIALS 生命科学视觉推理基准，161 项任务覆盖八个领域，需解读凝胶印迹、流式细胞图、质粒图谱和系统发育树等图像并得出科学结论。