全部动态

This Week in AI：Gemini 4 Carbon、Mistral Large 4 与 Genie 4 密集发布，投资者质疑 AI 支出

Google 推出面向网络安全与多步骤任务的 Gemini 4 Carbon，Mistral 公开万亿参数 Large 4（“Le Chonk”）权重，Google DeepMind 预览世界模型 Genie 4。

Google DeepMind 用 AI 智能体加速密码分析，在 1024 位 RSA 基准上发现两类弱点

Google DeepMind 公布新研究，称在人工监督下用 AI 智能体对已退役的 1024 位 RSA 密码系统做压力测试，发现两类主要弱点，说明这些系统可在比此前认为更低的计算预算下被攻破。

Google DeepMind 团队用 AI 智能体在数周内取得两项密码分析进展

Google DeepMind Science 团队与密码分析专家合作，展示 AI 智能体在数周内取得两项密码分析进展，可绕过较旧的数字签名保护，并批量分解遗留的 1024 位 RSA 密钥。

AI智能体加速加密压力测试研究

我们分享一项新研究，展示AI智能体如何加速加密压力测试的科学进程。 在人类引导下，我们的模型发现了传统1024位RSA密码系统中的两大弱点。 我们的科学副总裁@Pushmeet 进一步解释 ↓ https://x.com/pushmeet/status/2118752095859794390

AI时代密码学标准需持续压力测试

尽管现代2048位系统仍能抵御这些特定攻击，但这项工作揭示了一个关键转变。 随着我们进入AI驱动的数学与计算新时代，我们不能再依赖历史上的困难性假设，必须持续对密码学标准进行压力测试。

UKRI 评估：英国十年量子技术投资如何建成量子技术国家

UKRI 11月6日发布的独立评估显示，EPSRC 2014–2024年约3亿英镑的量子技术研究、技能与博士培养投入，已带动超2000个高技能岗位、74家衍生公司和约4.82亿英镑私人投资。

THE DECODER《Frontier Radar》第5期：AGI 临近，为何顶尖研究者纷纷离开大厂创办 neolabs

THE DECODER《Frontier Radar》第5期按六类研究押注梳理了45家 neolabs，并详述其中27家。这些由 OpenAI、Google DeepMind、Meta 前核心成员创办的实验室多无公开产品或论文，却已获巨额融资，如 Nvidia 据 Bloomberg 报道向 SSI 投资50亿美元。

alphaXiv 与 OpenResearch 打通登录

alphaXiv 🤝 OpenResearch OpenResearch 现已支持通过 alphaXiv 登录 你的智能体现在能自动理解你的研究品味 并且你只需 3 次点击，就能把文库中的任意论文加入对话

alphaXiv 开放研究代码仓库

查看代码仓库：https://github.com/alphaXiv/OpenResearch

NVIDIA 开源工具如何帮助研究人员构建下一代 6G 网络

NVIDIA 开源 Aerial 无线软件一年后，其 AI Aerial 与 Sionna 软件的全球开发者采用量增长 10 倍，开源 5G/6G 工具下载量突破 100 万次，逾 8000 家研究和学术机构正在使用。

Elicit将展示AI辅助系统综述评估海报

本周，Elicit 将于 11 月 9 日（周一）下午 6 点在 @ispororg 维也纳站展示一张关于评估 AI 辅助系统文献综述的海报。海报编号 #4113。你的团队如何对照 Cochrane 标准检查综述？

Helmholtz Munich 的 Fabian Theis 谈如何控制生物学与虚拟细胞

Helmholtz Munich 的 Fabian Theis 认为，现有数据集下的扰动预测并不足以支撑复杂算法，应转向用大规模、高精度、多尺度配准数据预测分子→细胞→组织→器官→生物体的演化。

vLLM 团队提出 REINFORCE Zero：对齐内核后异步强化学习在 lag 64 下稳定训练

vLLM 官方博客介绍 NVIDIA Research 与 Inferact 的论文 REINFORCE Zero：把推理引擎与训练器的内核对齐后，未截断的重要性采样即可修正权重滞后，异步强化学习在策略滞后 64 下仍能稳定训练，16 卡 12K 次更新下训练步吞吐为同步训练的 2.40 倍。

Fabian Theis 谈虚拟细胞：Biohub 18 亿美元押注与扰动预测困境

Helmholtz Munich 的 Fabian Theis 认为，现有数据集上的扰动预测并不足以支撑复杂算法，应转向用大规模、高精度、多尺度配准数据预测分子→细胞→微环境→组织→器官→生物体的演化。

诺贝尔奖得主奥马尔·亚吉、安德烈·海姆等科学家在香港未来科学大奖周探讨前沿议题

2026未来科学大奖周“科学峰会”6日在香港科学馆揭幕，诺贝尔奖得主奥马尔·亚吉、安德烈·海姆等数十位国际科学家围绕化学、物理、数学等领域发表专题演讲。峰会设生命科学和计算机科学专场，并举行“AI时代，重大科学奖项应当如何演进？”专题讨论。大奖周焦点活动一连四日，包括两场科学峰会及“人机共生时代——AI的边界与人类的选择”科技论坛。

Ai2 发布 ToyBlocks：面向机器人学习与评测的受控仿真环境

Ai2 发布开源仿真框架 ToyBlocks，以机械臂和桌面方块构建受控环境，用于机器人学习与评测。它是 Ai2 FoundationWorld 框架的首个受控环境。

MiniCPM-OCR 集成 LiteParse

非常感谢 @llama_index 将 MiniCPM-OCR 集成到 LiteParse！很高兴看到 MiniCPM-OCR 实现快速、高质量的文档解析。期待更多开发者用起来！🚀

METR 审计发现 Anthropic 或已于 7 月越过自身 AI 加速预警阈值

METR 对 Anthropic 开展独立审计，认为其模型测试分数的提升速度自 2025 年 10 月起约为此前的 1.9 倍，并可能已在 7 月 15 日越过 Anthropic 自设的加速预警阈值。

预印本平台提出付费请研究者审稿，但问题仍存

一个预印本平台提出向审稿的研究者付费，但相关疑问仍未解决。由于页面正文未能加载，平台名称、付费金额与开放范围等细节无法确认。

Ai2 推出开源仿真桌面 ToyBlocks，用于机器人学习受控实验

Ai2 推出 ToyBlocks，一个开源的仿真桌面环境，用于机器人学习中的受控实验。它让机器人研究者能够对训练数据和模型进行实验控制、运行有针对性的评测，并把失败追溯到具体原因。代码已在 GitHub 开放（https://github.com/allenai/ToyBlocks）。

Ai2 ToyBlocks：用积木学空间推理

幼儿通过玩积木学习规划与空间推理，积木堆倒塌后重新搭建，或翻转积木找到上面的字母。 ToyBlocks 采用同样的设定——一个模拟机器人必须在推、翻、堆叠积木的过程中，推理积木之间如何相互作用。

Ai2 ToyBlocks 用高层任务训练模型

在 ToyBlocks 中，用户定义诸如堆叠方块序列的高层任务。ToyBlocks 规划如何通过低层技能完成这些任务。 模拟每个规划会生成一个演示，用于训练从传感器观测（包括相机图像）出发行动的模型。

Ai2 发布 ToyBlocks 数据集，支持按技能构建训练混合

Ai2 发布 ToyBlocks，研究者可用它构建强调特定技能或填补现有数据集缺口的训练混合。初始版本包含 85K 条长程演示，每条演示按数据集不同由约 6–12 个技能演示组成。

Ai2 ToyBlocks 自定义评测

ToyBlocks 让你可以测试这些内容： 📷 与彩色图像相比，深度输入能否改善机器人控制？ 🧱 模型能否在未用四块堆叠数据训练的情况下堆叠四块积木？ 🔤 模型在规划长任务上的表现如何？ 或者设计你自己的评测。

Ai2 ToyBlocks 工具接口连接前沿模型

ToyBlocks 包含一个工具接口，可连接前沿模型，让用户用自然语言指挥机器人并尝试任务。 通过摄像头图像和技能调用，研究人员可以研究模型如何搜索、规划和处理错误。

Ai2 测试 ManiFlow 等模型的泛化能力

在初步的 ToyBlocks 测试中，ManiFlow、π0.5 和 MolmoAct 2 对新空间配置的泛化表现不佳。 对照实验让我们能够测试训练和模型设计的改动，然后衡量哪些技术能改善泛化能力。

Molmo 2 + ManiFlow 仿真到真机迁移

仅在 ToyBlocks 虚拟世界中训练的 Molmo 2 + ManiFlow，在物理机器人上以 15/30 次尝试成功堆叠字母积木拼出一个单词，而在仿真中为 111/200 次。 仿真训练的模型可以成功迁移到物理机器人，但还需要更多试验。

Ai2 计划扩展数据集与技能

我们计划在后续版本中扩大数据集、增加更多技能、拓展更广泛的基准测试，并整合强化学习训练。 更长期的研究将包括双臂操作以及配备力觉与触觉传感器的手部。

Ai2 发布 ToyBlocks 机器人学习资源

我们希望 ToyBlocks 能推动机器人将所学应用到陌生任务与环境中。 我们正在发布仿真资产、任务与演示生成器、2 个已训练模型、训练代码、评估代码及验证集。 📝 博客：https://allenai.org/blog/toyblocks

Ai2 发布 ToyBlocks 仿真框架，用于机器人学习的可控实验与评测

Ai2 发布 ToyBlocks，一个围绕机械臂与桌面方块搭建的开放仿真框架，属于其 FoundationWorlds 系列的第一个环境，可自动生成任务与演示数据，并提供成功率之外的执行速度、施力等评测指标。

入选理由Ai2 把机器人学习的数据生成、训练与评测收进一个可控仿真世界，并公开代码与数据，研究者可据此设计可复现的泛化实验。