全部动态

蚂蚁 inclusionAI 发布 ZoomGain-9B 视觉语言模型及配套基准与 RL 数据

蚂蚁 inclusionAI 发布 ZoomGain-4B 与 ZoomGain-9B 模型检查点，并同步开放 arXiv 论文、ZoomGainBench 评测基准和 RL 训练数据。

蚂蚁 inclusionAI 发布 ZoomGain-4B/9B 模型、ZoomGainBench 基准与 RL 训练数据

蚂蚁 inclusionAI 发布 ZoomGain-4B 与 ZoomGain-9B 视觉语言模型，并同步开放 arXiv 论文、ZoomGainBench 评测基准和 RL 训练数据。

MMDM 基准发布：5,448 道题评测决策模型在多任务决策中的表现

研究者提出 MMDM（Massive Multitask Decision Making）基准，包含 16 个任务类别的 5,448 道题，覆盖智能体状态跟踪、工具与技能选择、偏好判断和评分量表打分等场景，选项空间从 2 到 1,024，输入最长 64,817 Token。

CyberBinGym 基准：AI 智能体能否把二进制补丁变成真实漏洞利用

加州大学伯克利分校 RDI 等机构发布预印本 CyberBinGym 基准，考察 AI 智能体在只有已打补丁与未打补丁二进制、无源码和触发输入时，能否恢复漏洞并完成利用。

Berkeley RDI 提出 Aqueduct：用 Lean 证明智能体改写程序与原程序等价

UC Berkeley 与 AWS 的研究者提出让编码智能体加速现有函数，并在 Lean 4 证明助手中证明加速版本 f′ 与原函数 f 对所有输入返回相同结果，以现有代码本身作为规格。

用 LLM 构建并审核化学数据集：面向均相催化 PET 解聚的 LLM-as-a-Judge 框架

德国亚琛工业大学等机构的研究者提出一套带引用溯源的化学文献数据抽取与审核流程，由抽取模型生成带 chunk UUID 引用的结构化记录，再由独立的 LLM 审核模型逐字段核对原文并提出带引用的修正。

用大语言模型绘制灾害心理健康研究全景图：基于 PubMed 7,859 篇文献的计算分析

一项研究用 Claude Sonnet 从 PubMed 收录的 7,859 篇灾害与心理健康相关文献摘要中提取结构化变量，绘制出该领域的计算图谱。结果显示地震与流行病研究最多，热浪、寒潮等灾害关注不足；PTSD、抑郁、焦虑研究充分，攻击行为、自杀等问题相对被忽视。研究样本量中位数为 452，但机器学习、智能体建模、因果推断和 NLP 各出现在不足 1% 的文章中，研究地域集中于美国、日本和中国。

研究：生成式 AI 聊天助手出现后，183万篇工程论文的措辞发生了什么变化

一项发表于 Journal of Informetrics 的研究收集2015至2025年256种工程期刊的1,839,962篇文章，将12项措辞、风格与结构指标与各自2023年前趋势的投影比较。

Goodfire 研究称 Qwen3.6-35B-A3B 的神经元可作为可解释计算单元

Goodfire Research 发布研究，用稀疏化、归因工具和科研智能体分析 Qwen3.6-35B-A3B 的 MLP 神经元，提出神经元本身就是可解释的计算单元。

La-JEPA 用潜空间世界建模训练紧凑机器人策略

alphaXiv 介绍论文 La-JEPA，它用预训练的 V-JEPA 视觉表征训练紧凑机器人策略，训练时同时预测未来场景表征和机器人动作，推理时只生成动作。在 RoboTwin 2.0 上，其 1B 模型达到 60.8%，对比 12.4B 的 Fast-WAM 为 39.9%，运行速度快 5 倍，并在四个任务上取得与 π0.5 相当的真实机器人表现。

斯坦福团队提出 BVSR 框架：限制任务信息提升 AI 科学家构思创造力

斯坦福大学团队在 arXiv 预印本中提出 BVSR 框架，把 AI 科学家的构思与筛选拆成两步：构思阶段刻意限制任务信息以扩大探索，筛选阶段从同一任务上已验证的提案及其结果中学习，挑出值得做昂贵实证评估的候选。

PARIS：面向PRISMA系统综述的开源多智能体LLM框架

PARIS（PRISMA Agentic Research Intelligence System）是一个开源框架，由运行在Claude Code中的调度智能体编排15个专用LLM智能体，覆盖从研究问题界定到导出稿件草稿的系统综述流程，并在研究纳入、语料充分性和综述提纲三处设置人工检查点。

用婴儿家庭真实录音训练的大语言模型复现语言习得过程

一项新研究在8个家庭中为儿童出生后前1,000天每天录制12小时家庭环境声音，用这些数据训练的人工智能模型学会了区分语音并建立起数千词的词汇，方式与每个孩子自身的发展相呼应。作者称该方法"提供了将儿童学习理论转化为可直接对照儿童真实发展进行检验的计算模型的框架"。

MIT 研究者的早期职业数学家 AI 调查：260 余人参与，结果已发布至 arXiv

MIT 的 Anna Brandenberger、Hanna Mularczyk 和 Dora Woodruff 对早期职业数学家开展 AI 观点调查，共 260 余名数学家参与，覆盖约 60 家机构和至少 5 个国家，结果已于 10 月 29 日发布到 arXiv。

Bengio 团队发布 182 页机制可解释性综述

Yoshua Bengio 及其合作者刚刚发布了一份 182 页的机制可解释性综述宝典！ 《Understanding AI from the Inside》 这篇论文将带你从神经元与回路出发，了解可解释性如何助力 AI 安全 内容涵盖 SAEs、回路发现、引导、监控、训练过程中机制如何涌现等众多内容！ 阅读这篇由 @FazlBarez 和 @TonyWu1105 领衔的优秀论文：https://www.alphaxiv.org/abs/2611.08438

Bengio 团队发布 182 页机制可解释性综述

Yoshua Bengio 及其合作者刚刚发布了一份 182 页的机制可解释性综述宝典！ 《Understanding AI from the Inside》 这篇论文将带你从神经元与回路出发，了解可解释性如何助力 AI 安全 内容涵盖 SAEs、回路发现、引导、监控、训练过程中机制如何涌现等众多内容！ 阅读这篇由 Fazl Barez 和 Tung-Yu Wu 领衔的优秀论文：https://www.alphaxiv.org/abs/2611.08438

arXiv 10月投稿量达4.2万篇

arXiv 投稿量飙升 10 月新增论文 4.2 万篇。较 1 月增长 81%，几乎是 2024 年底月投稿量的两倍 Pangram 分析即将发布 👀

数学arXiv每周论文投稿量

查看数学细节：https://x.com/littmath/status/2119484245408358441?s=20

Physical Superintelligence 研究系统用 Lean 证明 Aaronson-Ambainis 量子猜想

AI 科学初创公司 Physical Superintelligence 称，其内部研究系统运行一个非公开的 Anthropic 模型，为 Scott Aaronson 与 Andris Ambainis 自 2008 年提出的量子计算猜想找到了证明，运行第三天即得到完整证明并由证明助手 Lean 逐步检验通过。

姚期智、杨植麟联合署名论文推出TCSExam，评测9个前沿大模型的理论计算机科学能力

姚期智团队联合杨植麟等发表署名论文《TCSEXAM：在TCS研究的全范围内评估前沿大型语言模型》，推出TCSExam评测，把定理证明、求解器工程、构造和开放猜想四类任务纳入同一考卷，由Lean内核等机器验算。

入选理由论文把理论计算机科学的定理证明、构造、求解器与开放猜想纳入统一评测，研究者可据此判断大模型在哪些数学任务上已能产出可机器核验的结果。

Goodfire 提出 Mechanistic Shaping 训练法

Goodfire 提出 Mechanistic Shaping，利用模型内部表征训练其不依赖无关信息或产生谄媚、奖励黑客等不良行为。在带偏见的图像分类基准上，最差组准确率从 51.6% 提升至 97.7%；在最高 32B 的大语言模型上也能减少不良行为，但模型有时会通过内部换一种编码方式隐藏这些概念。

SwarmEvolve 用 450 个隐空间智能体并行做数学发现与优化

alphaXiv 推介的论文提出 SwarmEvolve，让 450 个智能体并行在内部推理而不生成文本，并通过 KV-cache 共享思路，再用新颖性过滤保留多样方案后组合成新解。

哈佛与斯坦福学者提出发表时复现认证协议：任何人可在数秒内核验

Gary King、Yiqing Xu 与 Leo Yang 在 arXiv 预印本中提出一套发表时复现认证协议，作者在条件接收后按存档方基于文件哈希和区块链时间戳生成的随机种子再运行一次分析，存档方签名封存，读者无需重跑即可核验记录。

MIT 等提出 WorldParticle：单一 AI 模型统一模拟沙粒滑动与蛋白质折叠

MIT、UBC 等机构的研究者提出深度学习系统 WorldParticle，把沙粒、流体、蛋白质等不同材料统一表示为粒子，由神经网络逐步预测粒子位置与属性，无需为每种物理过程单独编写求解器。

蚂蚁 inclusionAI 开源 ZoomGain：用全局到局部感知差构建视觉监督

蚂蚁 inclusionAI 发布 ZoomGain，利用放大后才显现的视觉细节生成关于整图的问题，为视觉语言模型构建监督信号。同步开源 ZoomGainBench 评测基准（1,000 题、941 张图，含中英文题干与证据框）、9,000 条 RL 训练数据及 ZoomGain-4B/9B 模型检查点。

世界模型需要多少次接触才能学会新游戏机制：MechEval 与 WARC 在 ARC-AGI-3 上的测试

研究团队在 ARC-AGI-3 交互式游戏基准上提出 MechEval，为 20 款游戏的 69 种反复出现的机制打标签，并按机制每次改变的环境格子给预测打分。

InfraRSI：用递归自我改进优化 LLM 训练基础设施

InfraRSI 是一套智能体框架，通过五阶段流程把开放式人类指令转化为经过验证的训练优化，覆盖启动参数、算子内核与通信调度。在四类单节点与多节点稠密及 MoE 大模型负载上，它实现最高 2.75 倍加速，平均 MFU 从 17.4% 提升至 30.0%，优于现有调优器和编程智能体，并可跨 GPU 迁移经验。

Hinted Scaling Laws 用提示辅助小模型预测大模型难题表现

alphaXiv 介绍了一篇提出 Hinted Scaling Laws 的论文：给小模型不同程度的帮助（如部分解题步骤），观察其准确率如何提升，再用这些规律预测大模型在无提示条件下的表现。在 GSM8K、AIME 和 HLE 上，该方法把预测误差中位数从 21% 降到 4.3%。论文链接：https://www.alphaxiv.org/abs/2611.02270

Zyphra 提出 ZHA 分层注意力压缩 KV-cache

Zyphra 新论文提出 Zyphra Hierarchical Attention（ZHA），将 KV-cache 组织成压缩摘要树，查询自上而下搜索以缩小需关注的 token 范围。

苹果披露人形机器人 HALO 系统：调用千问模型在宇树 G1 上验证，单项任务平均成功率 91%

苹果研究团队在 arXiv 预印本论文《Perceptive Humanoid Motion from Simulation》中披露人形机器人自主控制系统 HALO，并公开数据生成、模型训练与部署代码。