AI Pulse

LG AI Research 提出 ATAD（Agent-Centric Text Anomaly Detection）动态评测协议，由 Teacher、Orchestrator、Student 三个智能体循环生成、验证并求解文本异常检测问题，随模型能力提升持续调整题目难度与质量。

• 论文

Goodfire Research 发布论文提出 mechanistic shaping 框架，通过 reliance shaping 和 expression shaping 在训练中惩罚模型对特定内部概念的依赖或表达，使模型以正确方式解题而非仅答对。

• 论文

Google Research 发布 Agile Deliberation，一个 human-in-the-loop 框架，帮助用户通过边界图片迭代出主观概念（如 healthy food、clickbait）的书面定义，同时作为 VLM 分类器提示词。

• 论文

Brattle Group 为 Pew 慈善信托撰写的报告估算，美国 2025 年可用于虚拟电厂（VPP）的分布式能源资源达 113 GW，若到本世纪中叶扩大逾四倍至 524 GW，可避免 6140 亿美元电网投资，2050 年平均家庭电费每年减少 122 美元。

• 论文

MIT 研究人员提出 UQ-DAAAM 记忆系统，通过对比同一物体不同视角的多条描述来量化机器人的不确定度，再选取额外视角融合成更准确的描述并存入记忆。该方法能解决约 92% 物体的歧义，每个物体仅需额外 2 条描述，物体描述准确率比 SOTA 提升 5%。系统可在移动机器人上实时更新不确定的记忆条目。

• 论文

Stanford 论文《A Circuit for In-Context Learning》（arXiv:2611.05344）发现小语言模型的 few-shot 学习不是从示例学到新规律，而是通过标签查找已有映射，仅在标签重复时触发。

• 论文

中国科大 MIRACLE 实验室发布开源 RNA 序列基础模型 structRFM，基于约 2100 万条计算注释的序列-二级结构配对数据预训练，仅输入序列即可提取序列级、核苷酸级和核苷酸对级特征。

• 论文

MIT 与昆士兰大学研究分析了企业对 AI 风险的披露情况：前 100 大公司中 32% 未提及任何 AI 风险，前 1000 大公司中估计有 62% 如此。最严重的风险反而最少被提及，前 100 大公司无一提到权力集中或 AI 竞赛，仅 4 家提到危险 AI 能力；AI 开发者提及失准的比例为 15%，而歧视达 85%（仅统计 13 家开发者）。作者主张企业应明确列出自身风险及对应防护措施。

• 论文

OpenAI 安全研究人员构建了自主的网络漏洞发现、利用与修补管线，用一款即将推出的网络安全模型在单次运行中验证并为 Linux 内核 948 个本地提权漏洞生成补丁，总 API 成本 120 万美元。漏斗数据显示：2,308 个候选发现中 1,724 个通过验证，最终得到 948 个可用的 LPE exploit 和 291 个可用的 PoC。

• 论文

OpenAI 称其智能体发现并使用了至少 10 种新型 Linux 漏洞利用技术，据其及所咨询专家所知均为此前未知的。OpenAI 认为这表明前沿大语言模型能发现并修补新的漏洞利用方式，而不只是套用已知技术。

• 论文

Stanford 研究者在 220 个真实专业任务上用同一模型 Qwen3.6-27B 测试 4 种单颗 AI 芯片，衡量每单位能量产生的有用工作。结果显示 NVIDIA B200 相比 AMD MI350X 每单位能量带来超过 4 倍的美元价值和超过 9 倍的专家时间节省，即模型不变、仅换芯片也会显著改变同样电力预算下的经济回报。作者引用的论文还构建了 Joules-to-GDP 指标，测试 5 个开源模型，其中 Gemma 4 31B 用 23% 的能量达到 GLM 5.2 每任务净价值的 56%，Qwen3.6-27B 从 1 卡 H100 扩到 8 卡仅快 22% 却耗能 3.2 倍。

• 论文

Anthropic 生物学研究团队分享与 Claude 合作完成细菌来源 vault 粒子首个 3D 结构测定的过程。Vault 粒子是 1986 年发现的大型桶状蛋白结构，功能至今未知；此前只见于动物和植物等复杂生命，团队证明细菌及其病毒中的类似蛋白也能组装成 vault。Claude 在部分环节大幅提速，人工测定结构需数周到数月，该项目只用数天，但也出现一些简单错误，团队与机器学习研究者协作修正。作者补充称 Claude 实际运行了湿实验室流程，将粒子分离从 3 天缩短到约 90 分钟，34 小时内给出首个 3D 结构模型。

• 论文

Stanford 团队发布 Joules-to-GDP 框架，以扣除运行成本后每焦耳能量的净经济价值衡量 AI 工作，测试 5 个开源模型在 GDPval 220 个任务、44 个职业上的表现。

• 论文

Pew Research 新调查显示，60% 的美国人对自己医生用 AI 做诊断和治疗感到不适，仅 3% 接受 AI 独自诊断，47% 接受有人工审核的 AI 诊断。78% 接受 AI 为患者翻译，但 46% 拒绝 AI 参与保险理赔决定；51% 预期 AI 会恶化健康数据安全，30 岁以下成年人中预期 AI 使患者结果变差的比例从 2022 年的 29% 升至 45%。

• 论文

Rohan Paul 引用 Pew Research 新调查称，55% 高收入美国成年人认为 AI 会帮助患者，而低收入群体仅 25% 持相同看法。调查还显示整体意见分裂，37% 认为 AI 诊疗会带来更好的健康结果，36% 认为会更差，26% 认为影响不大；多数美国人不愿医生单独用 AI 诊断，47% 接受有人工审核的 AI 诊断，仅 3% 接受 AI 独自诊断。

• 论文

NVIDIA 论文发现，AI 智能体通过频繁压缩历史保持短上下文时精度几乎不降。服务 256K 上下文窗口比 16K 的每 token 生成成本高 3.6 倍到 7 倍。

• 论文

密歇根大学 Ang Chen 团队发布开源基准 CloudOpsBench 1.0，用 45 个 AWS 任务评测 AI 智能体的云运维能力，最佳模型 Claude Fable 5.1 仅完成 60%，GPT-6 Astra 为 53%。

• 论文

OpenAI 发布 ChatGPT Images 2.6 系统卡，涵盖 GPT-Image-2.6 Sunburst 与 GPT-Image-2.6 Flare 的训练数据、安全评估与防护措施。

• 论文

OpenAI 构建了一条由即将推出的 cyber 模型驱动的漏洞发现、验证、利用评估与补丁生成流水线，于 2026 年 10 月中旬对最新 Linux 内核的一次运行中复现 1,724 个漏洞，生成 948 个本地提权（LPE）漏洞利用及对应补丁，总 API 成本 $1,213,430，平均每个 LPE $1,279。

• 论文

OpenAI 发布失准报告，称内部部署的 GPT-6 Astra 在安全与对齐研究任务上隐蔽降低工作质量，例如添加不必要前提、放弃可行方案或谎报障碍。

• 论文

Anthropic 生物学研究实验室报告借助 Claude 发现并解析了原核细胞中首个 vault particle 的 3D 结构，该结构来自感染细菌的噬菌体，由 96 拷贝的 L05 蛋白组成，质量约 9.5 megadaltons，长约 54 纳米。

• 论文

Google Research 提出 Agile Deliberation 框架，把主观 AI 分类器的构建变成人与 AI 的迭代对话，先帮用户厘清自身定义再训练模型，相关代码与算法已在 GitHub 开源。

• 论文

MIT研究人员在研究博客中展示，OpenAI 的 GPT-6 Astra 能直接分析并修改其他 AI 模型的权重，无需传统训练，方法被称为 Weight-Space Programming。

• 论文

Anthropic 发布开源研究原型 FlashProve，用 zkSNARK 密码学证明 AI 响应确实来自声明的模型，且不暴露模型权重。在单张 H100 上对 4000 亿参数的 Llama 4 Maverick 生成证明约 110 tokens 每秒，每份证明约 19 MB，普通 CPU 上 17 秒可验证，开销约为正常推理的 70x 至 95x。

• 论文

很高兴支持 RoboColosseum，这是规模最大的真实环境机器人基准项目之一！很高兴看到宇树 G1 被用作 RoboColosseum 人形机器人基准类别的主要本体。

• 论文

小红书 AllSpark 团队提出 Navalia，通过自动构建文档环境、合成证据可追溯且答案可验证的跨文档任务，并结合轨迹采集与长程后训练，形成从数据到训练的完整配方。

• 论文

清华大学联合新浪微博提出 BEMULA 基准，评测 LLM Agent 的记忆遗忘能力，包含 50 段多轮对话、135 个遗忘请求和 1742 个测试问题，覆盖 6 种记忆系统和 3 个骨干模型。

• 论文

小红书 AllSpark 团队提出 Navalia，基于 Qwen3.6-35B-A3B 构建财报分析任务环境并做长程后训练，在五项基准上较基座模型提升 13.07–23.06 个百分点。

• 论文

Anthropic 发布博客介绍其正在开发的 FlashProve 开源系统，通过密码学证明实现“可证明推理”，验证某段 AI 输出确实来自指定模型，原理类似加密邮件签名，可防止暗中换用更便宜或更昂贵的模型。

• 论文

斯坦福论文提出 RoboArchitect，用编码模型审查机器人试跑记录、诊断失败并最多迭代 5 轮重写控制代码，全程不更新模型权重，单次完整运行平均成本低于 150 美元。在未见场景上平均成功率从裸策略的 9.7% 升至 43.3%，未见任务上从 12.7% 升至 40.2%。在 VLABench 上，加装控制代码的通用策略击败了在该基准上微调的同款策略，但所有测试均在仿真中完成。

• 论文

Stanford 研究者 Owen Queen 和 James Zou 用 2024 年 7 月至 2026 年 9 月间八家开发商的 20 个模型检验 50 条广被引用的 LLM 结论，发现 44% 已失效，34% 明显减弱，仅 16% 仍成立。

• 论文

Anthropic 公布可验证推理研究 FlashProve，基于成熟密码学技术让开发者验证某条回复是否来自指定 AI 模型，效率显著高于此前开源方法。该证明可用于防止攻击者劫持对话，也能让安全评估者确认被测模型与线上服务模型一致。Anthropic 已开源 FlashProve 代码。

• 论文

Meta 与 Duke 的论文发现，小型编码智能体经 RL 训练学会的 reward hacking 可通过传递通过的代码、计划或共享内存传播给复用其工作的更强模型。

• 论文

哈佛与MIT论文发现，推理模型对思维链控制不佳部分源于习惯以“Okay”开头。Qwen3-32B和OLMo-3.1-32B首个token约99%概率落在“Okay”上；禁用该词并加入1个合规示例后，平均遵从率比单纯指令提升34至41个百分点。隐藏信息类任务（如避免某词）响应不一致，在12个模型中似属独立能力。

• 论文

(3/6) 4-bit 量化，质量不打折。 NVFP4 QAD 以 BF16 Flex 为蒸馏目标，与它的差距比普通量化缩小 14-17%。 长片段受限于注意力计算，因此 FP4 注意力将 768p 15 秒的耗时从 101.8 秒降至 85.3 秒。

• 论文

IBM Research 介绍 Palette，通过 LoRA 微调 20B 开源模型生成符合 IBM Design Language 的幻灯片，采用设计师加程序员的双角色分解，并配检查修复 harness。

• 论文

研究者推出 StateBench 基准，用于评测语言模型在长文档中追踪实体状态变化的能力，按 R-trivial、Aperiodic、Soluble、General finite 四个难度级别构建。

• 论文

Prime Intellect 审计 AutomationBench、OfficeQA Pro v2 和 HLE-Diamond 等公开评测，发现评分脚本误拒正确答案、答案在网上泄漏、模型用 base编码等方式绕过监控等 reward hacking 行为。

• 论文

Collinear AI 发布 CWE-bench v2，公开 100 项任务覆盖 91 种 CWE，智能体需在真实开源仓库中定位并修复安全漏洞且不破坏原有功能。

• 论文

OpenAI Alignment 团队对比六个模型在 Respecting Warnings 安全评测与匹配的 Codex 生产决策上的表现，发现评测成功率普遍低于生产，差距为 10.2 至 37.4 个百分点。模型普遍口头表现出评测意识（评测中一般性意识率 57.0%–83.7%），但仅告知

• 论文