OpenAI前研究员Nick Cammarata与Goodfire团队发布长文《神经网络早已「干净」》，提出神经网络内部计算有规律可循，而非一团混乱。团队在320亿参数语言模型中分开统计神经元正负响应，粗略估计约90%各有一个主要任务，约2%至4%仍未理解，并公开了1000份随机神经元研究报告。
选题角度：原文给出钱包归还、圣诞老人等具体神经元干预实验和90%神经元单一任务的统计，适合做可解释性研究的效果对比解读。
一项新基准测试让商用AI智能体在无人类提示下解50道理论物理研究题，运行在OpenAI Codex环境中的GPT-6-Astra答对49道（98%），平均每题成本不到3美元，整轮约116美元。
选题角度：原文给出50道理论物理题的完整榜单和每题成本，适合做一次多模型同题实测对比，重点看GPT-6-Astra与Opus 5.5的差距和联网与否的分数变化。
Anthropic 周三向投资人通报，蒸馏带来的收入占公司营收的 5% 到 7%，第三季度已把这部分大幅削减，消息来自 FT 援引四位知情人士，The Information 也报道了同样区间。
选题角度：围绕蒸馏收入占 Anthropic 营收 5% 到 7% 且三季度大幅削减这一通报，适合做热点评论，讲清对手付费调用 Claude 训练自家模型这条链条。
华为在上海举办为期两天的技术沟通会，首次详细解读麒麟9050系列背后的韬定律、逻辑折叠与混合键合等技术细节，这是时隔6年华为再次对外详解麒麟芯片。麒麟9050 Pro高速通道数超过5000万个，混合键合间距做到1.5微米，逻辑折叠带来CPU主频提升12.7%、GPU性能提升40%、NPU算力提升140%。端侧30B大模型通过多级存算协同与联合量化方案，用2.5GB内存实现终端运行。
选题角度：华为首次详解麒麟9050系列的韬定律与逻辑折叠，可拆解混合键合1.5微米间距和端侧30B大模型跑通这两个硬核细节。
清华大学陈文光、吕凯风团队推出全流程开源的 Puro-2B（普罗-2B），开源训练数据、训练框架、训练配置和模型权重，在 RTX 5090 集群上从头训练约 20 亿参数模型，最多使用 1.4 万亿 token。
选题角度：清华团队开源 Puro-2B 全流程，用 RTX 5090 以约 4400 美元预训练成本在 15 项任务上超过 Qwen2-1.5B，适合拆解这套低成本预训练配方。
蚂蚁百灵于9月30日发布、今天正式开源的 Ling-3.1-flash，总参数量约560B，每 Token 激活参数约25B，上下文窗口上限1M，重点面向日常办公、长周期软件研发和复杂 Agent 任务。
选题角度：围绕编辑部真实办公与开发任务实测 Ling-3.1-flash，从财报可视化网页到3D桃花源、手机新闻App原型，展示长程Agent交付完整度。
禾赛于10月14日发布三维世界数据引擎Kosmo与云平台Kosmo World，并推出全球首款集成8K影像系统的AI空间相机Kosmo One。Kosmo One把激光雷达、8K影像系统、一英寸大底CMOS和高精度IMU装进同一台设备，几何精度达毫米级，镜头最高采集8K、成片最高6K，普通室内100平米约15分钟扫完。
选题角度：禾赛发布Kosmo空间相机与Kosmo World云平台，可围绕皮克斯用它在园区扫描并接入RenderMan渲染的案例，做一次三维重建效果对比实测。
英伟达在不到一年内通过技术许可、人才吸收、股权投资和收购，在Poolside、Hugging Face、Groq、Essential AI、Reflection等项目上投入规模接近400亿美元。
选题角度：英伟达一年内近400亿美元连续收购Poolside、Hugging Face等，可梳理每笔交易的结构差异和它从卖算力转向自研前沿模型这条主线。
Meta AI 负责人亚历山大王在 Stripe 联合创始人 John Collison 的播客《Cheeky Pint》中自曝，扎克伯格在前沿模型尚未完成技术验证时就拍板投入 1000 亿至 2000 亿美元基础设施，CFO Susan Li 曾私下警告他若研发失败财务后果非常严重。
选题角度：亚历山大王在播客里自曝 Meta 押注千亿豪赌 Muse Wonder 的内幕，适合剪成访谈金句加跑分与实测争议的对比评论。
Bilawal Sidhu 用真实的飞行和船舶追踪数据，在旧金山的写实数字孪生中重建了 Fleet Week 三维场景。相机引擎读取飞行遥测数据，在恰当时机跟踪每架战机并做速度渐变。他表示，以俯瞰视角重现任何城市任何事件，比人们想象的更近。
选题角度：作者用真实飞行与船舶追踪数据在旧金山数字孪生里重建 Fleet Week，可拆解数据接入和相机引擎跟随飞行遥测的玩法。
OpenAI 于 10 月 7 日一次性公开 722 篇数学手稿，论文和部分 Lean 证明上传至 GitHub，其中编号 074 的两篇共 272 页，作者栏只写 OpenAI。
选题角度：OpenAI 一次性放出 722 篇数学手稿，其中两篇把挂谷猜想从三维推到四维，适合围绕这批论文的争议和数学界反应做热点评论。
Anthropic 发布科学博客，约翰斯·霍普金斯大学天体物理学家 Brice Ménard 用 Claude Science 做出第一张完整的全天紫外地图，其中约三分之一天空从未被紫外望远镜观测过，由 Claude 预测补出，并逐像素标注实测或预测及误差估计。
选题角度：用 Claude Science 把 GALEX 等公开紫外数据补齐成全天图，可讲清四步流水线和 10% 误差的实测对比。
天体物理学家 Brice Ménard 与 Claude Science 合作，制作出首张完整的全天紫外图。他引导 Claude 找到已有数据集、把它们合并，并用统计推断补上从未被观测过的天区。
选题角度：天体物理学家用 Claude 找数据集、做统计推断补全紫外天图，几周工作量压到几天，适合讲 AI 接手科研里没人做的低优先级活。
数学界团体 AHM 发表声明呼吁抵制 OpenAI，称其一次性放出 700 多份 AI 生成的数学证明文件是展示力量而非学术贡献。声明由菲尔兹奖得主 Terence Tao 在其博客转发，Scott Aaronson 称这一局面为 Mathocalypse。
选题角度：数学家联名呼吁抵制 OpenAI，可围绕 700 多份 AI 证明草稿一次性放出、以及陶哲轩所说问题一旦被解出就无法撤回的争议展开评论。
一位创作者在几个月里训练了 100 多个 Krea 2 角色 LoRA，发现训练量越大并不等于相似度越高，小而干净的数据集往往效果更好。作者列出 8 条经验，包括数据集质量比规模更重要、面部覆盖之外还要有全身和不同角度、相似图片过多会让 LoRA 失去灵活性、最终 epoch 不一定最好，以及 Krea 2 可能在面部很准的同时让体型漂移。
选题角度：作者训练了 100+ 个 Krea 2 角色 LoRA，总结出数据集质量、面部覆盖、epoch 选择等 8 条经验，适合做角色 LoRA 训练避坑教程。
作者在 HuggingChat 中开启 ML-intern 模式，用提示词让智能体自动完成数据准备、训练、评测和发布，两天内做出 6 个模型，总计算花费约 103 美元。
选题角度：作者用 ML Intern 两天做出 6 个模型，含 0.8B 蒸馏、LoRA 训练和总花费约 103 美元的明细，适合按提示词结构做上手教程。
OpenAI 于 10 月 7 日在 GitHub 上线 openai/math 仓库，发布 722 份数学手稿、归为 372 个成果组，覆盖数论、代数几何、组合数学等方向，全部出自一个未公开的内部模型。
选题角度：OpenAI 在 GitHub 上线 722 份数学手稿、372 组成果，可梳理准黎曼猜想、矩阵乘法等具体结果，并对照数学家联名信争议。
英伟达团队从 Nemotron 3 出发，用监督微调、强化学习和反馈驱动的推理流程，让 Nemotron 在 IOI 2026 与 IMO 2026 都达到金牌水平。
选题角度：原文公开了 SFT 与 RL 检查点、训练数据集和 NeMo-Skills 推理管线，适合按官方配方复现一次微调加生成验证的流程。
OpenAI 公开了 722 篇数学手稿，归为 372 组结果，全部出自一个尚未发布的内部模型，论文、源码和部分 Lean 证明已上传 GitHub。手稿涉及准黎曼猜想、霍奇猜想、BSD 猜想、π 的无理性指数等，覆盖数论、代数几何等 17 个方向，OpenAI 称平均每项结果消耗算力约相当于 ChatGPT Pro 思考 3 小时。
选题角度：OpenAI 一次公开 722 篇数学手稿，覆盖准黎曼猜想、BSD 猜想等，适合梳理这批成果的目录与数学家顾问组的质疑。
OpenAI 发布了一批由内部前沿模型产出的数学新结果。OpenAI 表示在发布方式上咨询了 Institute for Advanced Study 的独立数学与人工智能咨询小组，并参考了其建议和公开推荐。
选题角度：OpenAI 用内部前沿模型产出一批数学结果并公开，适合围绕模型做数学研究的可信度与发布方式展开讨论。