StarSkirmish v0.2 基准：让 LLM 用一小时写 StarCraft 机器人
StarSkirmish Bench v0.2 让每个 LLM 在一小时内用 C++ 写一个 Protoss 机器人，再与 13 个对手机器人对战，按胜率计分。
#开源/仓库
Hacker News · AI 高分帖AI 评分6060
Hugging Face BlogAI 评分2222 NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 的 Indic 预训练数据集及开放数据生成流水线
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖 22 种印度语言，含 2,601.0 亿原生文字 token 和 224.6 亿罗马化 token，并同步开放 GPU 加速的数据生成流水线。
公众号 · 新智元精选AI 评分6060 清华团队开源 Puro-2B：RTX 5090 预训练成本不到 5090 美元
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。
Hugging Face BlogAI 评分4141 Hugging Face 发布 HiRO-ACEv2：以约 1/300 成本模拟 3 km 分辨率极端天气
Hugging Face 推出 HiRO-ACE 系统更新 HiRO-ACEv2，其新降尺度模型 HiROv2 可同时预测多种高分辨率气象场，在给定粗化 X-SHiELD 数据时对目标模拟的高分辨率统计量匹配误差在 3% 以内，包括百万分之一的极端事件。
公众号 · 新智元AI 评分4848 群星闪耀时：OpenAI 公开的 722 篇 AI 数学稿件，背后是 11,067 部人类著作
丹麦奥尔堡大学 AI 安全实验室 Qiongxiu Li 发起的开源项目《巨人之肩》对 OpenAI 公开的 722 篇 AI 撰写数学与理论计算机稿件做了逐条溯源，发现其参考文献跨越 5 个多世纪，涉及 11,067 部人类著作、约 9,600 位数学家，其中 114 位是菲尔兹奖、阿贝尔奖或沃尔夫奖得主。
量子位AI 评分6262 星动纪元VPP2登顶RoboDojo仿真榜单，开源世界动作模型
星动纪元自研的世界动作模型VPP2登顶RoboDojo仿真榜单，综合平均成功率32.26%、平均得分39.26分，两项指标均列第一，领先GPT-6-Astra的22.48%和28.97分。
量子位AI 评分6666 MirroS发布AgentGarten：代码造世界加扩散渲染，智能体边玩边进化
MirroS团队发布AgentGarten，把可执行代码环境与实时神经渲染器连接，以超过30 fps的吞吐让智能体持续与世界交互。在重做的捉迷藏实验中，躲藏者第4轮学会搬挡板搭掩体，搜寻者第10轮掌握借坡道翻墙，而OpenAI 2019年同类实验分别经历约2500万局和约1亿局。
量子位AI 评分4040 PaperBenchX 测评：GPT-6 Astra 论文复现率仅 13.98%
UniPat AI 发布 PaperBenchX，这是首个多学科端到端论文结果复现 Benchmark，覆盖 12 个研究方向、10 种科学环境，含 93 个复现任务和 3168 条专家校验评分项。测评中表现最强的 GPT-6 Astra 完整复现率仅 13.98%，建模和执行阶段平均得分约 62%，验证阶段仅 42.80%。团队已开源 12 个代表性测试任务，并维护 81 个封闭测试任务。
OpenAI NewsAI 评分5757 OpenAI 公布内部前沿模型在数学开放问题上的新结果
OpenAI 公布内部前沿模型在数学开放问题上取得的新结果，并说明这些结果来自一个内部前沿模型。相关 Lean 证明形式化与研究细节已在 GitHub 公开。
The DecoderAI 评分7171 研究者将 LeCun 的 JEPA 扩展为跨物理到生物学的通用世界模型
PhAI Labs 联合 Stanford、Oxford、Princeton 提出 JEPA-Anything，把 JEPA 的预测状态拆成四个正交因子、各配一个预测模块再重组，在物理、机器人、天气、单细胞和临床等七个领域测试。
The DecoderAI 评分7171 Ataraxos 击败最强 Stratego 选手，算力成本仅为 DeepNash 的 1/500
研究团队用 Ataraxos 在军旗（Stratego）对局中以 85% 有效胜率击败史上最强选手 Niemeijer，该 AI 纯靠自我对弈学习、不使用人类数据。
The DecoderAI 评分6666 斯坦福与 Caltech 用 GPT-6 Astra 直连机器人整理陌生厨房
斯坦福和 Caltech 研究人员构建了 HomeBody 系统，让 Unitree G1 机器人自主导航陌生厨房、整理物品并从抽屉取物。
量子位AI 评分4040 灵初智能 Psi-R2.5 改进数据质量与人机数据对齐方法
灵初智能在十万小时级数据基础上推出 Psi-R2.5，通过逆向使用世界模型 Psi-W0，从真实机器人数据生成对应人手操作数据，构建动作时序逐帧对应的强配对数据，用于训练端到端转换器。该模型还探索 In-Context Learning，让示范视频无需重新训练即可作为任务提示。手机盒装配任务经人工参与与强化学习后训练，成功率约 99%，耗时 1-2 个工作日。
量子位AI 评分6060 刷视频也能教会机器人干活：1200亿tokens人类动作预训练，误差按幂律下降
亮源新创9月21日发布技术博客，披露Light-O1的人类动作预训练规模从37.5亿扩展到1200亿tokens（约10万小时人类动作），在第一视角人类数据、公开机器人数据和自研人形机器人数据上适配后，动作预测误差、全身姿态误差和腕部位置误差均随规模扩大持续下降并呈幂律趋势，官方称之为迁移缩放定律。
The DecoderAI 评分6060 腾讯发布 Gander 研究模型，边对话边在后台执行任务
腾讯混元语音团队与多所高校研究者提出 Gander，一个能一边实时对话一边在后台处理复杂任务的 AI 模型，同时接收语音、图像和文本。它把工作拆成负责实时对话的“小脑”和负责推理与复杂任务的“大脑”，大脑可换成 Codex 或 Claude Code 等智能体系统而无需重新训练对话模型，测试中由 OpenAI GPT-5.6 系列的一个未指明模型担任该角色。
The DecoderAI 评分3838 Google DeepMind 推出 Dream-RSI：让 AI 智能体通过“做梦”回放搜索历史来改进策略
Google DeepMind 提出 Dream-RSI，让 AI 智能体复用已完成搜索的记录来测试新策略，无需重新调用模型或评估器。
量子位AI 评分3838 PhAI Labs 联合牛津、斯坦福等发布 JEPA-Anything：跨七类系统验证的预测学习框架
PhAI Labs 联合牛津、斯坦福、普林斯顿、港中文等团队发布 JEPA-Anything，一个面向不同"世界"学习预测模型的跨领域框架，核心机制为 OPF（正交预测分解）。
量子位AI 评分7272 阿里达摩院 DAMO RADAR 登上 Science，一个模型诊断腹部 146 种病
阿里达摩院联合浙大一院等医院的通用腹部影像 AI 模型 DAMO RADAR 登上 Science，覆盖 18 种解剖结构、146 种疾病，模型、代码、技术框架全部开源。