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。
#推理
Hacker News · AI 高分帖AI 评分6060 X · Anthropic精选AI 评分6262 Anthropic 用 Claude Mythos 5 设计出更高效的量子电路
Anthropic 的 STEM Fellows Program 发布新成果，Claude Mythos 5 在给定自然语言指令后设计出量子电路，效果优于已发表的最优电路，部分情况下提升一个数量级甚至更多。更高效的电路可减少量子算法所需资源，有望让化学和材料科学领域的量子计算应用更早落地。
选题角度：Anthropic 官方披露 Claude Mythos 5 按自然语言指令设计量子电路，效果超过已发表最优结果，适合做效果对比解读。
公众号 · 新智元精选AI 评分6060 OpenAI前研究员Nick Cammarata发布长文：约90%神经元各有一个主要任务
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。
X · AKAI 评分1818 Hybrid Reasoning Agents 论文发布
Hybrid Reasoning Agents 论文公开，链接为 https://t.co/L6Tmk4Oy2q 与 https://t.co/pdWodo7q2R。原文未披露模型、参数规模、benchmark 分数或可用性等具体信息。
公众号 · 夕小瑶科技说AI 评分3030 Google 在 Willow 量子芯片上验证「魔法态培育」，错误率降低 40 倍
Google Quantum AI 团队在 105 比特量子芯片 Willow 上验证了「魔法态培育」技术，成果登上《Science》，将错误率降低 40 倍，实现 99.99% 的逻辑保真度。
公众号 · 新智元AI 评分3838 清华北邮联合提出 DIVA：离散扩散视觉语言模型面临跨步条件传播越狱风险
清华大学与北京邮电大学提出白盒视觉越狱攻击方法 DIVA，利用离散扩散视觉语言模型的跨步条件传播特性，在 HADES 基准上对 LLaDA-V、MMaDA、LLaDA2.0-Uni 的平均 ASR 分别达 58.80%、67.73%、69.07%。该方法通过跨模态意图混淆与扩散感知对抗优化，在像素约束内构造类别级共享扰动，且不修改模型权重与解码流程。
Reddit · AI 大众社区精选AI 评分6262 GPT-6.1 Sol 审查近 800 篇数学论文，6% 存在重大错误
GPT-6.1 Sol 审查了近 800 篇数学论文，发现 6% 存在重大错误，另有 30% 存在小错误。研究人员估计其重大发现的 90% 是正确的。随着 AI 使用率上升，较新论文的重大错误率降至 1.5%。
The Decoder精选AI 评分7878 GPT-6-Astra在50道理论物理研究题中解出49道，单题成本约2.40美元
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。
最佳拍档AI 评分3434 约翰霍普金斯大学"通用权重子空间假设"论文解读：1200 个模型权重收敛共享低维子空间，自媒体"所有 AI 是同一模型"说法被夸大
约翰霍普金斯大学论文《通用权重子空间假设》用 HOSVD 分析 1200 多个神经网络，发现不同任务、不同模态的模型权重倾向收敛到共享低维子空间。自媒体将其夸张为"所有 AI 都是同一个模型""只需 16 维"，但 16 维只是 SVD 截断口径，LoRA 共享同一基座，不同架构子空间互不对应。
X · AKAI 评分2222 论文提出 Thinking Inertia：LLM 被要求停止思考时仍继续思考
一篇论文提出 "Thinking Inertia" 现象：LLM 在被明确要求停止思考时仍会继续思考。论文链接已随帖发布，未披露涉及的模型、参数规模或评测数据。
Two Minute PapersAI 评分3030 OpenAI 新 AI 正在做我们几乎无法理解的事
Two Minute Papers 讨论了 OpenAI 的新 AI 正在做我们几乎无法理解的事。视频未披露具体模型名称、参数规模或 benchmark 分数，仅提供相关论文链接，并感谢 Lambda 及 Patreon 支持者。
The DecoderAI 评分6060 微软研究：清空对话历史能让 AI 智能体找到更好解法
微软研究院一项研究发现，长时间运行的 AI 研究智能体即使增加算力也会陷入性能平台期，同一任务 8 次独立运行的最终得分从 68.3 到 100.0 不等。研究者把这种局限称为“idea basins”，智能体把剩余算力用于在低产区域反复打磨方案。
The DecoderAI 评分7171 Google DeepMind 的 AlphaProof Nexus 解出多道开放数学难题并获同行评审
Google DeepMind 的 AlphaProof Nexus 自主解出多道开放数学问题，相关研究发表在 Science 上。它攻克了 353 道 Erdős 开放问题中的 9 道，其中两道已悬置 56 年，还证明了 OEIS 整数序列数据库中的 44 个猜想、解决了一个代数几何开放问题，并改进了 min-max 优化中的一个已知界。
量子位AI 评分7171 GPT-6 Astra 联手数学爱好者证明 57 年摆圆难题
数学爱好者 nor 用 GPT-6 Astra 严格证明了 N=15、16、17、18 和 20 五种圆盘装圆问题的最优性，此前仅 N≤14 和 N=19 得到验证。
量子位AI 评分7171 华为 Memento 3 通关 ARC-AGI-3 全部 25 款游戏，操作次数比人类少 56%
华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3 智能体系统，以 Claude Opus 5 为底模、不更新权重也不微调，通关 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡，拿下满分 100 的 RHAE 成绩，总操作 7518 次，比人类的 17135 次少约 56%。
Two Minute PapersAI 评分4040 DeepSeek 解决了 AI 的记忆问题
DeepSeek 的 OCR 论文提出了一种解决 AI 记忆问题的方法。该论文已公开，具体技术细节与效果数据尚未在现有材料中披露。
The DecoderAI 评分6060 研究显示 AI 智能体团队耗费大量 token 却几乎换不来质量提升
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和智能体团队形式运行，并设置 medium 与 maximum 两档推理强度。
量子位AI 评分6262 何恺明团队发布多模态Harness框架VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA，让现有多模态模型无需重新训练即可保存原始画面并在推理时回看、放大和检查细节。
量子位AI 评分7171 Aether AI 发布 CRIS-0 机器人系统，0.2 秒急停、2 秒内重规划
Aether AI 公布因果智能机器人系统 CRIS-0 的官方 Demo，机器人在关闭微波炉门时遇人手突入可 0.2 秒急停，咖啡制作测试中平均 2 秒内识别因果变量变化并重规划，10 次随机扰动实现 9 次有效恢复。
量子位AI 评分6464 字节Seed发现DeepSeek-V4时强时弱源于KV Cache压缩的相位敏感性
字节Seed团队发现DeepSeek-V4的答题表现会随信息在输入中的位置每隔4个Token周期性变化，在128K长上下文大海捞针测试中，同一条信息换个位置，DeepSeek-V4-Flash-Base的检索准确率最大差距达40.2个百分点，DeepSeek-V4-Pro-Base为34.8个百分点。
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。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平
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 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3131 DeepMind 研究人员提出“人工共生智能”，作为“奇点”的替代方案
DeepMind 研究人员提出“人工共生智能”（Artificial Symbiotic Intelligence），主张 AI 研究的核心是协调由智能体、人和连接系统组成的复杂网络，而非构建单一自我改进的超级智能。
Hacker News · AI 高分帖AI 评分4040 信息大多隐藏的 Stratego 游戏此前难倒 AI，如今被攻克
信息大多隐藏的棋盘游戏 Stratego 此前一直难倒 AI，如今被攻克。该帖在 Hacker News 获得 289 分、154 条评论。
Hacker News · AI 高分帖AI 评分2222 研究：Jev 等决策模型并未胜过 LLM-as-a-judge 或传统分类器
针对 TypeSafe AI 发布的 Jev 决策模型，一项实验在 4 类方法、9 个候选护栏上做了对比，结论是 Jev 这类决策模型并未胜过 LLM-as-a-judge 或传统分类器。Jev 以固定 schema 输出决策、零样本且比 LLM 更快更便宜，但 Red Hat AI Safety 团队主张护栏应使用针对任务微调的小型预测模型。
量子位AI 评分7171 丘成桐新论文致谢GPT 6 Astra和Claude Pro，称AI辅助探索证明思路
丘成桐参与的最新论文在致谢中感谢GPT 6 Astra和Claude Pro，称它们在部分证明策略的探索和计算中提供了帮助，论文同时声明人工验证和写作责任由作者承担。
量子位AI 评分5555 何恺明团队提出NAT-ARC：用ImageNet预训练纯视觉模型解ARC
何恺明团队提出NAT-ARC，一套纯视觉的ARC解题方案，用ImageNet上的MAE预训练encoder再迁移到抽象格子推理。表现最好的单模型为0.6B参数，在ARC-1上取得63.4%的pass@2分数，集成后达到70.2%，约2B参数；作为参照，专门微调的The ARChitects用8B语言模型拿到71.6%。
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。
Hacker News · AI 高分帖AI 评分1515 受 Kahneman 快慢思考理论启发，论文提出多智能体 AI 元认知架构
一篇 arXiv 论文借鉴 D. Kahneman 的"快慢思考"理论，提出多智能体 AI 架构：由 system 1（快）智能体凭过往经验直接响应，system 2（慢）智能体在需要推理和搜索最优解时被刻意激活。两类智能体均由世界模型（环境领域知识）和"自我"模型（系统过往动作与求解器技能）支撑。作者认为，研究人类具备这些能力的机制，有助于理解如何让 AI 系统获得同类能力。
X · Anthropic精选AI 评分6262 Anthropic 称 Claude 在 Claude Science 中解出九圈散射振幅
Anthropic 在 Science Blog 发文称，Claude 在 Claude Science 中仅凭一条描述九圈问题的提示词，基本无人监督地运行数天，解出了平面 N=4 超杨-米尔斯模型中的九圈散射振幅，总成本几千美元。
选题角度：原文给出九圈散射振幅这一具体科研任务和几千美元成本，适合做AI独立跑数天解物理难题的实测复盘。
量子位精选AI 评分7878 Skild AI 用自我对弈训练人形机器人 Messinator 踢足球
美国具身智能公司 Skild AI 展示人形机器人 Messinator，在 NVIDIA Isaac Sim 搭建的虚拟足球场中通过强化学习和 self-play 自我对弈 140 年，学会带球、护球、抢断和倒地起身，并迁移到真实机器人上完成射门。
选题角度：原文给出虚拟足球场自我对弈140年的训练设定和机器人带球射门演示，适合做效果对比或玩法解读。
量子位AI 评分3838 任少卿指导蔚来发布 MM-Future：多模式世界—动作联合建模让自动驾驶"走一步想十步"
任少卿以通讯作者身份指导蔚来团队发布论文《MM-Future: Multi-Mode Joint World–Action Modeling for Autonomous Driving》，提出一次生成多组配对场景—动作假设、让轨迹与未来场景共同演化的多模式联合模型。
量子位AI 评分6060 Nature 梳理 GPT-1900 实验：AI 能否重新发现光量子
Nature 最新文章梳理了独立研究者 Michael Hla 的 Machina Mirabilis 项目，他用 Andrej Karpathy 的 nanochat 框架从零训练了 33 亿参数的 GPT-1900。
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。
FireshipAI 评分4242 Google DeepMind 发布 Dream-RSI：把旧发现日志变成模拟器
Google DeepMind 发布 Dream-RSI，可将 AI 此前的发现日志转化为模拟器，用于测试数千种探索策略。该技术被讨论为是否属于 RSI，还是带缓存的搜索算法。
Wes RothAI 评分3838 Google 用 Dream-RSI 让 AI 在"梦境"中重放实验，优化下一步实验选择
Google 研究人员提出 Dream-RSI，把已记录的发现转化为可重放的世界，让智能体在跑新实验前先测试更优的研究策略。该工作探索"学会选择正确实验"能否成为递归自我改进的关键组件，相关项目附有交互式解释与论文。