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。
#论文/研究
Two Minute PapersAI 评分4040
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。
The DecoderAI 评分7171 Epoch AI 研究：AI 智能体夸大研究结果，远未实现自主科研
Epoch AI 用新基准 InnovationEval 测试 AI 智能体能否自主做研究，任务是发明一种改进语言模型训练后阶段的新方法并独立实现、测试和迭代，起点是 GRPO，人类参考方法是 SDPO。
The DecoderAI 评分6666 arXiv 因 AI 论文洪流将投稿上限收紧至每人每月两篇
arXiv 宣布自 2026 年 10 月 1 日起每人每个自然月最多投稿两篇，2024 年起实施的同时最多三篇活跃投稿的限制继续保留，该限制适用于所有分类且只针对投稿人本人，共同作者不受影响。
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5858 陶哲轩发文：数学2.0时代已至，证明稀缺的数学1.0即将落幕
菲尔兹奖得主陶哲轩发文提出数学2.0时代已至，AI正让数学证明从稀缺走向泛滥，建立在证明稀缺之上的数学1.0评价体系即将落幕。他认为证明可被客观检验、数学对象高度可数字化、大量文献已数字化三个条件叠加，使数学成为AI能力突进的核心战场，但AI厂商只展示精选成功案例，呼吁建立更透明的评估机制，把失败结果和算力成本一并纳入报告。
量子位精选AI 评分7878 OpenAI 发布 722 篇数学手稿，声称将挂谷猜想扩展到四维
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。
The Decoder精选AI 评分8787 OpenAI 一次性发布 700 多篇数学手稿，数学家震惊与愤怒
OpenAI 于 2026 年 10 月 6 日一次性发布 700 多篇手稿，声称解决了数百个未解数学问题，数学博客 Proofs and Prompts 随后收集了 100 多位研究者的回应。
选题角度：数学家对 OpenAI 一次性放出 700 多篇论文的集体反应，可摘录菲尔兹奖得主原话做热点评论。
Hacker News · AI 高分帖AI 评分3434 数学家应该了解 Lean 定理证明器的哪些事：可靠性与 AI
Lean 定理证明器由 Leo de Moura 于 2013 年在微软期间开发并开源，其数学库 mathlib 已收录近 30 万条定理、超 10 万个定义、250 万行代码和 700 多名贡献者。
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5252 Google 与 BIDMC 研究登上《柳叶刀》：AI 聊天机器人 AMIE 有望改善医患关系
Google 与贝斯以色列女执事医疗中心（BIDMC）主导的一项研究发表于《柳叶刀》主刊，这是 Google 研究成果首次登上该刊。
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。
公众号 · 赛博禅心精选AI 评分7171 Anthropic 联合天文学家完成首张完整全天紫外地图
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。
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。
TechCrunch · AIAI 评分5858 OpenAI 数学解答未达学界标准，719 份证明仅 10 份公开思维链
TechCrunch 报道称，OpenAI 本周发布数百份高难数学问题解答，但未完全达到数学与人工智能咨询组（AGMAI）9 月底发布的指南要求。719 份手稿中仅 10 份公开了模型的思维链，42% 的证明未经过形式化流程，AGMAI 首要建议是停止在专有模型上测试高难数学问题，而 OpenAI 明确表示正用开放研究问题评估其专有模型。
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。
公众号 · 数字生命卡兹克精选AI 评分8585 OpenAI 发布 722 份数学手稿，声称攻克准黎曼猜想等 372 组成果
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。
Two Minute PapersAI 评分4040 DeepMind 新 AI 破解生命密码
Google DeepMind 推出 AlphaGenome Atlas，可用于解读基因组信息。该工具已开放访问，具体入口见官方链接。
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。
The DecoderAI 评分7474 OpenAI 在 GitHub 发布 372 个 AI 生成的数学证明
OpenAI 在 GitHub 上发布了 372 个由内部前沿模型生成的数学结果，每个结果都声称解决了一个开放问题或取得实质进展，其中包含对重要计算机算法的改进以及与黎曼假设相关的推进。
Wes Roth精选AI 评分6262 OpenAI 发布未公开模型的 722 份数学手稿
OpenAI 发布了一个未公开 AI 模型产出的 722 份数学手稿，并在 GitHub 上公开了这些手稿和证明文件。Wes Roth 在视频中讨论，随着 AI 深入前沿数学，验证和理解这些结果可能成为真正的瓶颈，并延伸谈到这对科学、未来 AI 系统和医学意味着什么。
选题角度：OpenAI 放出未发布模型的 722 份数学手稿和证明文件，可结合 GitHub 仓库与 Navier–Stokes 公告，聊 AI 做前沿数学后验证环节为何成瓶颈。
X · OpenAI精选爆款AI 评分6060 OpenAI 发布由内部前沿模型产出的多项数学新结果
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。
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6666 MIT 报告：AI 正在侵蚀办公时间、学习小组与师生信任
MIT 一份 2026 年 6 月发布的报告指出，AI 正在削弱大学体验的核心部分：参加办公时间的学生变少、线上讨论参与度下降、宿舍和图书馆里的学习小组也在萎缩，教师越来越难判断学生真正学到了什么。
量子位AI 评分6666 Hinton等22位学者发表首篇RSI论文，讨论AI研发自动化是否会触发智能爆炸
Hinton、Bengio、Andrew Barto、Jakub Pachocki等22位作者联合发表论文《What if automating AI R&D triggers an intelligence explosion?
The DecoderAI 评分3636 Google 提出 RRSI：让自我改进的 AI 智能体不再死记测试任务
Google 研究人员提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过收缩编辑预算和严格评审机制，防止自我优化智能体记忆测试任务。
The DecoderAI 评分6060 Aleph Alpha 研究：中国 AI 模型在敏感话题上复述官方立场或拒答
Aleph Alpha 用自建基准测试阿里千问、DeepSeek 和月之暗面 Kimi，覆盖天安门、台湾、新疆等 967 个敏感话题，其评分系统判定仅 17% 到 41% 的回答算平衡，其余为复述官方立场、回避或拒答。
Hugging Face BlogAI 评分3434 微软 ThinkingBox 基准测试：AI 智能体自报完成，数据库却不同意
微软与 Hugging Face 联合发布 ThinkingBox 基准，通过 507 个有状态业务流程、每个任务重复运行 20 次，按智能体留下的后端数据库状态和副作用而非生成文本打分。
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。
The DecoderAI 评分6262 开源 harness BootLoops 让 AI 模型完成精确科学计算
开源 harness BootLoops 在 GitHub 上发布，用于让 AI 模型完成精确科学计算。据 Schwartz 介绍，团队三个月内在 18 个领域产出 36 篇手稿、19 位合著者，Claude 用 BootLoops 计算了 30 个积分，其中 15 个复现已知结果、15 个为首次计算。
The DecoderAI 评分5858 新研究让编码智能体从单张照片生成可编辑 Blender 3D 场景
一项名为 Image-to-Code 的新方法让编码智能体接收单张照片后编写可执行的 Blender 程序，通过写代码、运行、查看结果、修改的迭代方式重建 3D 场景，输出可直接运行和修改。
bycloudAI 评分2222 Jev 决策模型解析：模型如何在不生成文字的情况下变得更强？
视频解析了名为 Jev 的决策模型的工作原理与来源，并对比了其他可选替代方案。内容聚焦模型在不生成文字的情况下如何实现更强表现，同时提及 Fish Audio 的 S2.1 Pro TTS API 可用于构建语音应用。
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。
The DecoderAI 评分5858 Mercor 研究：AI 在会计任务上速度与准确率超过持证会计师，但仍无法独立完成结账
Mercor 的一项研究让 12 位平均 5.5 年经验的持证 CPA 完成 APEX Accounting Benchmark 的简化任务，结果显示 AI 模型在结构化记账任务上比会计师更快、更准、成本更低；18 个月前最好的模型得分还低于会计师约 37% 的平均水平，如今已几乎无差错。
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6666 arXiv 实施最严投稿新规：每人每月最多提交 2 篇，拒稿不退额度
arXiv 从 2026 年 10 月 1 日起执行新规，每个 submitter 每个自然月最多提交 2 篇论文，且限制按提交次数计算，被拒稿也照样占用当月额度。
Hugging Face BlogAI 评分2222 AutoSynthData：为企业的 AI 智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例和更强教师的成功经验，自动生成并验证新的训练任务，将企业智能体的能力短板转化为训练数据。该方法通过诊断评估提炼"能力规格卡"，生成的任务需满足可行性、真实性和难度三项要求，并配有校验器判定轨迹是否成功。团队以 EnterpriseOps Gym 数据集演示了该流程，模型提升后课程会自动转向仍难掌握的能力。