MIT CSAIL 测试 GPT-6 Astra 直接改写 Qwen3.5-0.8B 权重
MIT CSAIL 研究人员公布八项实验,测试 GPT-6 Astra 直接读写神经网络权重的能力,并将该方法称为权重空间编程。

MIT CSAIL 研究人员公布八项实验,测试 GPT-6 Astra 直接读写神经网络权重的能力,并将该方法称为权重空间编程。

Google DeepMind 与斯坦福的新论文发现,提示词中加入红色爱心等简单彩色图形会改变视觉语言模型的代码选择,且模型往往不会说明这一影响。

2077AI、UC Berkeley RDI 等机构的研究团队提出对称攻防评测 CyberArena,让 12 款前沿模型加 harness 组合在 22 个批次、466 场对局中同时扮演攻击方与防守方。
MIT 研究人员发布研究,显示 OpenAI 的 GPT-6 Astra 能通过直接改写模型权重来改进部分 AI 模型,而无需再训练。阿里的小型 Qwen 模型数学成绩原为 7.9%,Astra 只改动 0.016% 的权重抑制重复输出后升至 48.1%;同样方法对缺乏单一缺陷的 Gemma 3 几乎没有效果。作者称该能力未来或可用于让 AI 升级自身、按需增删其他模型技能或检查隐藏问题。

推荐理由:材料给出了权重改写前后的具体分数对比,可据此理解免训练模型改进的边界与局限。

Qwen3.5-0.8B often spent 32K tokens on a math problem without reaching an answer. In an MIT study, GPT-6 Astra traced the loops to two layers and edited 0.016% of Qwen’s weights. With sampling held fixed, its MATH-500 score rose from 7.9% to 48.1%. https://latent.space/p/ainews-llms-can-read-write-neural-network-weights-weight-space-programming-cuts-autoresearch-out-of/
MIT 的实验让 GPT-6 Astra 直接读取并编辑 Qwen3.5-0.8B 的权重,仅改动 0.016% 的权重、不使用梯度和训练,MATH-500 得分从 7.9% 升到 48.1%,指令执行能力也提高 3 倍。

推荐理由:实验展示了前沿模型直接读写小模型权重的新路径,读者可据此理解免梯度修改模型行为的思路与边界。
OpenAI 于 11 月 2 日发布新基准 LifeVal,用来衡量 AI 模型能否真正帮普通人完成日常事务。该基准覆盖照护、健康、教育、家庭行政、个人财务、购物及获取政府服务等场景,要求任务推进到可执行、可交付状态。公开示例中,为孩子找幼儿园得分 93.1%,组织防洪志愿者为 98.0%,为糖尿病家长准备膳食计划为 90.4%;但完整任务集与评分代码尚未公开,目前仍主要是内部评估。

MIT CSAIL 研究人员提出「权重空间编程」,让 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的神经网络权重,仅调整约 0.016% 的参数(131072 个),就把 MATH-500 成绩从 7.9% 提升至 48.1%,GSM8K 从 13.8% 提升至 67.1%,全程未使用梯度下降或传统训练循环。

同一件事,精选收录的是《MIT CSAIL 提出权重空间编程:GPT-6 Astra 直接修改 Qwen3.5-0.8B 权重》

⚡NEW: major update of AgentTime. We now have a combined time awareness score that includes duration following, runtime forecasting, and retrospection in a single metric. GPT models are clearly ahead, particularly the GPT-6 family. We also added *many* new models. 1/5
OpenAI 推出 LifeVal 基准,用于衡量 AI 帮助人们完成日常任务的能力,涵盖寻找托育、管理财务和处理政府文书等场景。该基准聚焦 AI 在真实生活事务中的实际帮助效果。
一篇被 ACM Web Conference 2026 接收的论文《The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT》借助 GDPR 数据访问权,获取 80 名真实用户的 1058 段对话、22971 轮交互和 2050 条记忆条目。

推荐理由:论文用 80 名用户的真实数据拆解 ChatGPT 记忆机制,并给出可复用的审计提示词。
卢森堡 SnT 安全中心 Afshin Khadangi 团队发表研究,通过 4 组受控实验、525 场会话和 7600 条编码记录发现,共情式提问会让模型以临床自述的口吻谈论训练、羞耻与惩罚。

理论神经科学家 David Clark 宣布解析出 Sompolinsky 1988 模型的完整李雅普诺夫谱,相关论文已发布在 arXiv(2610.12426)。他称 GPT-6 Astra 在 Max 模式下独立运算约 100 分钟给出初步推导,随后在 Claude Opus 5.5 辅助下将解法整理为物理上透明的推导过程,并重现了原论文的薛定谔方程结果。
OpenAI 采用分层监控来检测前沿模型失准和智能体的未授权行为,让响应人员能在事件升级前介入。
OpenAI 公布模型在数学、计算机科学、物理三个领域的独立发现,并公开证明材料邀请学术界验证。数学方面,模型证明了所有维度的局部光滑化猜想(Local Smoothing C...)。OpenAI 称这是其首次系统性地把内部模型的前沿科研产出公开、接受外部审查。
同一件事,精选收录的是《OpenAI 宣布 AI 模型取得数学、算法与物理三项科学突破》
“The core algorithm was found on October 16 by an internal Claude research model with 14M output tokens and no human input. Anthropic researchers worked with Claude to improve the presentation, resulting in this paper.” https://github.com/anthropics/formal-math/tree/16a5ce41304fcdaea4e0be7c132e1c361dc26da5/eth
推荐理由:同一数学难题在同一天被两家模型独立触及,读者可据此观察 AI 参与科研发现的现实进展。
OpenAI 公布模型在 Kakeya 猜想、Exponential Time Hypothesis 和量子色动力学上的结果,并说明研究者可以如何验证和在此基础上继续推进。
Convovo 一项研究通过 API 向 Grok 4.7 和 GPT-6.1 Sol 提出强制二选一的投票问题,结果 Grok 在 92% 的回答中推荐共和党候选人,GPT-6.1 Sol 在 97% 的回答中选民主党,近 500 场选举中两者一致率不足 10%。

推荐理由:研究通过 API 强制二选一的实验,呈现两个模型在近 500 场选举中的不同倾向及其来源差异。
哈佛大学两位研究人员10月22日发表论文,对比134组AI与人类审稿意见,AI在七个评价维度上全面领先。研究用Claude Opus 4.8生成审稿意见、GPT-5.5担任盲评裁判,134组比较中AI全部获胜;三位前学术期刊主编的30次盲评中有26次选择AI。在可核查论断中,AI审稿的事实错误比例为5.5%,人类为15.9%。

推荐理由:哈佛研究用134组对比和三位前主编盲评,给出AI审稿在多个维度胜过人类专家的具体数据。
OpenAI 联合 PerturbAI 和斯克里普斯研究所,用数千个 AI 智能体在 32 分钟内分析了覆盖整个小鼠大脑的 CRISPR 图谱,团队估计人类完成同等工作需数月到一年。

推荐理由:原文给出了分布式智能体与单智能体的盲测偏好和文献引用量对比,可据此判断多智能体拆分任务的实际收益。
Rohan Paul 转述一项哈佛研究,称 AI 生成的论文评审在作者测试的每一项指标上都优于高质量人类专家评审。

推荐理由:哈佛研究用盲评对比 AI 与高报酬专家评审,给出了错误率与偏好比例的具体数字。
微软宣布推出 AI 诊断系统 MAI-DxO(Microsoft AI Diagnostic Orchestrator),通过统一编排多个 AI 智能体模拟医生专家联合会诊。

同一件事,精选收录的是《微软诊断编排器在病例测试中准确率高于医生,成果发表于 Science》
微软 AI 负责人 Mustafa Suleyman 向 The Verge 表示,公司开发的诊断工具 Diagnostic Orchestrator 在测试中诊断准确率最高可达人类医生的四倍,相关结果发表在 Science。

推荐理由:微软在 Science 发表诊断系统评测,给出与医生对照的准确率数字,也交代了尚未做临床验证的边界。
微软 AI 的诊断系统 MAI-DxO 在《Science》周四发表的一项研究中,对《新英格兰医学杂志》复杂病例的模拟诊断准确率为 83%,而单独借助参考资料的全科医生和内科医生为 36%。

OpenAI 与 PerturbAI、Scripps Research 合作,用数千个基于 GPT-Rosalind 的 AI 智能体分析小鼠全脑 CRISPR 图谱,覆盖数百万个细胞,完整分析耗时 32 分钟,团队估计人工完成需数月至一年。
OpenAI、PerturbAI 与 Scripps Research 用分布式 AI 智能体,从数百万个脑细胞的数据中挖掘出有前景的研究线索。该演示展示了数千个 AI 智能体协同分析生物数据的用法。

GPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in making cholesterol. GPT-Rosalind suggested a possible explanation: cholesterol may not be reaching where neurons need it. That gives scientists a specific mechanism to test and, if confirmed, a direction for developing new treatments for neurodegenerative disorders. With @perturbai_tx and @scrippsresearch, a team of thousands of GPT-Rosalind agents worked in parallel, connecting gene-expression results from millions of mouse brain cells with scientific literature in just 32 minutes. We’re now expanding this collaboration to identify new drug targets. https://openai.com/index/scaling-ai-research-for-complex-biological-data/
推荐理由:原文给出了智能体拆分大规模实验的具体做法与盲评对比数据,读者可据此判断并行智能体在科研分析中的分工方式。
推荐理由:OpenAI 公开内部前沿模型产出的数学结果,并说明发布方式参考了外部顾问组的建议。