跳到正文
11月4日周三
11月3日周二
  1. The Rundown AI71

    MIT 研究显示 GPT-6 Astra 可直接改写模型权重提升数学成绩

    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。

  2. swyx58

    swyx 引用 @latentspacepod 关于权重空间编程的内容,称我们如今处在特德·姜《呼吸》的第 2 段。被引内容提到,MIT 一项研究中 GPT-6 Astra 将 Qwen3.5-0.8B 的推理循环定位到两层并编辑其 0.016% 的权重,在采样固定的情况下 MATH-500 得分从 7.9% 升至 48.1%。配图为《呼吸》短篇小说的维基百科页面。

    引用Latent.Space: AI News & Views@latentspacepod

    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/

  3. 量子位88

    MIT 实验:GPT-6 Astra 直接改写 Qwen3.5 权重,数学能力提升约 6 倍

    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。

  4. IT之家42

    OpenAI 发布 LifeVal 基准:测试 AI 能否真正办妥日常事务

    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。

  5. IT之家74

    MIT CSAIL 提出权重空间编程:GPT-6 Astra 改 Qwen3.5-0.8B 约 0.016% 权重,MATH-500 提升至 6 倍

    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》

  6. Lisan al Gaib33

    ⚡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

    引用Maksym Andriushchenko@maksym_andr

    ⚡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

11月2日周一
  1. 爱范儿78

    ACM Web Conference 2026 论文拆解 ChatGPT 记忆机制,附记忆审计提示词

    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。

11月1日周日
  1. 新智元64

    GPT-6 Astra 与 Claude Opus 5.5 协助解析 Sompolinsky 1988 模型完整李雅普诺夫谱

    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。

10月30日周五
10月28日周三
  1. 开源中国79

    OpenAI 称其模型证明局部光滑化猜想并推翻指数时间假设

    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》

10月27日周二
  1. 宝玉90

    Anthropic 在 GitHub 上发布一篇论文,称推翻了“指数时间假设”(ETH),署名作者只有 Claude。论文称核心算法由内部研究版 Claude 于 10 月 16 日找到,消耗 1400 万个输出 Token,没有人类输入,Anthropic 研究人员与 Claude 合作改进了论文呈现。OpenAI 同日也宣布其模型在 10 月 16 日找到了同一证明。

    引用levent@__alpoge__

    “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。

10月24日周六
  1. TechCrunch · AI78

    研究:被迫二选一时 Grok 4.7 九成选共和党,GPT-6.1 Sol 九成七选民主党

    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。

  2. 钛媒体75

    哈佛研究显示AI审稿意见在七个维度胜过高水平人类评审

    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。

10月23日周五
  1. IT之家78

    OpenAI 联合 PerturbAI 用数千个 AI 智能体 32 分钟分析小鼠脑细胞数据

    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。

  2. The Verge · AI78

    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。

10月22日周四
10月21日周三
  1. Rohan Paul78

    OpenAI 与 PerturbAI、Scripps Research 用 1946 个 GPT-Rosalind-5.5 智能体并行解析小鼠全脑 CRISPR 图谱,32 分钟完成其估计人类需数月的工作,产出脑疾病研究线索排序。

    引用OpenAI@OpenAI

    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。

10月7日周三