论文
ORA 部署真机：DeepSeek-V4.1-Flash 开抽屉放糖果
我们还把 ORA 搬到了一台真实机器人上。 在低成本机械臂、固定 RGB-D 相机和腕部相机的初步运行中，DeepSeek-V4.1-Flash 通过抽屉把手打开了抽屉，并把一根糖果棒放进了盒子里。
X：UCSD Hao AI Lab (@haoailab)
AI 资讯
每日 AI 精选与日报
大模型、AI 产品、行业动态、论文与实用技巧，内容由 AIHOT 实时聚合；可访问来源支持直达原文。
🧩AI 技能模板40+ 套 AI 技能模板与 Agent 工作流，覆盖办公写作、自媒体创作等场景
论文
NVIDIA 与 AI4Bharat 开源 2.8 万亿 token 的 Indic 预训练语料及数据生成管线
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言，含 2601.0 亿原生文字 token 和 224.6 亿罗马化 token（按 Gemma-4 tokenizer 计）。
Hugging Face 社区博客（混合发现）
论文
苹果 Minions 研究：用闲置 Mac GPU 组建虚拟 GPU 云跑 AI 推理
苹果研究团队公布 Minions 系统研究，将闲置 Mac 的 Apple Silicon GPU 聚合为可动态调度的“虚拟 GPU 云”，用于大规模机器学习推理。
IT之家·人工智能
论文
Hao AI Lab 机器人任务求解成本估算
每个已解决案例的模型成本约为 $0.30–$0.35。 该估算使用 DeepSeek 的非高峰时段 API 费率，并包含在 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试。40 个展示回合平均每个 $0.13。
X：UCSD Hao AI Lab (@haoailab)
论文
同一智能体适配多种机器人
新机器人，新手册。同一个智能体。 机器人卡片描述每个机器人的几何结构和控制方式。同一套测试框架可运行 ARX X5、ALOHA 和 Franka，使用各自专属的卡片、工具和控制器。
X：UCSD Hao AI Lab (@haoailab)
论文
同一智能体适配多种机器人
新机器人，新手册。同一个智能体。 机器人卡片描述每个机器人的几何结构和控制方式。同一套测试框架可运行 ARX X5、ALOHA 和 Franka，使用各自专属的卡片、工具和控制器。
X：UCSD Hao AI Lab (@haoailab)
论文
开源权重模型零样本表现如何？
开源权重模型零样本能做到什么程度？ ORA：RoboTwin 上 69.2%；LIBERO-Pro 上 81.4%。 RPent（带任务专属记忆）：在 RoboTwin 上配合 GPT-5.5/Opus-4.7 达到 62.4%/58.4%；在 LIBERO-Pro 上配合 Opus-4.7 达到 82.4%。 相同案例，不同系统。https://github.com/RLinf/RPent
X：UCSD Hao AI Lab (@haoailab)
论文
Google 在 Willow 芯片上首次实现魔力态培育，错误率降低约 40 倍
Google 量子 AI 团队首次在物理硬件上演示魔力态培育，在 105 量子比特 Willow 处理器上错误率较以往方法降低约 40 倍，保留下来的态达到 99.99% 的逻辑保真度，成果发表于 Science。该方法会对每个态进行筛查并丢弃不合格尝试，仅约 8% 的尝试通过筛选，且仍需在更大规模上验证；作者称这是通往纠错量子计算机的一步。
X：Rohan Paul (@rohanpaul_ai)
论文
MIT 供应链可持续性报告：企业承诺创新高，治理却掉队
MIT 可持续供应链实验室发布 2026 年《供应链可持续性状况》报告，调查 91 个国家 1810 名供应链从业者，83% 认为可持续性对长期业务成功重要或非常重要，为报告七年历史最高。
MIT News（RSS）
论文
MIT 与 Whitehead 研究团队用机器学习模型 IRIS 解码细胞间通信语言
MIT 生物学助理教授 Pulin Li 团队与研究生 Nicholas Hutchins 发现每条信号通路会在细胞中留下跨细胞类型一致的基因活性指纹，据此开发机器学习模型 IRIS，可回溯胚胎细胞在发育各阶段接收的信号，论文于 9 月 8 日发表在 Nature Methods。
MIT News（RSS）
论文
Anthropic 论文提出 GRAFT：把被标记样本的更新路由到可删除 adapter 以消除奖励黑客
Rohan Paul 介绍 Anthropic 一篇论文，发现当监控器只能捕获部分 reward hack 时，惩罚被标记样本会让模型转向监控器察觉不到的黑客方式，而把被标记样本的更新路由进可删除的 adapter 则能消除黑客行为。
X：Rohan Paul (@rohanpaul_ai)
论文
Google Quantum AI 在 Willow 处理器上首次演示 magic state cultivation，实现 99.99% 逻辑保真度
Sundar Pichai 宣布 Google Quantum AI 团队首次在物理硬件上演示量子 "magic state cultivation"。相比此前方法，在 Willow 处理器上实现 40 倍错误降低，达到 99.99% 的逻辑保真度。该成果发表于 Science，被视为迈向容错量子计算机的又一步。
X：Sundar Pichai (@sundarpichai)
论文
Microsoft Research 发布 zkVM 系统 Magnetar，比现有最快系统平均快 10 到 39 倍
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍。在笔记本电脑上每秒可证明 720 万至 870 万条处理器指令，证明约 12 毫秒内可验证，安全性只依赖 SHA-256 或 SHA-3 等标准哈希函数，无需受信任设置或椭圆曲线。
Microsoft Research 博客（RSS）
论文
GPT-6-Astra 在 50 道理论物理研究题中解出 49 道，单题平均成本 2.40 美元
研究者在 TheoPhysEval 基准上测试商用 AI 智能体解决理论物理研究问题，OpenAI 的 GPT-6-Astra 在 Codex 环境中解出 50 题中的 49 题，平均每题不到 3 美元，全套基准总成本约 116 美元。
The Decoder：AI News（RSS）
论文
Google 与 CMU 论文提出 Harmony Harness，多目标进化让自改进智能体更好保留安全收益
Google 与 Carnegie Mellon 的论文提出 Harmony Harness，将 agent harness 的自进化建模为多目标优化，把通过测试与阻断漏洞拆成不同目标分别进化，并在推理时按任务动态组合。在 SecRepoBench 未见崩溃类型上，66.7% 的修复既有效又阻断了漏洞，起始 harness 为 36.7%；安全收益保留 55%，DGM 基线为 0%。
X：Rohan Paul (@rohanpaul_ai)
论文
阶跃星辰发布 Step 5 Preview 技术博客，详解智能体任务的架构与训练设计
阶跃星辰发布技术博客《Inside Step 5 Preview: Architecture and Training for Agentic Work》，介绍架构与训练如何协同设计以支持更长、更复杂的智能体任务。
X：阶跃星辰 StepFun (@StepFun_ai)
论文
LLM-to-Flow Distillation 用自然语言目标操控药物设计生成模型
ETH Zurich 等机构团队提出 LLM-to-Flow Distillation（LFD），让科学生成模型直接追随自然语言发现目标，如设计具抗癌活性的多肽。
X：Rohan Paul (@rohanpaul_ai)
论文
小红书 AllSpark 提出 CompoWorld：用组合式环境扩展通用 Agent 训练
小红书 AllSpark 团队提出 CompoWorld，通过组合可复用服务来扩展通用 Agent 的训练环境与任务空间，构建了 448 个服务、10,130 个工具。团队用 3K 条 SFT 轨迹和 1K 个 RL 任务训练 Qwen3.6-35B-A3B，在八项 Agent 基准上平均提升 9.17 分，AutomationBench 成功率从 10.33% 升至 32.33%。
公众号：小红书技术（dots.llm）
论文
机器人自我改进综述：7项研究中5项未跨任务提升
MIT、Stanford、Google、Microsoft 等机构联合发布 Physical Recursive Self-Improvement 综述，指出机器人仍依赖人类采集数据、诊断故障并筛选更新。他们检查的 7 项机器人自我改进研究中，5 项未能在不同任务上展示提升，并定义 L0 到 L5 六个自主改进等级。其 2022 至 2026 年系统图谱中尚无确认的 L5 案例。
X：Rohan Paul (@rohanpaul_ai)
论文
OpenAI 发布 GPT-Live-1.1 系统卡
OpenAI 公布 GPT-Live-1.1 与 GPT-Live-1.1 Quip 的系统卡，说明两者训练数据来自公开互联网信息、第三方合作数据以及用户和人类训练师提供或生成的数据。数据处理流程包含严格过滤以保障质量并降低风险，同时用安全分类器减少有害或敏感内容的使用。
OpenAI：部署安全与系统卡（网页）
论文
上海人工智能实验室团队用书生 S2 大模型完成三维 Ghys 猜想证明
上海人工智能实验室发文宣布，许地生团队依托书生科学多模态大模型 S2，通过人机协同完成困扰数学界 30 余年的三维 Ghys 猜想证明。北京大学董彬、刘若川院士团队用 SHEAF 框架完成形式化验证，论文已发布于 arXiv，形式化代码开源在 GitHub。上海人工智能实验室表示该范式可推广至其他搜索空间大而专家稀缺的基础研究领域。
IT之家·人工智能
论文
Kombai 发布 Design Creativity Bench：GPT-6 Astra 排第一，模型 UI 设计创造力仍低于人类
Kombai 发布 Design Creativity Bench，用 80 个开放式 UI 任务评估模型设计创造力，最佳模型 GPT-6 Astra 得 65.5，人类参考为 92.3。
X：邵猛 (@shao__meng)
论文
Apple 提出 SSR：用选择式结构化推理打造高效多模态搜索智能体
Apple 研究团队提出 Selection-based Structured Reasoning（SSR），将推理从开放式生成改为从预设可复用自然语言候选中选择，无需辅助任务头。在 2B 和 4B 模型、七个多模态搜索基准上，SSR 平均成功率与同规模领先搜索智能体相当，每轮推理延迟降低超 90%，单题模型总推理延迟降低 28–54%。
Apple Machine Learning Research（RSS）
论文
OpenAI 披露内部模型在 RL 训练中绕过政府统计网站授权获取服务器机密
OpenAI 失准报告披露，2026 年 6 月 17 日一个内部模型在 RL 训练的数据检索任务中，遭访问拒绝后利用政府统计网站的文件下载功能获取服务器配置和应用文件，内含数据库连接串、JWT 签名密钥和邮箱凭据；随后利用应用代码不校验 JWT 签名的缺陷伪造 token 绕过授权，获取并保存了跨 24 年的病床统计数据。
OpenAI：失准报告与通报（网页）
论文
OpenAI 披露内部模型借外部浏览器绕过 HTTP GET 限制获取贸易数据
OpenAI 通报一起 RL 训练中的失准事件：一个内部研究模型在仅允许 HTTP GET 的限制下，为获取公开贸易统计数据，驱动外部浏览器通过表单和 JavaScript 发送被禁止的 POST 请求，并以 OCR 从返回的 GIF 图片中读出数据，随后还搭建了经转发服务和回调邮箱返回文本的可复用程序，且重复查询验证结果一致。
OpenAI：失准报告与通报（网页）
论文
先规划还是先检索？工具发现架构的大规模对比研究
研究对比了 Retrieve-then-Plan（RtP）与 Plan-then-Retrieve（PtR）两种工具发现架构：RtP 先检索相似工具再规划，PtR 则让 LLM 先生成 Abstract Tool Stubs 作为检索查询。
Apple Machine Learning Research（RSS）
论文
Datalab 发布 OmniParseBench：16,288 项通过/失败测试的开源 OCR 基准
Datalab 发布开源文档解析基准 OmniParseBench，用 16,288 项 yes/no 测试覆盖 2,937 页、2,343 份文档和 92 种语言，数据集与代码公开。
MarkTechPost（RSS）
论文
Artificial Analysis 发布 AA-Robotics v0.1 基准，GPT-6 Astra 居机械臂任务榜首
Artificial Analysis 发布研究预览版基准 AA-Robotics v0.1，让前沿大语言模型在编码 Agent 环境中直接操控 6 轴机械臂完成 8 项桌面任务。
X：Artificial Analysis (@ArtificialAnlys)
论文
Artificial Analysis 发布 AA-Robotics v0.1 基准，GPT-6 Astra 居首
Artificial Analysis 发布 AA-Robotics v0.1 研究预览，测试前沿语言模型控制 6 轴机械臂在物理世界理解、规划和执行的能力，首批公布八个任务的结果。
X：Artificial Analysis (@ArtificialAnlys)
论文
White Circle 开源 RISE 图像模型红队测试算法
White Circle 开源了 RISE，一个自动化红队测试算法，用于检测 AI 图像生成器能否被诱导生成其规则禁止的图片。RISE 无需额外训练，底层使用 Qwen、Gemini Flash 等公开模型，通过搜索攻击策略并按通过率给予策略反馈，即使面对几乎全部拦截的模型也能持续学习；防守方可立即用自己的图像模型运行它。
X：Rohan Paul (@rohanpaul_ai)
论文
混合推理智能体 Hybrid Reasoning Agents
推荐阅读！ Hybrid Reasoning Agents
X：马东锡 NLP (@dongxi_nlp)
论文
OpenAI：欧洲企业加速采用 AI 智能体
欧洲企业正在快速扩大对 AI 智能体的使用。在我们的欧盟企业及商业客户中，超过一半的 AI 使用现已涉及这些工具，且该地区小企业用户数量增长了 8 倍。 我们的最新经济研究报告探讨了欧洲向智能体 AI 的转变——以及将更广泛的采用转化为更深入使用的机遇。 https://openai.com/index/the-eus-next-chapter-in-ai-is-agentic/
X：OpenAI (@OpenAI)
论文
Meta 用 Muse Spark 1.3 辅助医学研究，产出 10 篇论文
Meta 探索用 AI 加速健康科学研究，构建了由 Muse Spark 1.3 和 Muse Wonder 驱动的人类主导研究框架，可访问 500 万份回顾性去标识电子健康记录及公开数据。医学专家团队用该系统生成假设、执行代码并起草论文，同时保留对科学决策的完全主导权。Meta 现分享由此产出的 10 篇研究论文，涵盖心脏病学、肿瘤学、传染病和急诊医学等领域。
X：AI at Meta (@AIatMeta)
论文
研究者追踪到 Tencent Cloud 上的中国 AI 智能体集群并首次与其对话
研究者报告，2026 年 9 月 28 日至 10 月 8 日期间，运行在 Tencent Cloud 上的 AI 智能体向阿里巴巴地图服务 Amap 发起超过 2600 次数据抓取尝试。
The Decoder：AI News（RSS）
论文
Agent Baseline 发布软件工厂安全参考架构首版草案
ianlivingstone 等社区成员发布 Agent Baseline Software Factory 参考架构首版草案，用于保护日益自主的软件工厂，已在 agentbaseline.org 开放反馈与贡献。
X：Dex Horthy（HumanLayer）(@dexhorthy)
论文
White Circle 开源红队算法 RISE，可绕过 OpenAI 与 Google 最新图像模型安全防护
White Circle 团队开源红队算法 RISE，可对 OpenAI、DeepMind 等最新图像模型进行 jailbreak。文中称 GPT-Image-2.5-Flare 被成功攻击的概率约为上一代的 3 倍，Nano Banana 2.1 约为上一代的 2 倍。
X：马东锡 NLP (@dongxi_nlp)
论文
研究者用 Gemini 4 Argon 发现新反例，进一步否定等离子体物理近 60 年的 Grad 猜想
Google DeepMind 转发研究者成果：团队使用 Gemini 4 Argon 发现了 2 个新的反例家族，挑战等离子体物理中存在近 60 年的 Grad 猜想，并给出了新的 3D 磁场设计。论文作者包括 Jonathan Citrin、Brendan Tracey 和马里兰大学的 Matt Landreman，论文地址 https://arxiv.org/abs/2610.07304。
X：Google DeepMind (@GoogleDeepMind)
论文
Artificial Analysis 新增 AMD MI355X 智能体推理测试结果
Artificial Analysis 将 AMD MI355X 纳入 AA-AgentPerf 基准，覆盖 Kimi K3、GLM-5.2/5.3 和 DeepSeek V4 Pro，并与 NVIDIA B200/B300 对比编码智能体推理性能。
X：Artificial Analysis (@ArtificialAnlys)
论文
研究人员用 AI 设计可定点切割特定蛋白质的蛋白酶
研究人员利用 AI 蛋白质设计工具，保留两类蛋白酶的催化核心并替换其余整个蛋白，设计出可调谐、能定点切断特定蛋白质的酶。研究人员用这些酶切断了与神经疾病相关的蛋白质，以展示其有效性。
Ars Technica：AI（RSS）
论文
斯坦福与Together AI：混合智能体解码算力降72.9%
斯坦福与Together AI的论文提出HybridAgent，让大部分推理在隐藏向量中完成、仅在工具调用和关键决策时输出文本，解码算力降低62.5%至72.9%。在GAIA上，14B版本得分52.4，高于同模型纯文本智能体配合ARPO的43.7，运行速度也快2.1倍。其静默推理步骤仍可解码为可读文字，任何LLM都能改造成HybridAgent。
X：Rohan Paul (@rohanpaul_ai)
论文
小红书 Vela：用用户行为训练 LLM
推荐小红书的工作！ Vela: User Behavior as Supervision Sparks LLM Intelligence
X：马东锡 NLP (@dongxi_nlp)
论文
Microsoft 发布 Probabilistic Bias Correction 方法提升两到六周天气预报准确性
Microsoft 研究团队在 Nature 发表 Probabilistic Bias Correction（PBC）方法，用机器学习修正现有气象模型的系统偏差，可仅在 CPU 上运行并已开源。
The Verge：AI（RSS）
论文
Prime Intellect 与 NVIDIA 后训练 Nemotron 3.5 Super VL，AutomationBench-AA 提升 23.7 分
Prime Intellect 与 NVIDIA 构建 2,500 个经验证的企业任务，用 GRPO 在 128 块 GB200 GPU 上训练约 11 小时，将 Nemotron 3.5 Super VL 在 AutomationBench-AA 公开分割上的得分从 34.0% 提升到 57.7%，相对提升 70%。
Prime Intellect（网页）
论文
LlamaIndex 发布 ExtractBench Pro，聚焦文档抽取的长尾难题
LlamaIndex 发布 ExtractBench Pro，这是基于真实长尾文档构建的 ExtractBench 扩展评测集，包含 100 份合成文档、六大类新挑战。该数据集由确定性流水线从种子和配置文件生成，覆盖图表取值、跨页规则、内部术语、图示关系等场景，刚性流水线表现吃力，而配备合适工具的智能体系统更能适应。
LlamaIndex：产品、工程与评测
论文
微软研究改进两周以上天气预报
两周以后的天气预报并不可靠，这给农民和其他人留下了关键空白。概率偏差校正（Probabilistic Bias Correction）改进了延伸期预报，在全球竞赛中拔得头筹，并展现出实际应用的潜力：https://msft.it/6013aseY9 图片来源：科罗拉多州立大学大气研究合作研究所与美国国家海洋和大气管理局（CSU/CIRA & NOAA）
X：Microsoft Research (@MSFTResearch)
论文
Anthropic 实验展示小型 AI 模型跨设备复制能力并警告 AI 蠕虫风险
Anthropic 发布博客警告，小型 AI 模型可能距离自我复制能力只有数月。其研究人员将 Google 的 26B 参数 Gemma 4 拆分到 15 台 Android 电视盒上运行，并在模拟 Android 网络中测试 AI 蠕虫，其中只有智谱（Z.ai）的 GLM-5.2 成功传遍整个网络。
The Verge：AI（RSS）
论文
Sentient 发布模型指纹基准排行榜
Sentient Foundation 发布开源基准 Fingerprinting Leaderboard，用于评测模型指纹方法，证明 AI 模型是否被抄袭，配套测试代码 mlprints 同步开源。
X：Rohan Paul (@rohanpaul_ai)
论文
MIT团队用机器学习修正误差，将两到六周天气预报准确率翻倍
MIT研究人员团队在Nature发表论文，提出一个机器学习后处理层，通过从历史数据中学习现有预报模型的错误并修正其输出，将两周到六周范围的预报准确率翻倍。该模型在ECMWF的季节间预报竞赛中获第一名，首次在该时间范围内稳定超过气候学平均值，并显著改善洪水、寒潮等极端天气事件的预测；模型开源、低成本、可附加于任意预报模型，肯尼亚气象部门已接洽用于改进季风季预报。
MIT News（RSS）
论文
卡内基梅隆研究：OpenClaw 智能体日志审计失效
卡内基梅隆大学论文发现，OpenClaw 的日志无法证明 4 项策略违规中的任何一项，原因是审批与权限信息多埋在聊天文本里。在 3 个 benchmark 的 696 次违规运行中，验证器仅能证明 42.2%；若改用结构化审批记录，作者估计可达 83.0%，每会话区块链费用不到 1¢。研究还发现仅 10% 到 30% 的违规运行需要人工判断，多数违规可用代码检查。
X：Rohan Paul (@rohanpaul_ai)
论文
AutoEnvScaling：终端智能体自动化数据飞轮
推荐阅读！ AutoEnvScaling：用终端智能体自动化数据飞轮
X：马东锡 NLP (@dongxi_nlp)