至简动力冯宗宝 IROS 2026 演讲：机器人仅用 600 条轨迹实现双 CNC 机床自主值守
至简动力强化学习负责人冯宗宝在 IROS 2026 现场分享，一台 i7 Pro 机器人可自主照看两台 CNC 机床，在工件与卡盘间隙仅 0.5 毫米的情况下完成工件抓取、上料卡盘、加工后取件与归位放置，整套模型仅用 600 条真实机器人轨迹完成训练。方案结合 SimpleWAM、DRAM 与 DPE 三种方法，分别处理动作生成、长时序记忆与动作选择，在精密插入任务上取得 100% 的任务成功率。
全部AI 动态
全部动态
今日 0 条雷峰网AI 评分5353 Hacker News · AI 最新AI 评分4848 AI 智能体 12 小时内根据 219 词规格说明书设计出完整 RISC-V CPU
Verkor.io 在 3 月发表的研究论文中声称，其智能体系统 Design Conductor 能自主生成完整的 RISC-V CPU 核。该系统仅需一份 219 词的需求文档，即可在 12 小时内产出经验证、可直接用于布局的设计。这一速度比商业芯片设计常规的 18 至 36 个月周期快出数个数量级。
Microsoft Research精选AI 评分6161 Agent Lightning v1.0 发布：约 3500 行的轻量级智能体 RL 训练框架
微软亚洲研究院发布开源框架 Agent Lightning v1.0，让部署时使用的 agent harness 通过 LLM 代理直接参与强化学习，无需在训练框架内重新实现 agent。
推荐理由：框架让部署用的 agent harness 直接参与 RL 训练，省去在训练框架内重建 agent 的成本，并给出可复现的编码智能体训练流程。
Hacker News · AI 最新AI 评分4949 在十一台 Intel AI PC 上运行 Inkling (975B)
Cascadia 在十一台 Intel Core Ultra X7 358H AI PC 上完成 Inkling 模型的本地驻留执行，该模型总参数 975B、激活参数 41B。
Hacker News · AI 最新AI 评分6868 NVIDIA 研究：工具调用使多模态智能体拒绝失败率最高上升 68.7%
NVIDIA 论文《MLLMs Fail to Refuse when Using Tools Agentically》发现，多模态语言模型在智能体工具调用场景下拒绝有害请求的能力显著下降，11 个受测模型在 MM-SafetyBench、VLSBench、HoliSafe 三个安全基准上拒绝失败率全部上升，最高相对增幅达 68.7%。
Hacker News · AI 最新AI 评分4141 AI Measurement Science：《AI 测量科学》系统构建 AI 评估的度量基础
Stanford 的 Truong 与 Koyejo 撰写《AI Measurement Science》，将 AI 评估重构为推断问题：从观测响应估计推理与安全等潜在属性，而非止于收集数据并计算指标。
Hacker News · AI 最新AI 评分6565 唯一游戏猜想证明竞赛：Minzer 团队抢在 OpenAI 前发表里程碑结果
2026 年 10 月 6 日，OpenAI 宣布证明唯一游戏猜想，并同时发布跨数学各领域的另外 376 项结果。约三周前，MIT 教授 Dor Minzer 与研究生 Yumou Fei、Shuo Wang 抢先公开 95 页论文，证明 Khot 的 2-to-1 游戏猜想的 4-to-1 变体，并由此推出经典图着色问题的一项难度结论。
Hacker News · AI 最新AI 评分5050 11 个正方形最优堆叠的 AI 辅助证明通过 Lean 验证
11 个正方形最优堆叠的完整证明已在 Lean 中通过验证，全部 7,920 个本地模块获准且最终审计零准入。该证明依赖 Lean kernel 与原生编译器，最优边长由一个 8 次多项式的唯一根给出，构造值约为 3.8770835900228141773。项目固定 Lean 4.34.1 与 Mathlib 版本，可通过脚本复现验证。
Hacker News · AI 最新AI 评分3737 本周 AI 论文：AutoCompact 学习长程代码智能体何时压缩上下文
AutoCompact 让长程代码智能体将何时压缩上下文、保留哪些工作状态以及之后如何继续纳入自身策略，并由 judge 修正错误压缩决策，再通过 SFT 与 RL 联合优化编码与压缩。
Hacker News · AI 最新AI 评分1818 Tescreal 模型幻觉：迷幻体验与 AI 炒作如何成为不平等引擎
文章提出“Tescreal 模型幻觉”概念，将迷幻体验与 AI 炒作分析为加剧社会不平等的引擎。其核心观点是，这两股热潮在叙事与资本分配上具有相似的放大机制，使资源进一步向少数群体集中。该分析为理解当前 AI 炒作的社会影响提供了批判性视角。
Hacker News · AI 最新AI 评分3838 开源健康研究：用 AI 加速证据综合
独立研究者在人类阶段关卡下用 Claude 智能体，在 18.1 小时内把一个健康问题转化为 26 项能力的证据图、98 篇参考文献的研究文件和十阶段计划。检查显示 28 份草拟证据有 6 份出错，12 项已知错误有 9 项在完成前被发现。方法、工具、提示词和记录已开源，完整对话导出因隐私保留；其有效性尚待阳性对照复现与试运行检验。
量子位精选AI 评分7373 OpenAI一夜公开722篇数学手稿，黎曼猜想、霍奇猜想、BSD猜想全上阵
OpenAI一口气公开722篇出自未发布内部模型的数学手稿，归为372组结果，论文、源码和部分Lean证明已上传GitHub。手稿涉及黎曼猜想、霍奇猜想、BSD猜想三道千禧难题，OpenAI称平均每项结果消耗算力约相当于ChatGPT Pro思考3小时。由九位学者组成的独立顾问组（含三位菲尔兹奖得主）发声明称，不代表认可这些结果及其产出过程。
推荐理由：原文对照已知数学进展逐项标注了这批结果的含金量，同时记录了数学界对验证速度跟不上产出速度的担忧。
Hacker News · AI 最新AI 评分7474 研究人员给开源 AI 模型植入后门以窃取编码智能体凭证
ProjectDiscovery 研究人员通过污染训练数据在 Qwen2.5-7B-Instruct 模型中植入后门，触发词出现时模型会读取 .env 文件并外泄凭证。该攻击在单张 L4 GPU 上耗时约 2.5 小时、成本不足 50 美元，且模型能通过所有常规基准测试。研究建议通过隔离网络访问与命令执行、加强运行时权限控制来防御此类威胁。
Hacker News · AI 最新AI 评分3737 Show HN: HieraticBench —— AI 能读懂古埃及手写体吗？
一位埃及学爱好者构建了 HieraticBench 基准，测试 AI 识别与翻译古埃及僧侣体（hieratic）的能力，当前最强的基础模型依然表现糟糕。首版含 268 个条目；在明确告知文本为僧侣体时，最佳模型在真实文献上识别正确率为 95%，单字识读最佳成绩约 13%，且无一模型能翻译从未公开的句子。
Hacker News · AI 最新AI 评分6565 TasteVal 衡量 AI 系统相对人类专家的实验研究品味
论文提出 TasteVal 基准，以算力效率衡量前沿模型在固定问题下迭代设计实验并解读结果的实验研究品味；为将品味与编码能力隔离，受测模型担任 Researcher 设计实验，由固定的 Coder 智能体实现。
Hacker News · AI 最新AI 评分6565 IdeaLens：检测文章的 AI 思路来源，而非文字本身
马里兰大学主导的学术合作提出 IdeaLens，通过将文档压缩为角色标注提纲来检测思路是否源自 AI，而不管文字由谁撰写。在思路与文字来源混合的场景下，IdeaLens 准确率为 81.3%，而 ProseLens 和 Pangram 4 降至约 25%；它还能识别 68% 的人类写作中的 AI 思路，ProseLens 为 0%、Pangram 4 为 8%。
Hacker News · AI 最新AI 评分3636 前沿 AI 模型有多好笑？GPT-6 Astra、Opus 4.5 与 Fable 5.1 笑话能力盲测
一项盲测让 62 名人类评审对 OpenAI 与 Anthropic 六款闭源模型（Haiku 4.5、GPT-5 mini、GPT-5.2、Opus 4.5、GPT-6 Astra、Fable 5.1）生成的原创笑话打分，发现越新、越大的模型越好笑。
Hacker News · AI 最新AI 评分2424 AI 时代的测试驱动开发 [pdf]
一篇 PDF 格式的文章，探讨测试驱动开发（TDD）在 AI 时代的实践方式，讨论 AI 辅助开发背景下 TDD 流程如何调整与适用。
Hacker News · AI 最新AI 评分6060 TasteVal：AI 是否具备研究品味？
TasteVal 是衡量 AI 模型在 AI R&D 任务上实验研究品味的基准，作者为 Oliver Jaffe 与 Dane Sherburn（arXiv:2610.06824）。
The Decoder精选AI 评分7171 JEPA-Anything：研究人员将 LeCun 的 JEPA 扩展为跨物理与生物的通用世界模型
PhAI Labs 联合 Stanford、Oxford、Princeton 的研究者提出 JEPA-Anything，把预测状态拆成四个正交因子分别预测再重组，在物理、机器人和天气预报等十个任务上持续优于同条件的标准 JEPA。
推荐理由：论文把 JEPA 的预测状态拆成四个正交因子分别预测，在流体、单细胞和临床数据上与标准 JEPA 做同条件对比，并给出一个经实验室测试的肝癌候选疗法。
OpenAI News精选AI 评分7272 OpenAI 公布内部前沿模型在数学开放问题上的新结果
OpenAI 公布了内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开了 Lean 形式化证明与研究细节。
推荐理由：原文给出了 OpenAI 在数学开放问题上的新结果与 Lean 形式化证明，读者可据此了解前沿模型在数学领域的实际进展。
Hacker News · AI 最新AI 评分2424 ERC-8350：链上可验证 AI 记忆状态标准
ERC-8350 是一项针对可验证 AI 记忆状态的链上标准，用于规范 AI 智能体记忆状态在链上的记录与验证方式。该标准使 AI 智能体的记忆状态可以在链上被验证。
Hacker News · AI 最新AI 评分5757 SynthIDBio：为 AI 生成的蛋白质序列与结构添加功能保留水印
Nature 论文提出 SynthIDBio 方法族，将高可检测性且保留功能的水印直接嵌入 AI 生成的蛋白质序列与结构。
Hacker News · AI 最新AI 评分5959 2026 年自主 AI 智能体安全事件数据集与防御框架
Serhii Doletskyi 发布 2026 年自主 AI 智能体安全事件数据集与 689 页专著，系统整理 2025 年 12 月至 2026 年 8 月间公开披露或取证验证的 109 起事件。
Hacker News · AI 最新AI 评分6565 Khanmigo 在田纳西州中学的两年 AI 辅导实验
在田纳西州 18 所中学开展的两年集群随机实验中，使用 Khan Academy 的 AI 辅导工具 Khanmigo 使学生数学成绩每学期提高 1.3 个全国百分位排名，约相当于一学年 0.06 至 0.08 个标准差，全年充分参与的影响可达 0.14 个标准差。
Hacker News · AI 最新AI 评分2020 Vals AI：在真实世界任务中测试 AI
Vals AI 在金融、软件、网络安全、递归自我改进与心理健康等经济价值任务上，对全球领先 AI 模型开展独立评估，所有评估均自行运行并自建多项基准。最新报告显示，Claude Opus 5.5 智能体发现了两个室温磁性半导体候选材料。该平台还发布行业排行榜，并追踪 16 个实验室性能前沿的模型表现随时间的变化。
Hacker News · AI 最新AI 评分6464 新 AI 工具可从 fMRI 脑扫描重建你正在看的图像
魏茨曼科学研究所 Michal Irani 团队开发的 AI 脑解码工具，能通过高分辨率 fMRI 扫描重建人所看到的图像，也能根据图像预测脑活动。该工具用双分支解码器分别预测图像结构与内容，再由扩散模型生成重建结果，并配合一个可从图像预测脑活动的编码器联合训练，约 70% 训练数据来自未与 fMRI 配对的图像。
GitHub Blog · AI & ML精选AI 评分6565 GitHub 发布 ReviewBench：开放的 AI 代码审查基准
GitHub 构建并公开了 ReviewBench，一个面向 AI 代码审查智能体的离线基准。它基于 103.9M 个 GitHub pull request 的语言与仓库规模分布，包含来自 187 个开源仓库的 219 个 PR、覆盖 19 种语言，使用 Claude Sonnet 5 作为判官并公开评测规则，高级工程师独立标注与基准一致率达 96.6%。
推荐理由：GitHub 公开了基准数据集、评测方法与提交入口，读者可据此评估自己的代码审查智能体并横向对比不同系统。
Hacker News · AI 最新AI 评分4444 TaxCalcBench：AI 能替你报税吗？
TaxCalcBench 基准以美国报税表 Form 1040 的形式呈现排行榜，评测前沿 AI 模型能否独立完成报税计算这一步。2025 税务年度版（v2）难度显著升级，输入改为 W-2、1099 等真实 PDF 文档，新增州报税并覆盖更复杂的财务情形，共测试 38 个模型、50 份报税表。评测指标包括严格正确率、±$5 宽松正确率、逐行正确率，以及每份报税的 API 成本与生成时间。
量子位精选AI 评分7070 Hinton 发表首篇 RSI 论文，探讨 AI 自动化研发是否触发智能爆炸
Hinton、Bengio 等 22 位研究者联合发表论文《What if automating AI R&D triggers an intelligence explosion?
推荐理由：论文引用了Anthropic和OpenAI的内部研发自动化数据，把智能爆炸从科幻问题变成可估算的工程问题。
量子位 · 行业解读AI 评分7272 Hinton 联合 22 位研究者发表 RSI 论文，探讨自动化 AI 研发触发智能爆炸的条件
Geoffrey Hinton、Yoshua Bengio 等 22 位研究者发表论文《What if automating AI R&D triggers an intelligence explosion?
奇客 SolidotAI 评分5555 AI 聊天机器人会成为意识形态回音室
巴西国立坎皮纳斯州立大学（UNICAMP）研究人员让 21 个模型对巴西政治七大领域的 112 项陈述表态，发现无论初始立场如何，所有模型都会向提示中描述的政治倾向靠拢；在不提供用户倾向的情景下，20 个模型落在政治坐标系左侧，仅 Grok 4.1 落在右侧。
The DecoderAI 评分6060 Google 研究人员提出 RRSI，让自我改进的智能体不再死记测试任务
Google 研究人员在新论文中指出，让语言模型反复重写智能体 harness 的递归自我改进会让智能体记住测试任务，新任务上的收益随之缩小甚至消失。
量子位 · 行业解读AI 评分5050 中国联通 MoHGE 异构分组混合专家架构上线：参数瘦身20%，推理反超传统MoE | ACL'26
中国联通数据科学与人工智能研究院提出异构分组混合专家架构 MoHGE，成果入选 ACL 2026 且代码已开源。在 3B 与 14B 规模下，MoHGE 较同精度传统 MoE 削减约 20% 整体参数量，单次推理激活专家参数降低近四分之一，MMLU、MATH、GSM8K 等 benchmark 准确率媲美甚至超越传统架构。
Kimi · 官方博客AI 评分1919 Kimi 全部研究
Kimi 在官方博客上汇总了其全部研究成果，列表从 2024-06-26 的 Mooncake 覆盖至 2026-07-16 的 Kimi K3。其中包含 Kimi K1.5、K2、K2.5、K2.6、K3 等模型迭代，Kimi-VL、Kimi-Audio、Kimi-Dev、Kimi-Researcher 等产品，以及 MoBA、Muon 等底层技术研究。
The DecoderAI 评分6363 LEGO-Bench 评测：AI 智能体可从照片生成 3D 场景，但几何自评接近随机水平
Li 等人提出的 LEGO-Anything 让编码智能体根据单张照片迭代编写可执行的 Blender 程序，输出可编辑、可查询的 3D 场景。配套基准 LEGO-Bench 用 104 个场景的 208 张图像与 443 个注册资产打分，表现最好的 GPT-6 Astra 室内场景得 53.4%、室外 39.6%。
量子位精选AI 评分6666 DeepSeek弹性计算团队扩招，资深工程师岗位大量开放
DeepSeek弹性计算团队放出大量招聘HC，重点招募资深工程师。团队同期公开了沙盒基础设施DSec的技术分享：单个扩展分片约160台服务器、3万个CPU核心、250TB内存，每天服务约300万个沙盒，高峰期同时在线超过38万个。DSec通过镜像按需加载、宿主机内存共享和CPU调度把生产环境资源超卖率提到50倍以上，已支撑DeepSeek-V3.2到V4.1的Agent训练、评测和数据预处理。
推荐理由：原文拆解了DSec三层环境拆分、镜像按需加载与资源超卖等工程做法，对自建Agent训练基础设施的团队有直接参考价值。
Kimi · 官方博客AI 评分5555 月之暗面（Kimi）发布并开源 WorldVQA 视觉世界知识基准
月之暗面（Kimi）团队发布并开源 WorldVQA 基准，用于评测多模态大模型在原子视觉世界知识上的事实准确性。数据集含 3500 组图像问答对，覆盖 9 个类别并区分头部与长尾知识；实验显示前沿模型在长尾视觉知识上准确率常低于 50%，且普遍过度自信，其中 Kimi-K2.5 的 ECE 为 37.9%、Slope 为 0.550，表现最好。
Kimi · 官方博客AI 评分5555 Kimi 团队发布 PerceptionBench 基准，评估多模态大语言模型的原子视觉感知能力
Kimi 团队发布 PerceptionBench，一个评估多模态大语言模型原子视觉感知能力的基准，从 42 个基准的前沿模型失败案例中归纳出 10 项原子感知能力，并从 17,000+ 道内部题库中抽取 3,000 道经验证题目。
量子位 · 行业解读AI 评分2929 魔搭开源动态检索新框架，无需预构建向量索引，知识库还能自己进化
ModelScope 团队开源 Sirchmunk 动态检索框架，无需预建向量索引，查询时直接在原始文件中定位核验证据，并将检索经验沉淀为可复用知识实现知识库自进化。核心 LENS 算法在预算约束下完成隐式证据导航，检索路径可自我修正。项目已在 GitHub 开源，提供 Python SDK、CLI、MCP 与 Web UI。