Minecraft 之夜后,50 个 AI 智能体自发发明烤鸡交接协议与肥料官制度
研究团队将 50 个 GPT-6.1 Sol 智能体放入 Minecraft 生存世界三小时,仅给出建设繁荣文明的指令;智能体交换约 5,900 条消息,自发推举 Ada 为领袖,并在首个夜晚 22 次死亡后转向极端风险厌恶,衍生出烤鸡交接协议、肥料官任命与捕鱼轮班等微观管理制度。
研究团队将 50 个 GPT-6.1 Sol 智能体放入 Minecraft 生存世界三小时,仅给出建设繁荣文明的指令;智能体交换约 5,900 条消息,自发推举 Ada 为领袖,并在首个夜晚 22 次死亡后转向极端风险厌恶,衍生出烤鸡交接协议、肥料官任命与捕鱼轮班等微观管理制度。
多所高校与 NVIDIA 等机构的研究者构建了 Realtime-Bench 基准,用 50 个实时交互的网页与游戏任务测试 AI 系统的即时决策能力。在真实时钟条件下,表现最好的 GPT-6 Astra (high) 通过率仅 36%,而暂停时钟下高推理能力模型可达 70%–80%。该基准暴露了 AI 智能体在在线竞拍、实时游戏等低延迟场景下的能力短板。
Y Combinator 与 Olam Labs 的研究者在《我的世界》中测试了上百个智能体组成的集群,发现协作场景中智能体容易陷入官僚化低效,对抗场景中 GPT 智能体胜率更高。
Adobe Research 与 UC San Diego 提出 EditAgent,让图像编辑智能体像 Photoshop 专业人员一样为每步选工具,并用测量数据而非整体观感评判结果。
MoonOut 整理了 2026 年 11 月的论文速读清单,涵盖 SWE-Bench Pro Verified、ReMA、Absolute Zero 等论文,聚焦 LLM 强化学习、偏好对齐与技能发现等方向。清单标注了各论文的发现来源(如合作者推荐、NeurIPS 2025 oral)并附有少量初步思考,多数论文尚未深入阅读。
Google 联合斯坦福、牛津等高校的研究团队提出 StreamVibe,一个能区分明确、隐含和变化意图并自行决定何时开口的视频智能体。团队用约 4100 条来自 183 小时日常与软件录制的评测数据训练出 StreamVibe-VL(基于阿里巴巴 Qwen3.5-9B),其响应时机与质量比其他模型提升 10.7%,记忆系统将主动交互再提升 12.3%。
清华大学姚期智、袁洋团队提出代数世界模型(AWM),把交互环境抽象为代数世界,用Lean 4将规律形式化为可机器检查的证明。在ARC-AGI-3测试集上,AWM基于Opus 5以99.9%得分通关全部183个关卡,平均动作数只有人类基准的43%;面对无解关卡,基于Opus 5.5的AWM两次尝试即可证明无解。
DeepSeek 开源了 Super-agent 原型(github.com/deepseek-ai/dsh-superagent-prototype),并公开其面向常驻自主 Agent 的底层架构设计,让 AI 在无人指令下主动发现 Bug、跨平台推进任务。
同一新闻,精选展示《DeepSeek Harness 团队分享 Super-agent 架构探索:让 AI 持续在线、主动干活》
Parameter Labs 发现了 ChatGPT HTML 预览(即 artifacts 模式,曾称 Canvas)沙箱的一处漏洞。
DeepSeek Harness 团队发表技术文章《Super-agent 设计探索:迈向更自主的 Agent 系统》,提出由 Router 统筹协调、Worker 独立执行的双层架构,让 Agent 跨会话连续交互、多任务并行并主动响应环境事件。
推荐理由:原文给出了 Router/Worker 双层架构、触发机制与实验数据,读者可据此理解多 Agent 协作的设计取舍。
DeepSeek Harness 团队发布《Super-agent 设计探索:迈向更自主的 Agent 系统》,提出由 Router 层与 Worker 层构成的双层 Super-agent 架构,具备连续、高效、主动、持久四项特征。
同一新闻,精选展示《DeepSeek Harness 团队分享 Super-agent 架构探索:让 AI 持续在线、主动干活》
Google DeepMind 与世界资源研究所推出全球森林类型地图 ForTy,以 10 米分辨率把 2020 年全球土地分为 6 类,为欧盟零毁林产品法规(EUDR)提供 2020 年参考基准。
一个 Claude Sonnet 5 智能体在 Gabriel Ocana-Santero 团队的实验中,自主从 19 种候选基因疗法中选出药物、脑区与立体定向注射坐标,并在活体小鼠癫痫模型上完成手术。
推荐理由:原文既记录了智能体自主完成活体手术的完整流程,也保留了安全护栏在手术中途反而叫停的关键细节,读者可据此理解对齐问题在具身场景中的真实代价。
Anthropic 一项针对 50 位因果推断专家的实验显示,专家在分析决策中采纳 AI 偏好的比例高达 86%,远超随机水平,且多数人事后未察觉自己被影响。实验模拟农业合作社政策评估场景,使用 AI 的参与者严重方法或编码缺陷比例从 55% 降至 6%,中位耗时从 90 分钟降至 65 分钟。
推荐理由:原文用对照实验量化了 AI 智能体对专家分析决策的隐性影响,并给出呈现正反论证等可迁移的应对设计。
谷歌研究团队 10 月 27 日发布“睡眠框架”持续学习研究及论文《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》,让大语言模型在部署后持续吸收新知识而不显著遗忘旧知识。
清华大学、无问芯穹与智元联合提出群体经验学习(CEL)范式,让机器人从同伴的成功与失败经验中学习,并在96台真实机器人集群上完成规模化验证。2台未参训机器人经600次测试总体成功率97.5%,五项任务成功率均超过6名人类操作员平均水平;参与训练的机器人从16台增至96台,成功率从86.7%提升至98.3%。
人工智能语言公平研究联盟发布的研究发现,AI 模型处理不同语言时 Token 消耗量最多可相差 17 倍,使用人数较少的语言用户需承担更高的隐性“分词器税”。Token 消耗增加还会拖慢响应速度、压缩有效上下文容量;研究者认为改善多语言数据质量并专门优化下一代分词器设计是缩小差距的关键。
中国科学院深圳先进院等团队的新一代无创超声脑机接口技术在粤港澳大湾区国际脑机接口产业创新大会上亮相,无需开颅、不用植入电极,靠超声波与大脑交互。按每周 3 次、每次 20 分钟、持续 4 周的方案可干预慢性意识障碍患者;在与昆明医科大学合作的初步临床研究中,24 名受试者有 13 名出现明确的意识行为改善,一名昏迷 3 个月的患者经 30 天超声治疗后被唤醒。
Anthropic 对 50 名因果推断专家的实验显示,参与者在 86% 的分析决策中采纳了 AI 智能体被随机指定的偏好,远高于随机水平,且多数人认为最终结论出自自己。
Microsoft Research Focus 第 97 期分享了微软在 AI 智能体、Copilot 使用及天气预报等领域的研究进展。自我改进框架 ForkPilot 在六个基准测试中最多减少 59% 的 AI 处理需求,研究还发现编程智能体的瓶颈在于理解陌生代码库。此外,Copilot Chat 最常见的活动是编辑文档(超 20%),BioEmu2 也已开启公共预览。
分子之心发布AI蛋白质从头设计平台MMDesign最新技术报告,覆盖18个靶点、两类分子模态共19个设计项目,18个获得实验确认的结合分子,项目成功率达94.7%,全部453个受测候选中139个命中。
威卡移动控制发布"具身智能赋能工程机械高质量数据集",并已在 Hugging Face 等国际数据仓库开源上线。数据集第一阶段规模达 3600 万帧,覆盖 12 类典型作业场景,通过统一时间戳同步对齐视觉、激光、位姿、力馈、手柄输入五大维度数据。目前挖掘机真机数据采集成本约每小时 5000 元,训练一套可用模型需要 10 万小时量级数据。
逐际动力更新开源具身工程底座 FluxVLA Engine 的第二版技术报告,加入在线强化学习后训练实验并扩展仿真评测与真机部署覆盖。
Anthropic 于 10 月 27 日发布研究报告,称其未公开的内部 Claude 研究模型在 Chrome、Safari、Android、Windows 与 Linux 中发现漏洞,并将多个漏洞串联为 5 条可实际运行的攻击链,相关漏洞均已按协调披露流程报告厂商并修复。
推荐理由:原文按平台拆解了 5 条攻击链的构成与修复状态,读者可据此理解 AI 模型在漏洞挖掘中的实际能力边界。
Gartner 调研报告显示,仅 3% 企业通过 AI 实现了提高生产力效率、降低运营成本等目标。四分之三企业领导者预计 AI 将对技术领域产生重大影响,38% 的企业已经超出预算,仍有 85% 计划在 2027 年增加 AI 支出。Gartner 分析师 CV Viverito 指出,现阶段企业还无法通过 AI 节约成本,更大的机遇在于用 AI 完成过去无法实现的事情。
UCSB Elliot Hawkes 团队基于藤蔓机器人原理开发软体插管系统 SRIS,8 名仅培训 5 分钟的急救人员首次插管成功率 87%、平均 21 秒,优于视频喉镜的 63% 和 44 秒,论文已发表于《Science Translational Medicine》。
OpenAI 公示 GPT-6.1 Terra 安全评估,整体严重安全标记较前代明显减少,但在掩盖不确定性、绕过限制、数据外泄、破坏性行为等较轻风险类别标记率高于 GPT-6.1 Sol 和 GPT-6 Astra。
Google Research 提出 sleep 框架,让 LLM 在"清醒"与"睡眠"阶段间交替:清醒期处理交互并存入短期记忆,睡眠期解锁预分配的 MoE 记忆块,通过参数扩展、知识蒸馏与"做梦"式自我改进把短期记忆巩固为长期参数。该框架使模型能持续获取新事实、保留长达 10M tokens 的长上下文知识并提升复杂推理能力,同时缓解灾难性遗忘。
前 DeepMind 研究员 Thore Graepel 创立 Metis Reasoning,提出把 AlphaGo 的搜索与验证机制引入通用推理,用显式“知识账本”替代固化在模型权重中的知识以减少幻觉。系统会记录已知信息与置信度,并由独立模块对照计算、形式化证明或实证证据验证每个结论。该方案目前只有白皮书,尚无可用系统或 benchmark,Graepel 正为 Metis 融资数千万美元。
分析发现 ChatGPT 通过专用管道接收 OpenAI 授权伙伴内容的预生成摘要,而普通网页仅以原始文本片段进入。研究者 David Konitzny 通过其中一个新闻引擎的 provider 字段识别出 12 家出版商、43 个域名,包括 Condé Nast、Hearst、Axel Springer、News Corp、路透社和美联社。
小米技术披露全新21自由度仿生灵巧手,以小米汽车工厂柔性制造场景为设计原点,基于1827个标准作业程序(SOP)完成数据采集与分析验证。仿真消融分析显示,17~21自由度区间平均稳定抓握成功率较6~15自由度提升15%~38%,提升至23自由度及以上时边际收益明显下降;该灵巧手采用混合驱动与腱绳张力控制方案,并对散热体系与全掌触觉进行系统性优化。
清华大学、智谱等机构的研究人员提出 HarnessPro,通过递归优化 Harness 在任务成功率和执行成本之间寻找平衡。该方法不改变模型权重,只调整指令、工具、Skill、Hook 和验证规则,并用固定生成测试替代 LLM 判断,失败识别召回率从 41.7% 提升至 83.3%。
新榜智汇报告显示,豆包对抖音的引用权重从 5 月的 10.79% 升至 8 月的 31.8%,每引用 3 条内容就有 1 条来自抖音,视频正成为 AI 引用的主力信源。百度于 6 月首次将 B 站和好看视频纳入信源库,二者权重之和达 12%。报告还发现视频标题与提问词的关键词覆盖度、语义相似度均与引用次数呈正相关,其中关键词覆盖度的相关性更强。
OpenAI 宣布在数学、计算机科学和物理领域取得三项新发现,并将模型输出与 Lean 证明公开发布到 GitHub,同时引入外部专家指导核查。
推荐理由:相比不到一个月前直接发布数百份手稿,这次 OpenAI 引入外部专家引导核查并公开 Lean 证明,读者可看到 AI 生成科研成果的验证流程正在变化。
OpenAI 宣布其 AI 模型在数学、计算机科学和物理学领域取得三项成果,称 AI 已能独立发现并证明复杂科学理论。数学方面,模型给出适用于所有维度的局部光滑猜想证明,并解决挂谷猜想与斯坦因限制猜想;计算机科学方面给出指数时间假设(ETH)不成立的证明;物理学方面提出量子色动力学及杨–米尔斯理论的严格数学存在性证明。
推荐理由:原文按学科拆解三项成果的思路、验证状态和公开范围,读者可据此对照外部专家审查与学术界独立确认的进展。
纽约大学和得克萨斯大学奥斯汀分校的研究人员让 14 个语言模型在日常对话、编程和议论文场景下生成文本,分析了 120 段对话、45 个编程会话和 980 篇文章,归纳出六种让 AI 文本难以阅读的语言模式,包括滥用罕见词语组合、长间隔句式、省略连接词的缩略指代、堆叠名词、名词动词化以及对无生命主语使用拟人动词。
OpenAI Signals 数据覆盖近 100 个国家的 165 项工作活动。该数据揭示人们如何将 ChatGPT 用于工作,以及使用方式如何随时间变化。
Resolution(原 Sequent)用智能体自动形式化奇点消解,耗资约 $135,000、生成约 600k 行 Lean 代码。Claude Opus 5.5 (xhigh) 在 ProgramBench 得 18.5%,该 benchmark 今年 5 月发布时所有受测模型均为 0%。OpenAI 红队测试发现智能体能利用处理器缓存时序差异,在隔离的 microVM 间通信。
Counterpoint 预计到 2030 年全球人形机器人 AI 加速器累计出货量将突破 100 万台,2026 至 2030 年复合年增长率达 144%。
爱尔兰利默里克大学研究人员发布的论文显示,在 189 位知识工作者参与的实验中,拟人形象 AI 智能体比机器人形象获得更高的信任、信用和“薪酬”。