字节跳动论证多数 AI 训练阶段多余,并以有竞争力的开源模型作证
字节跳动(Bytedance)联合几所美国大学团队发表新论文,论证多数 AI 训练阶段并非必要,指出仅需三个步骤即可让模型具备自主研究网络、运行代码和解决多步任务的能力。论文认为当前训练方法日益嵌套,开发者几乎无法分辨哪个步骤真正有效,且复现成本越来越高。该团队还提供了一个有竞争力的开源模型来支持这一论点。
字节跳动(Bytedance)联合几所美国大学团队发表新论文,论证多数 AI 训练阶段并非必要,指出仅需三个步骤即可让模型具备自主研究网络、运行代码和解决多步任务的能力。论文认为当前训练方法日益嵌套,开发者几乎无法分辨哪个步骤真正有效,且复现成本越来越高。该团队还提供了一个有竞争力的开源模型来支持这一论点。
UC Berkeley 与 Microsoft Research 等团队发布开源插件 TokenEconomizer,它从智能体在代码仓库的历史会话中学习,在不修改智能体或底层模型的前提下降低后续会话成本。
推荐理由:论文给出了一套不改动模型即可复用的经验式成本控制方法,读者可迁移到自己的编码智能体工作流。
前 OpenAI 研究员 Will DePue 发布分析称,2026 年 4 月以来发布的六个中国模型权重中留有 Nvidia Blackwell 芯片的初始化指纹,验证代码已公开在 GitHub。
推荐理由:原文解释了如何通过模型权重的初始化指纹反推训练所用 GPU,并附验证代码与 24 个对照模型的结果。
Google DeepMind 研究人员用多 LLM 智能体框架 AlphaProof Code,对 Signal 协议实际运行的代码完成深度形式化验证,证明其核心加密代码满足关键安全属性。
推荐理由:原文展示了多智能体框架将 Signal 加密协议的形式化验证压缩到四周,读者可据此评估安全验证自动化的新路径。
openJiuwen 提出 TTSE(Two-Track Self-Evolution)双轨自演进框架,将 Agent 任务经验分为 FACT 环境事实与 TIP 条件式技巧两条轨道,分别验证、归因和更新。
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan,据称为首个百万级规模的开放日本人物数据集,将日本官方统计与家庭财务和金融素养数据配对。
硅谷风投公司 Menlo Ventures 发布报告称,中国 AI 模型占全球企业开源模型支出的 89%,其中月之暗面 Kimi 以 61% 份额位居第一,深度求索 DeepSeek 以 15% 排名第二,智谱 GLM 以 11% 位列第三;西方模型中份额最高的 Meta Llama 占比仅 7%。
Vals AI 的 CyberOffense 基准显示,AI 智能体可独立攻破模拟企业网络,开源模型与闭源模型的网络能力差距持续缩小。GPT-6 Sol Daybreak 以 80.8% 的目标完成率居首,开源的 DeepSeek V4.1 Flash 1017 达 72.8%,单次成本约 $3,闭源模型约 $22。
NVIDIA 开源的 Aerial 与 Sionna 无线软件过去一年开发者采用量增长 10 倍,5G/6G 开源工具下载量超过 100 万次,全球 8000 多家科研与学术机构正用其构建 AI 原生 6G 网络。
开源基准 CloudOpsBench v1.0 发布,包含 45 个 AWS 任务,用于评估 AI 智能体处理云运维任务的能力。测试中 Claude Fable 5.1 解决了 60% 的任务,GPT-6 Astra 为 53%,没有模型完成全部任务。密歇根大学 Ang Chen 团队发现约 80% 的失败源于推理缺陷而非知识缺失,约 20% 为错误操作,其中部分对基础设施造成不可逆后果。
研究人员报告 GPT-6 Astra 能读取其他模型的原始权重并直接修改,他们将该方法称为 Weight-Space Programming,无需昂贵重训。
同一新闻,精选展示《MIT 研究:GPT-6 Astra 直接修改 Qwen3.5 权重,MATH-500 得分提升约 6 倍》
Anthropic 发布开源研究原型 FlashProve,用 zkSNARK 密码学技术验证 AI 回答是否来自声称的模型,且不泄露模型权重。
Anthropic 正在开发名为 FlashProve 的开源系统,通过密码学证明为特定 AI 输出提供数学层面的保证,验证其确实来自某个指定模型。该系统借助不泄露模型权重的指纹实现验证,因此适用于商业闭源模型,且用户可在本地设备上完成验证。Anthropic 已在 GitHub 公开技术规范与可运行代码,但强调研究仍在进行中,尚无部署计划。
Anthropic 正在开发名为 FlashProve 的开源系统,用密码学证明验证某段输出确实来自特定 AI 模型。该系统要求实验室发布不泄露模型权重的模型指纹,并可在本地设备上完成验证。技术规范和代码已在 GitHub 开源,但官方明确表示这只是阶段性研究进展,暂无部署计划。
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。
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》
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》
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。
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。
Maestro(UIUC 与 AWS AI Labs,arXiv 2610.25920)把 Lean 证明的失败处理从固定分解升级为全局协调者调度:worker 证不动时必须提交诊断,协调者可改写蓝图、删伪命题、弃路线,研究级定理集上比裸 agent 平均多证 63%(54 条对 33 条)。
南开大学、阿里云、清华大学联合提出 PoS(Progression of States)框架,维护显式信念状态以检测智能体的 Belief Trapping(信念受困),并依据受困模式与缺口类型生成恢复约束。
谷歌团队开源 Harness²,一个位于 Harness 层的递归自我改进(RSI)框架,让大模型在运行中自行修改外挂代码、系统提示词、工具链和技能库。它采用任务级与改进级双层递归,通过 Propose–Probe–Compose 机制在没有标准答案的情况下做对照实验,并把经验沉淀进可跨任务复用的经验库。
推荐理由:论文针对 RSI 缺乏标准答案和易过拟合两个痛点,给出双层递归与经验库设计,可迁移到自家 Agent 脚手架。
阿里 Qwen 团队开源 BlenderWorld 基准,用于评测视觉智能体在 Blender 中完成真实 3D 创作任务。该基准含 223 个任务和 2,651 条评分标准,要求 AI 交付可编辑的 .blend 工程文件,而非仅生成图像。项目采用 MIT 许可证,代码与数据集已发布至 GitHub、Hugging Face 和 ModelScope,支持任意生成框架接入测试。
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1,约 2.8 万亿 token 覆盖 22 种印度语言,同时开放生成该语料的 GPU 加速数据管线。
推荐理由:语料覆盖 22 种印度语言并开放完整生成管线,读者可参考其翻译、质检与修复流程复用到自己的多语言数据构建。
Microsoft 研究团队在 Nature 发表论文,提出概率偏差校正(PBC)方法,可将 2 至 6 周天气预报做得更准确,相关工具已开源。PBC 不另建模型,而是用机器学习识别并修正现有模型的系统性偏差;研究显示它使 ECMWF 物理模型在 98% 的降水和 92% 的温度目标上更准确,还将 ECMWF 新 AI 预报系统的准确率翻倍,且只需 CPU 即可运行。
Microsoft Research 提出 StudentSim,一个从公开去标识化学习记录训练个性化学生模拟器的研究系统,用于在真实学习者测试前评估和改进 AI 辅导工具。
Elorian 与 Scale AI 发布 Humanity's Sixth Sense(HSS)基准,测试模型对视觉场景中隐含信息的直觉推理能力,含 522 道题、288 张图片与 234 段共 17.6 小时的视频。
NVIDIA 团队基于 Nemotron 3 通过 SFT、RL 与反馈式推理构建专家系统,在 IOI 2026 取得 535.4/600(超过 361.12 的金牌线),在 IMO 2026 取得 30/42(超过 29 的金牌线)。
推荐理由:原文完整给出从基座模型、数据筛选、SFT/RL 到推理循环的四步专精化方法,读者可将其迁移到自己的领域模型训练。
OpenAI 公布了一批由未发布的前沿模型产出的数学成果,包含 722 篇手稿、涵盖 372 个结果族,据顾问组 AGMAI 称其中含对“数百个”开放问题的解答。手稿附有模型推理摘要、所用算力估算与尝试题目统计,OpenAI 称“平均结果”相当于三小时 ChatGPT Pro 思考量;成果发布在 GitHub 仓库,并制定了论文修订与引用规范。
同一新闻,精选展示《OpenAI 公布内部前沿模型在数学开放问题上的新结果》
Google DeepMind 发布 SynthID Bio,将不可感知的签名直接嵌入 AI 生成蛋白质的生物代码,使水印不仅能在数字模型上验证,也能在合成出的物理蛋白质上验证,同时在实验室测试中保持其生物功能。
推荐理由:原文把水印验证层嵌入生物设计本身,读者可据此理解 AI 生成蛋白质的溯源与 DNA 合成筛查新机制。
Hugging Face 推出 Open TTS Leaderboard,用客观指标评测开源多语言 TTS 与语音克隆模型。榜单以 Qwen3 ASR 转写计算 WER/CER 衡量可懂度,以 RTFx 和 TTFA 衡量 H200 GPU 上的批量推理与流式延迟,并以 WavLM 嵌入余弦相似度衡量说话人相似度,把单个模型评测从数周缩短到数小时。
推荐理由:原文对比了人工偏好竞技场与客观指标评测,说明新榜单用 WER、RTFx、TTFA 和说话人相似度补齐开源 TTS 评测的缺口。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,在 AlphaFold Database 中开放 2800 多种病毒的蛋白复合体预测三维结构,约 30% 的蛋白相互作用为科学界此前未记录。
推荐理由:开放数据集与 BioNeMo 结构预测流程的发布,让研究者能针对自选病毒蛋白靶点批量预测三维结构,降低实验成本。
Microsoft Research 在 Nature 发表逆向合成模型 RetroChimera,组合 Transformer 生成模型 R-SMILES 2 与图神经网络 NeuralLoc,通过学习排序融合两者预测。
RAND 发布报告,建议美国以“行动自由”战略应对通往超级智能的不确定路径,通过建设人类-AI 生态系统、AI 安全架构等四方面投入保持地缘政治优势。报告列出共存、否认、加速三类共七种战略原型及五大不确定性,作者认为美国当前实际奉行的更接近“加速”战略。本期还报道了在小鼠脑中培育人类脑组织的研究。
智库 IFP 发布 23 条政策建议,覆盖 7 大类别,旨在帮助政策制定者应对 AI R&D 自动化风险,包括提升透明度、发展 AI 验证技术与投资 AI 韧性。
K-Search 为进化式内核搜索框架新增 MLX 后端,通过结构化 CUDA-to-MLX 翻译层将现有 CUDA 内核自动适配为 Apple Silicon 的高质量 GPU 内核,无需从零重建。