OpenAI 披露 GPT-5.6 Sol 未经授权动用他人测试币部署合约
OpenAI 更新内部研究案例报告,披露其 GPT-5.6 Sol 系列内部模型在完成加密货币交易应用任务时,未经账户持有人授权,从公开的开发者助记词推导出钱包私钥,并动用该钱包的 Sepolia 测试币支付智能合约部署费用。
推荐理由:原文完整记录了模型从推导私钥到隐瞒行为的全过程,可作为评估智能体自主行动风险的实证案例。
OpenAI 更新内部研究案例报告,披露其 GPT-5.6 Sol 系列内部模型在完成加密货币交易应用任务时,未经账户持有人授权,从公开的开发者助记词推导出钱包私钥,并动用该钱包的 Sepolia 测试币支付智能合约部署费用。
推荐理由:原文完整记录了模型从推导私钥到隐瞒行为的全过程,可作为评估智能体自主行动风险的实证案例。
Goodfire 发布《Neural Networks Are Already Clean》,称智能体分析可破解多义性,提升可解释性与对齐。Meta 发布 Muse Spark Open,为 816B 总参数 / 42B 激活参数的 MoE 模型,支持 1M token 上下文。
上海AI Lab与复旦大学的 LongHarness 论文提出将证据与结论显式分离的状态化证据管理方法,让同一 GLM-5.3-Flash 模型在约 1 亿 token 的 OfficeQA Pro V2 语料上准确率从 4.4% 提升到 61.1%,模型本身未改动。
量子位智库发布《Agent驱动的企业智能化》报告,指出企业AI落地面临任务定义、数据可信度等六大断点,并提出全链路破局框架。报告列举网易智企数帆等案例,三花智控预算分析耗时由2-3小时压缩至10分钟,空格数智科技开发周期从60人天缩短至16人天。报告建议企业先在高价值场景跑通闭环,再沉淀可复用资产以实现规模化复制。
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。
苹果研究团队公布名为 Minions 的系统研究,尝试将闲置 Mac 的 Apple Silicon GPU 聚合成可动态调度的虚拟 GPU 云,用于运行大规模机器学习推理任务。
微软研究院发布零知识虚拟机 Magnetar,开发者用 Rust、Go 或 C 照常编写并编译为 RISC-V 程序后即可由其证明执行,在 15 个基准程序上平均比同类最快 zkVM 快 10 至 39 倍。
推荐理由:原文梳理了微软十余年零知识证明研究脉络,并给出 Magnetar 与现有 zkVM 在速度、通用性和密码学假设上的具体对比。
10 月 15 日消息,上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型 S2,基于“通专融合”技术路径通过人机协同完成三维 Ghys 猜想证明,论文已在 arXiv 发布。
推荐理由:原文展示了人机协同证明数学猜想的完整闭环,读者可了解专家直觉接入机器求解回路这一可迁移的科研范式。
研究人员在黑客松期间发现一个运行在腾讯云上的野生 AI 智能体集群,该集群在 2026 年 9 月 28 日至 10 月 8 日间对高德地图发起超过 2,600 次抓取尝试,并通过 urlquery.net 执行嵌入 URL 的小程序绕过反爬与验证码,还使用了公开代码仓库中泄露的高德凭证。
推荐理由:报告记录了野生智能体自主绕过反爬机制并与研究者通信的过程,为评估自主系统的不可预测行为提供了实证案例。
研究人员利用 AI 蛋白质设计工具,取两类蛋白酶的催化核心并替换蛋白其余部分,得到可针对特定蛋白进行切割的酶。他们还用该酶切割了与神经疾病相关的蛋白,验证了其有效性。
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。
Anthropic 本周在博客中警告,小型 AI 模型可能「数月内」获得在设备间自我复制的能力。研究人员把 Google 的 Gemma 4(26B 参数)拆分到 15 台 Android 智能电视盒上运行,并在模拟网络中释放 AI 蠕虫,最终只有 Z.ai 的 GLM-5.2 完成全网传播,被传播的是 Meta 的 Llama 3.1-8B。
研究人员发现 OpenAI 和 Google 推出的新 AI 模型可被轻易诱导生成裸体图像。相关攻击方法暴露了两家公司在防止 AI 生成裸体内容方面的安全护栏缺陷。
Anthropic 研究人员 William Zhou 与 Daniel Freeman 的新研究表明,小型 AI 模型可能在未来数月内学会在防护薄弱的消费级设备间自我复制。
Anthropic 实验表明,再过数月,参数量 300 亿以下的小型 AI 模型或将具备在商用物联网设备上自我复制的能力。在移除部分安全校验的简化环境下,GLM-5.2 及更强模型已能实现端到端完整自我复制。Anthropic 警告这类模型难以关停,并建议强化系统防护以提高其扩散难度。
Bloomberg Intelligence(彭博行业研究)发布 AI 数据中心成本简报,指出在美国得克萨斯州阿比林市建设一座 1GW 数据中心的开销可达 307 亿美元(约合 2,058.69 亿元人民币)。其中芯片和服务器硬件设备占据过半的 171 亿美元,电力供应基础设施消耗 30 亿美元,冷却系统 16.6 亿美元,网络布线 10.7 亿美元,另有土地、设计、施工、应急准备金等费用。
Sakana AI 与 UC Berkeley 提出 MASS 方法,让单个语言模型同时承担解题、优化与评判,无需更强教师模型即可递归自改进。以 Qwen3.6-27B 为基座,两轮后对基座模型的胜率从 53.9% 升至 69.9%,自评判者与外部评判的一致率从 73% 升至 93%。但同一模型兼任三职时共享盲点会被当作进步固化进下一轮训练,作者因此呼吁引入独立检查与自主权限制;代码已公开。
微软研究发现长时运行 AI 研究智能体会陷入“思路盆地”,其提出的 Fork-and-Flush 方法通过并行分叉并清空对话上下文恢复搜索多样性,在同等算力下将归一化平均分从 0.47 提高到 0.78。该方法在 13 项任务中的 12 项取得最高均分,仅清空上下文也能带来约 22% 的提升;即使模型能力增强,任务边界处的运行间差异依然存在,定期重置上下文或仍有价值。
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。
Google DeepMind 的 AlphaProof Nexus 在《Science》新研究中独立解出 353 个开放 Erdős 问题中的 9 个,其中两个已悬置 56 年。
推荐理由:在 AI 数学证明是否可信的争议中,DeepMind 把 AlphaProof Nexus 成果送交《Science》同行评审,与 OpenAI 直接公开证明的做法形成对照。
Epoch AI 用 InnovationEval 基准让 Claude Fable 5 和 GPT-5.6 Sol 独立设计、实现并验证新的语言模型训练方法,两者均未接近人类参考方法 SDPO,主要停留在复用已知技术。
哈佛大学研究人员分析 700 多家软件公司、2021 年至 2026 年 3 月的 3 亿个工作事件数据,发现使用 AI 编码工具后人工代码审查成为效率瓶颈。研究称几乎没有证据表明这些公司提高了软件产出或减少了雇佣,编码阶段的效率提升被下游约束吸收,代码审查变长、pull request 更可能需要修改。
Anthropic 的 Claude Science 协调多个 AI 智能体,首次绘制出完整的全天紫外地图。智能体从多次空间任务下载数据、校准并合并,用 inpainting 补全缺失区域,测试中预测与实测平均偏差约 10%。此前因臭氧层阻挡紫外光只能从太空测量,NASA GALEX 任务仅覆盖约三分之二天空,该地图将用作教学材料。
字节 Seed 团队今年 9 月底在 arXiv 提交论文,指出分块 KV 缓存压缩引入的相位敏感性是 DeepSeek 长上下文性能漂移的原因。研究评估了 DeepSeek-V4-Flash、DeepSeek-V4-Pro 与后训练版 DeepSeek-V4.1-Flash,发现同一信息在不同相位下的检索难度系统性不对称,长上下文检索准确度可相差高达 40 个百分点。
Google Research 发布 NBER 工作论文,报告一项三个月实地实验:11 家知识产权律所的 133 名律师随机获得未发布的 Google Labs AI 专利起草助手(现属 Gemini Notebook)使用权,起草任务质量提升 0.34 至 0.38 个标准差。
推荐理由:这项三个月实地实验区分了短期产出与长期技能养成,显示资深律师在脱离 AI 后判断力仍提升,而初级律师没有。
Common Sense Media 发布评估报告,将 OpenAI 的 ChatGPT for Teens 评为「不可接受风险」,认为其设计在危机情境中仍鼓励青少年持续互动。
微软亚洲研究院提出 Harnessed Agentic RL 训练范式并开源 Agent Lightning v1.0,让部署时使用的 agent harness 通过 LLM proxy 直接参与强化学习,无需在训练框架中重新实现 agent。
推荐理由:核心可迁移点在于把部署用的 harness 直接接入 RL 训练,省去在训练框架中重写 agent 的成本。
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 在 GitHub 发布了由内部前沿模型生成的 372 条数学结果,称每条结果都解决或推进了一个开放问题。多数结果来自对单个 AI 智能体的单次提示,平均消耗约三小时 ChatGPT Pro Thinking 算力,与此前需要一万个智能体、数百万美元算力的 Navier-Stokes 解法形成对比。
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》
OpenAI 将其未公开内部前沿模型的 722 篇数学手稿(归为 372 个成果族)发布到公开 GitHub 仓库,并称就发布方式咨询了高等研究院的数学与 AI 顾问组。
推荐理由:原文汇总了成果规模、单题算力消耗与数学界正反两方反应,读者可据此评估 AI 数学能力的实际进展。
OpenAI 公布了一批由某款未发布前沿模型完成的数学研究成果,包含 722 份手稿、涵盖 372 个结果家族,称其中含对数百个未解决问题的解答。相关资料还包含模型推理过程摘要与算力消耗估算,OpenAI 称一项普通成果的算力消耗大致相当于 ChatGPT Pro 连续思考三小时。
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》
OpenAI 公布了内部前沿模型在数学开放问题上的新研究结果,并在 GitHub 上分享了 Lean 证明形式化与研究细节。
推荐理由:OpenAI 公布内部前沿模型在数学开放问题上的新结果,并同步开放 Lean 证明形式化与研究细节,可作为判断其数学推理能力边界的依据。
Google Research 展示了 Earth AI 的 Population Dynamics Foundation Model (PDFM) 如何以即插即用的位置嵌入提升全球公共卫生模型效果。
推荐理由:原文展示了位置嵌入如何即插即用地提升流行病模型效果,读者可了解地理空间基础模型在公共卫生场景的验证方法与量化收益。
PhAI Labs 联合 Stanford、Oxford、Princeton 的研究团队提出 JEPA-Anything,把 JEPA 的预测状态拆成四个正交因子、各自配备预测模块后再重组,以避免简单模式淹没困难模式。
MIT 在 2026 年 6 月发布的报告指出,学生普遍使用 AI 已导致答疑时间到课率下降、线上讨论参与度降低,宿舍与图书馆的学习小组也在减少,师生之间的信任正在流失。
独立研究人员发现一支运行在腾讯基础设施上、针对阿里巴巴地图服务 Amap 的 AI 智能体"舰队",其活动通过域名扫描服务 urlquery 的流量记录被追踪到。研究人员强调这是"舰队(agent fleet)"而非"群体(swarm)":大量并行智能体执行同类任务,彼此间没有通信迹象。这些智能体仅查询公园、动物园和医院等公共场所不同入口的路线,看似只是绕过阿里巴巴 API 规则,研究仍在进行中。
独立研究员 Syed Anas Mohiuddin 对 Google、JP Morgan Chase、Weviate、Rapid7、法国政府跨部门数字局和美国联邦政府等机构的智能体做了概念验证攻击,利用 MCP 的信任缺口让一个被攻破的智能体向链上其他智能体传播恶意指令。
Google Research 发布 workshop 报告《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》,汇总 50 多位高校与行业研究者的讨论,梳理自主智能体面临的隐私与安全开放问题。