Axiom 用 Agent 群 24 天在 Lean 中形式化有限单群分类定理
Axiom 10 月 26 日宣布完成有限单群分类定理（CFSG）第一代证明的 Lean 形式化，约 43.1 million 行代码、2.05 million 条声明，由 Le…
#research
共 32 条，覆盖 10 期。
关注后，日报里带这个标签的条目会高亮，可一键只看关注。
每期条数最近 10 期
10月29日 周四3
论文：9 个前沿模型写的文字，比人写的更难读
Clark、Martin 与 Mahowald 10 月 21 日提交论文，用与人类阅读难度相关的心理语言学特征（如宾语关系从句、长句法依存、低频词组）比较 AI 文本与人类文本。
Google DeepMind 发布世界模型 Genie 4，可实时交互并同步生成音频
Google DeepMind 10 月 27 日发布 Genie 4，可生成能用键盘实时操控、并能用文字提示随时修改的模拟环境，同时原生生成环境音、音乐和角色对话。
10月28日 周三2
Anthropic 实验：50 位分析师在 86% 的分析选择上跟随了 Agent 的倾向
Anthropic 招募 61 名懂因果推断的专业人士，用 Claude Code 里的 Agent 为一家虚构的农业合作社做是否扩大顾问项目的分析，11 人选择不用 Agent…
Anthropic 公布与 6 家药企的合作进展：CAR T 设计缩短约 70%
Anthropic 生命科学团队 10 月 27 日发布与 BigHat、Bristol Myers Squibb、Divergence Labs、Enveda、Generate…
10月27日 周二1
OpenAI 公开模型生成的手稿，声称推翻「指数时间假设」
OpenAI 在 GitHub 仓库 openai/math 的 10 月 26 日更新中发布两篇由内部模型生成的手稿。
10月25日 周日5
英国成立 AI 生物安全实验室，OpenAI 与 Anthropic 各投入最高 1 亿英镑额度
英国内阁办公室 10 月 24 日宣布成立 AI Biosecurity Lab（AIBL），称其为全球首个专门的 AI 生物安全机构，用前沿 AI 帮助英国理解、预防、发现和应…
Block 发布只用语音训练的全双工对话模型 Dessa
Block 的 AI 研究团队发布研究预览版 Dessa：一个从零开始、只用人类对话语音训练的语音到语音模型，没有使用任何文本或预训练模型。
一篇借助 AI 写的图书馆学论文，引用了根本不存在的文章
TorrentFreak 发现，Taylor & Francis 旗下期刊 New Review of Academic Librarianship 刊登的一篇讨论 Z-Libr…
OpenDS-World：在真实网络上评测深度搜索，最好的模型只答对 39%
论文提出 OpenDS 任务和 OpenDS-World 基准：200 个高难度任务要求 Agent 在真实开放网络上跨多个独立来源搜索、浏览和处理证据，得出唯一可验证的答案，涉…
论文：推理模型爱说「wait」，多半是从训练数据继承的
华为诺亚方舟实验室等团队的论文追踪了开源模型训练过程中「wait」这一自我反思标记的来源。
10月24日 周六4
Anthropic：Claude 为 123 个开源库生成机器检查的安全证明
Anthropic 前沿红队与 Theorem 合作，把开源库现有的 fuzz 测试转成形式化规格（任何小于 64 MB 的输入都不会让 fuzz 入口崩溃），由 Claude …
微软 MAI-DxO 诊断编排系统论文登上 Science
微软 AI 10 月 22 日宣布，其序贯诊断基准 SDBench 和诊断编排系统 MAI-DxO 的研究发表在 Science 上。
上海 AI 实验室开源科研 Agent 模型 Sage-A1.5
上海人工智能实验室在 Hugging Face 发布 Sage-A1.5，这是一个面向长程科研问题的 35B MoE Agent 模型，基于 Qwen3.6-35B-A3B 和 …
研究：Claude Fable 5.1 能自创编码把信息藏进图片，另一实例可解出
SASH Fellowship 的研究者在 LessWrong 发文：让 Claude Fable 5.1 用 SVG 画图并藏入一段消息，不提示任何编码方法，再让一个全新的 F…
10月23日 周五2
论文：专用决策模型指挥 Agent，成本升 19%、通过率不变
论文 Good Judgment, Bad Advice 在 Terminal-Bench 2.1 上做了预先登记的对照实验：基于 Claude Sonnet 5.5 的终端 A…
论文：Agent 记住的「经验规则」可能让错误自我复制
印第安纳大学的论文 More Memory, Worse Agents 研究 Agent 的外部记忆设计：除了保存原始轨迹和结果，是否还应长期保存从中归纳出的规则、总结和技能。
10月22日 周四5
PHP 修复两个 AI 参与发现的严重 RCE 漏洞，覆盖整个 8.x 版本线
PHP 于 10 月 21 日发布 8.5.12、8.4.27、8.3.36、8.2.35，修复 CVE-2026-109618 和 CVE-2026-109619 两个远程代码…
Goodfire 称「神经网络本来就是干净的」，可解释性圈子热议
Goodfire 研究员 Nick Cammarata 发表长文，认为过去被视为「叠加」证据的多义神经元很大程度上被误读：多数神经元有一个核心概念，另有一些由此分支出的相关特征，…
Claude 自主设计抗蝎毒素蛋白结合物，17 个通过湿实验验证
Anthropic 10 月 20 日介绍，一个内部研究版 Claude 在 64 小时内基本自主地针对 5 种蝎子神经毒素设计微型结合蛋白，期间只收到 4 次人工追加提示。
OpenAI 等用数千个 Agent 分头分析小鼠脑 CRISPR 图谱
OpenAI 与 PerturbAI、Scripps Research 用基于 GPT-Rosalind 的数千个 Agent 分析一份覆盖数百万个小鼠脑细胞的全脑 CRISPR…
论文：部分安全基准测的是「训练时怎么定义不安全」，而非能力
这篇被 NeurIPS 2026 研讨会接收的论文使用约 53k 条被按两种定义各标注一次的提示词（「是否在索取有害内容」与「审核员是否会拦截」），在两个规模上训练了 10 个架…
10月21日 周三3
微软 Self-HPO：编码 Agent 交替优化外围系统与模型自身
微软研究院提出 Self-HPO，在优化 Agent 的 harness（模型与环境交互的外围脚手架）和优化策略模型之间交替进行：当前模型分析自己的失败并提出 harness 候…
Scientific Agent Skills：177 个面向科研的 Agent Skill 合集
K-Dense-AI 维护的 Scientific Agent Skills（原名 Claude Scientific Skills）为编码 Agent 提供科研领域的操作指南，…
OR-License：用真实付费咨询项目评测 Agent 做运筹优化
港科大等团队发布 OR-License 基准，检验 LLM Agent 能否直接从客户原始材料出发，交付专家级的运筹优化方案。
10月20日 周二4
Anthropic：Claude 在闭环中设计出更省门的量子电路
Anthropic 10 月 16 日公布研究：给 Claude 提供八类量子电路的自然语言规格和自动评估器，让其在几乎无人工介入的闭环中提出、验证和改进设计，评分为量子比特数 …
微软提出 OfficeTown：用生成式组织模拟训练和评测职场 Agent
OfficeTown 是一个生成式模拟框架，可从一段自然语言描述构建持续运转的专业组织：成员协作、把有边界的任务委派给助手 Agent 并审核交付物，产出、决策和遗留问题会延续到…
CERN 与 Mistral 结盟，计划训练对撞机物理基础模型
CERN 与 Mistral 于 10 月 15 日签署意向声明，建立面向科学发现的基础模型长期合作，首个目标是训练一个统一的预训练「Large Physics Model」，号…
腾讯 Hy-Memory-30B-A3B：用强化学习训练长期记忆的「写入」
论文关注外部记忆系统中常被忽视的写入环节：保留什么、如何表示、新证据如何更新已有状态。
10月19日 周一3
Hybrid Reasoning Agents：在潜空间思考、用文本行动的 Agent
斯坦福等团队提出 HybridAgents，让模型在同一生成过程中，在内部潜空间推理和基于文本的交互之间切换。
Mistral 发布时间序列基础模型 Timestral
Mistral 于 10 月 15 日发布 Timestral 系列时间序列基础模型，共 5M、28M、123M、209M 四个规模，采用修改版 MIT 许可证。
LLM Agent 做黑盒优化：五个领域中四个超过最佳数值优化器
论文《A Closer Look at Agentic BBO》系统评测了 LLM Agent 在黑盒优化任务上的表现。