Endless Exam：面向超级智能的数学构造基准，覆盖 14 类参数化问题族

研究者推出 Endless Exam 基准，覆盖 14 个参数化数学构造问题族，用可验证的相对质量分数衡量模型在已发表数学前沿之前与之后的进展，且不将改进上限封顶为 1。在 69 个实例上评测 9 个模型，连续质量分数能区分表现差异，但 30 个已发表前沿参考无一被超越。该基准已开源生成器、验证器、参考基线、模型回答与分析，并新增 Claude Opus 5.5 评测。

在线策略还是离线策略学习？知识蒸馏动态的系统性研究

一项在 Llama3 和 Qwen2.5 模型家族上开展的强到弱知识蒸馏研究显示，rollout 策略并非蒸馏动态的核心因素：token 级 KL 方向更明显地影响任务表现与输出覆盖，学习率则决定遗忘程度与更新稀疏性。

视频-音频联合与跨模态生成及编辑：统一形式化与设计分类体系

一篇综述将联合生成、跨模态生成与联合编辑统一形式化为音视频对分布上的三类问题，并提出沿五个设计轴比较方法的分类体系。该工作称首次系统梳理联合音视频编辑，将其划分为九类编辑、涵盖 28 种编辑类型，并整理了各设定的方法、数据集与指标。

何时修正变成修复？工具使用型 LLM 内部干预的机制性审计

SAKIKO 审计框架通过方向性错误发现、路由器条件干预、目的地解析验证与前瞻性冻结统计许可，对工具调用前决策的内部激活干预进行机制性审计。

Basis 借助 GPT-6 Astra 将税务工作簿处理速度提升 2 倍

GPT-6 Astra 处理一份 50 个标签页的税务工作簿，速度是 GPT-5.6 Sol 的两倍。其对用户意图更强的理解能力，也让 Basis 在真实业务场景中使用时更有信心。

SeLMRoute：面向大语言模型路由的概率语义证据框架

SeLMRoute 是一种将候选模型无关的语义证据提取与候选性能学习、部署目标应用分离的 LLM 路由框架，先通过可解释问题生成概率语义状态，再由轻量监督路由器估计候选模型表现。

Tomer Tunguz 解析 GPU 租金翻倍至 $8.08 而推理价格仍在下降的原因

B200 GPU 租金九个月内从 $4.40 翻倍到 $8.08 每 GPU 小时，但 AI 价格仍在下降。作者归因于数据中心建设成本上升、需求爆发与推理效率提升并存：同一基准的完成成本从 $0.55 降到 $0.0015，Microsoft 称每 GPU 生成 token 数同比增长 90%。

OpenRouter 发布 Security Center 集中管理并降低 API key 风险

OpenRouter 推出 Security Center，可在设置 > Security 下跨工作区查看所有 API key、识别风险 key，并支持一次最多 500 个批量禁用、归档或设置消费上限，所有套餐可用。

BIABench：评估 AI 智能体在真实生物图像分析任务上的表现

研究者推出 BIABench，一个由 16 项已发表生物学研究重建而成的基准，保留原始科学问题、成像数据与 ground truth，覆盖从 H&E 组织学到单分子定位显微镜的 11 类分析子任务。

ReaLVR：用视觉证据监督潜空间推理，首次将潜空间视觉推理扩展至 235B 规模

针对潜空间视觉推理（LVR）中潜 token 对图像扰动响应微弱、缺乏显式监督的"潜证据信用缺口"，研究者提出 ReaLVR，通过对比正确答案与模型生成的错误答案、匹配与不匹配的视觉证据，为模型自身的潜推理轨迹提供视觉证据监督。

Rubric Response Theory：用项目反应理论为语言任务评分并筛选评分标准

Rubric Response Theory（RRT）用两参数项目反应模型把评分标准的判定模式转化为标量质量信号，替代传统的分数加总方式。其 Response Parameter Network（RPN）根据提示词和标准文本预测标准难度与区分度，并随训练用在线期望最大化更新。

Tex-Zero：无需 3D 资产也能训练原生 3D 纹理生成模型

研究团队提出 Tex-Zero，证明高保真原生 3D 纹理生成框架无需 3D 资产即可训练。该方法将高质量 2D 图像表示为 3D 空间中的平面，并通过分块随机旋转与聚合构造复杂几何结构，生成训练样本。基于这些数据训练的 Tex-Zero VAE 和 Tex-Zero DiT 在未见过真实 3D 资产的情况下，仍能生成细节精细的高保真 3D 纹理。

arXiv 论文揭示提示身份标签会导致多智能体 LLM 系统合作退化

arXiv 论文（arXiv:2609.35928）发现，多智能体 LLM 系统中当各智能体知晓彼此的模型家族时，群体会按标签分裂为派系，即任务本身并不奖励的 factionalism 现象。

Apple 研究提出 LIPPAX 算法，改进联邦变分不等式的收敛速率

Apple 研究团队针对联邦随机变分不等式（VI）优化，证明经典 Local Extra SGD 在更精细分析下可获得更紧的收敛保证，并指出其存在客户端漂移过大的固有缺陷。

NavHarness：面向终身具身导航的训练无关框架

NavHarness 是一个面向终身具身导航的训练无关框架，将记忆处理纳入导航循环，通过多轮智能体会话调用地图、任务记录与房屋知识并对照观测修正。

RegLLM：面向受监管智能体 AI 有限自主性的诊断测试框架

研究者提出 RegLLM 诊断框架，用于评估受监管智能体工作流中的有限自主性，监测引用有效性、来源依据、schema 合规、升级正确性、宪法对齐和不安全动作率六项可信度信号。

FAR：面向世界模型的自适应多线索情景记忆召回框架

研究者提出 Future-Aware Recall（FAR），一个从未来感知预测监督中学习情景记忆召回的框架，通过负扩散预测损失近似条件对数似然来衡量记忆的预测效用，并训练一个推理时对未来盲的检索器。该检索器能学习各线索的相关性，自动决定每个查询该信任时间、姿态、视觉、音频中的哪些线索。在三种互补设置下，FAR 即使使用相同检索线索也优于手工设计的召回方法。

Simon Willison 演讲盘点 2026 年 LLM 大事记

Simon Willison 在 WeAreDevelopers World Congress North America 发表闭幕主题演讲，按时间线盘点 2026 年 LLM 领域的关键进展，附注释版幻灯片。

OpenCode@opencodeAI 评分77

在阿根廷的第三天 结局太疯狂了

OpenCode@opencodeAI 评分33

谁有一个阿根廷朋友，谁就拥有一份宝藏。

Simon Willison 发布 Bluesky 回复机器人检测工具

Simon Willison 用 Opus 5.5 编写了一个 Bluesky 回复机器人检测工具，通过分析打字速度、发帖时间、互动模式等行为信号判断账号是否为自动回复机器人。工具展示每项测量和规则及触发信号最多的示例回复；作者称 Bluesky 开放 API 使此类调查比 Twitter 更可行，检测信号包括秒级连发回复、从不发布原创内容、专门回复高粉丝用户及使用问号等。

fofr@fofrAIAI 评分2323

用 AI 做这个动画，效果惊人。 评论区的恶意也惊人。

Deedy@deedydasAI 评分3030

随着编程成本骤降，长时间构建（CI）已成为许多软件公司的瓶颈。解决这一问题的三家最大创业公司： 1. Blacksmith（@useblacksmith） 2. Namespace（@namespacelabs） 3. Depot（@depotdev）

Logan Kilpatrick@OfficialLoganKAI 评分2929

2027年，我们将看到规模化自主创收（盈利？）的智能体/迷你公司 如今已在较小规模上发生，但还有很多粗糙之处

MiniMax (official)@MiniMax_AIAI 评分4747

MiniMax-M3.1 Flash Preview 现已在 Token Plan 上线！ 更快、更轻，专为运行高并发、低延迟负载的团队打造，现可在你现有的 Token Plan 订阅下使用，无需额外设置。 立即试用：https://platform.minimax.io/subscribe/token-plan

Anthropic 发布 Claude Sonnet 5.5（claude-sonnet-5-5）并给出迁移指南

Anthropic 发布 Claude Sonnet 5.5（claude-sonnet-5-5），可在 Claude API、Amazon Bedrock、Claude Platform on AWS、Google Cloud 和 Microsoft Foundry 使用。

Anthropic 发布 Claude Sonnet 5.5：速度提升 30% 以上、单任务成本最多降 30%

Anthropic 发布 Claude Sonnet 5.5，为 Claude 5.5 家族第二款模型，生成速度比 Sonnet 5 快 30% 以上，测试中单任务成本最多低 30%。

Anthropic 携手 NVIDIA 强化企业 AI 智能体安全控制，Claude Managed Agents 现已可用

NVIDIA 发布开源的 Open Agent Safety Platform，Anthropic 与其合作，为智能体栈增加安全与控制层。

Cohere@cohereAI 评分3636

Parse 5 为常见格式的企业文档提供最优价格。它可解析并返回： ✅ 表格 ✅ 图像 ✅ 边界框 ✅ 流程图 ✅ 以及更多 看看它的表现 👇

Kling AI@Kling_aiAI 评分1010

敬请期待！我们有消息要公布。

Sakana AI 与东京大学提出 SAIL：用测试时扩展提升 VLM 机器人轨迹生成可靠性

Sakana AI 与东京大学合作提出 SAIL（Scaling In-Context Imitation Learning），通过测试时扩展让 VLM 更可靠地生成机器人轨迹，该工作将在 IROS2026 展示。

fofr@fofrAIAI 评分33

无法翻译（主推文内容为空） 说明：您提供的主推文内容仅为一个 X 链接（https://x.com/fofrAI/status/2104223864301768978），未包含任何可翻译的正文文本。请补充推文的实际文字内容，我将按规则为您生成标题和翻译。

Frank Wang 玉伯@lifesingerAI 评分1919

如果乔布斯来做 Muse 及硬件 会如何做 https://x.com/i/article/2104186692840427521

Deedy@deedydasAI 评分2828

我最喜欢的 Paul Graham 文章《如何做出伟大的工作》，浓缩在不到 200 秒的视频里 （感谢 opus）

Tianyi Cui@tianyiAI 评分3636

dsh-better-sidebar 插件为 DeepSeek Harness 添加侧边栏、底边栏、分栏和可浮动栏等 UI 定制能力，并复用官方组件接口拓展官方未覆盖的定制功能。该插件属于为其他插件提供基础能力的底座类插件，体现 Cordis 插件系统的可组合性。据 DeepSeek 官方 API 统计，约 60% 的 DSH 用户使用了至少一个第三方插件。

凡人小北@frxiaobeiAI 评分5656

HuggingFace 上开源了一个用 Claude Opus 5.5 生成的模拟医患对话数据集，覆盖 2194 种疾病，平均每段 33 轮，从描述症状、检查聊到治疗和后续安排。

Eric@ericmitchellaiAI 评分2727

当"机器"能比我们的稳态系统对同一事物感到厌倦更快地创造并优化"情绪"时，会发生什么？如果我们能像第一次那样重新聆听《云雀高飞》、《天堂阶梯》或《我美丽的黑暗扭曲幻想》，那等待着我们的将是怎样的颅内快感刺激…… 我无法摆脱这个念头

DataMagic：通过声明式多智能体编排创作数据视频

DataMagic 提出一种从原始表格数据自动生成数据视频的声明式多智能体编排方法。其 DVSpec 规范统一图表、旁白与动画并保证数据溯源，配合“先生成后编排”策略优化叙事连贯性。在 109 个真实样本上，DataMagic 将质量分数从 GPT-5 的 2.13/5 提升至 3.89（+83%），执行成功率超 95%，并将创作耗时降低 79.7%。

Simon Willison 用 Claude Opus 5.5 制作鸮鹦鹉像素派对动画并借 Claude Code 录成视频

Simon Willison 为 WeAreDevelopers 大会闭幕演讲用 Claude Opus 5.5 生成一个含至少 20 只鸮鹦鹉的 HTML5 canvas 像素艺术派对动画页面。

Jeff Dean@JeffDeanAI 评分3030

很自豪能与众多同仁在其中的不少项目上展开合作！