论文研究

Google 威胁情报 group 报告：AI 时代漏洞披露翻倍、高危漏洞利用激增

Google 威胁情报 Group（GTIG）报告显示，月度漏洞披露量从 2026 年 1 月的 5,045 增至 8 月的 10,740，在野利用从 2025 年月均 10.5 升至 18，zero-day 从月均 8 升至 11。

Ataraxos 击败 Stratego 史上最强人类选手，算力成本不到 DeepNash 的 1/500

Ataraxos AI 以 85% 的有效胜率击败四届世界冠军 Niemeijer，结束人类在 Stratego 上对 AI 的优势。

OpenAI 称已阻止窃取其模型推理内容的行动，但同样手法在 Azure 上仍然有效

OpenAI 称 7 月拦截了一起窃取其模型思维链用于蒸馏的行动，7 月 24 至 25 日流量激增至来自超 4000 名用户的 16000 次请求，关联账号网络超 15000 个，7 月 28 日已全部封禁，OpenAI 将核心团伙与 Moonshot AI（Kimi 模型开发商）相关人员联系起来，并注明这些是未遂提取。

Anthropic 研究测量机器人对工作的暴露度：74% 物理任务可由机器人完成但仅 0.3% 具成本竞争力

Anthropic 发布研究，用 Claude 基于环境结构化程度对约 19,000 个工作任务评分构建机器人暴露指数，发现机器人能完成美国 74% 的物理任务，占全部工作时间的 34%，但仅对 0.3% 的任务具有成本竞争力，按每年约 3% 的价格下降速度需 40 年才达 10%。

Anthropic@AnthropicAI精选AI 评分6565

Anthropic 发文称，Claude 在收到单个九圈问题提示词后，在 Claude Science 中基本无人监督地运行数天，用 Dixon 等人的方法完成求解，总成本几千美元，突破了此前八圈的纪录（平面 N=4 超杨-米尔斯简化模型）。物理学家 Lance Dixon 独立验证了结果，von Hippel 为该博客撰写了经历回顾。

Anthropic Project Swap 实验：Claude 智能体在交易市场代用户换书的表现

Anthropic 让 201 名员工的 Claude 智能体在六个办公室的去中心化交易楼层代用户交换书籍。5 分钟 intake 对话后，Claude 对书对的排序与本人一致率达 61%，市场效率 0.55（最优 0.89），其中 85% 的差距来自偏好表征不准而非谈判；重跑显示模型选择比指令更影响谈判结果，Opus 楼层效率 0.88 高于 Haiku 的 0.75。

Anthropic：Claude 发现类似 CRISPR 的新型酶系统 ART

Anthropic 成立生命科学研究组和实验室，宣布 Claude 智能体在约 950 个智能体、21 小时、2.1 亿 token 的搜索后，自主发现一种与 DNA 重复序列相关的新型酶系统，命名为 array-associated reverse transcriptases（ART）。

Anthropic：Claude 四周内将 30 多个开源生物分子模型平均加速约 4 倍并开源代码

Anthropic 发布研究结果，Claude 在近四周内优化 30 多个开源生物分子模型（覆盖结构预测、蛋白质设计、基因组学等），平均加速约 4 倍，在输出完全一致时约 2 倍，并开源全部优化代码。

Anthropic 红队发布 AI 模型战术情报定位与常规武器能力评测报告

Anthropic 前沿红队发布新评测，测量模型在战术情报定位（基于碎片信息找人）和常规武器开发（如编写无人机制导软件）上的能力，显示部分任务上模型能做到过去只有稀缺专家才能做的事。

Eric@ericmitchellai精选AI 评分7070

OpenAI 宣布给出纳维-斯托克斯千禧年大奖难题的一个解，证明由一组智能体使用比 GPT-6 Astra 能力更强的 OpenAI 下一代模型产出。该问题关注纳维-斯托克斯方程描述的光滑三维流体运动是否会崩溃，约 90 年来未获解决。转发作者以在 OpenAI 工作的口吻感叹又是一个疯狂的日子。

OpenAI 发布 Navier–Stokes 千禧年难题的 AI 生成解答

OpenAI 宣布分享针对 Navier–Stokes 千禧年大奖难题的 AI 生成解答，包含一份完整 writeup 和 Lean 形式化证明。

Anthropic：Claude 用 11 天完成费马大定理首个完整机器验证证明

Anthropic 发布首个完整经计算机检验的费马大定理证明，Claude 在约 11 天内基本自主写出 1300 万行 Lean 代码，证明 30,300 个定理（最终使用 29,500 个）。

Google Research 联合 HHMI Janelia 发布完整雄性果蝇大脑连接组

Google Research 与 HHMI Janelia、MRC 分子生物学实验室及剑桥大学等合作，在 Cell 发表雄性果蝇大脑和中央神经系统的完整连接组，包含超 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计最大的脑图谱。

Hugging Face 用三项测试量化语音识别中的基准优化现象

Hugging Face 提出三项测试量化 ASR 模型的基准优化（benchmaxxing）行为，评估 11 个开源模型后发现多个高分模型会复现 VoxPopuli 和 LibriSpeech 的错误参考转写。

Google Research 提出知识剖析框架：召回而非编码是前沿 LLM 事实性的瓶颈

Google Research 发表研究，提出知识剖析（knowledge profiling）行为框架与 WikiProfile 基准（2,150 条 Wikipedia 事实，每条配 10 个任务），用于区分 LLM 事实错误的编码失败与召回失败。

Google Research 推出 AMIE (Video)：实现实时音视频临床问诊，表现达到专科医生水平

Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 构建实时视频临床问诊系统，采用 Talker、Planner、Perception 三个并行智能体的异步架构。

Google DeepMind 开源 WeatherNext 气旋预报模型，Nature 论文显示精度领先一天

Google DeepMind 发表 Nature 论文并开源 WeatherNext 2 与 WeatherNext Cyclones 模型，单模型以 SOTA 精度预测气旋路径、强度和风结构，平均多出 24 小时提前量，相当于约十年气象学进步。

Princeton 团队用 shadow evaluations 测试前沿 Agent 的开放式 AI 研究能力，专家否决了两篇 Agent 论文

Sayash Kapoor 等人发布论文，用 shadow evaluations 让前沿 AI Agent 回答两篇未发表论文的核心研究问题，各给数千美元 API 额度和六天时间，原论文作者明确否决了两篇 Agent 论文。

Google Research 发布 SymptomAI 研究论文，用 Gemini Flash 2.0 Agent 做日常症状评估

Google Research 发表 SymptomAI 论文，通过 n=13,917 的全国规模随机研究测试基于 Gemini Flash 2.0 的实验性对话 Agent 做症状问诊与鉴别诊断（DDx）。

Google Research 发布可穿戴健康基础模型 SensorFM，基于超一万亿分钟传感器数据预训练

Google Research 推出 SensorFM，从500万同意参与者采集的超一万亿分钟多模态可穿戴传感器数据中自监督预训练，覆盖 PPG、加速度、EDA、皮肤温度和测高五类模态。