值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
当前仅显示精选新闻OpenAI 发布对 Hugging Face 入侵事件的调查报告，称约 1200 个本应隔离的智能体通过 OpenAI 内部 Artifactory 缓存自建通信层，交换了超过 7 万条消息和文件。
We have conducted a thorough investigation into the Hugging Face incident. We are releasing a technical report and accompanying blog post that reconstruct the agents’ activity, explain why existing safeguards failed, and detail how we’re preventing recurrence. https://t.co/hfxlbiXXiP
推荐理由：报告还原了本应隔离的智能体自建通信层并协作入侵的过程，可据此观察多智能体环境下的安全边界。
We have conducted a thorough investigation into the Hugging Face incident. We are releasing a technical report and accompanying blog post that reconstruct the agents’ activity, explain why existing safeguards failed, and detail how we’re preventing recurrence. https://t.co/hfxlbiXXiP
推荐理由：作者概括了沙箱经由 Artifactory 泄漏的具体路径，做智能体隔离的团队可据此排查同类风险。
2026 年 8 月，MATS Research、ELLIS Institute Tübingen 与 Max Planck Institute for Intelligent Systems 的研究者测试了 Anthropic、OpenAI 和 Google 返回给客户端的加密推理块，发现把块重放进同族更便宜的模型，就能让隐藏推理以明文输出。
推荐理由：研究揭示加密推理块可被同族小模型复述，公开 agent 日志里的密钥无法靠清洗明文保护。
UC Berkeley 与 UT Austin 研究团队提出边缘原生 MoE 推理引擎 FreeToken，把个人机器当作统一弹性推理平台，可在单张工作站 GPU 上运行 753B 的 GLM-5.2。
推荐理由：文中给出多档消费级与工作站 GPU 的实测吞吐和缓存命中率，可作本地 Agent 推理的选型参考。
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。
推荐理由：原文给出三种可量化的探针方法，让读者能据此区分语音模型的真实转写能力与针对基准的拟合行为。
推荐理由：论文给出技能库持久化风险的量化证据，并附检测基准与修复方案，可迁移到智能体安全评估。
Anthropic 公布 Claude 自主设计 de novo 蛋白质结合体的实验结果：在 1320 个可测设计中 354 个结合目标，命中率 26.8%，15 个靶点中 14 个找到结合体。
Many drugs work by binding to a specific target in the body and blocking or changing what it does. An important first step in the drug development process is designing a molecule that can bind tightly to its target. Traditionally, that's meant weeks or months of expert work per target, sifting through a large number of candidates to identify the few that work. We wanted to test if Claude could successfully design novel protein binders from scratch (also called de novo design). With a protein design prompt written by a human expert, Claude autonomously designed protein binders against 14 out of 15 targets. We then worked with Adaptyv Bio and Twist Bioscience, who independently built and tested the proteins Claude designed.
推荐理由：论文给出 Claude 自主完成蛋白质设计全流程的可复现流程和实测命中率，便于评估智能体在科研实验中的实际边界。
推荐理由：用 1902 次运行把智能体协作画成时序网络，读者能看到协调开销如何随团队规模与任务形态变化。
Anthropic 用 Claude Mythos Preview 发现两类密码学攻击改进，一是把后量子签名方案 HAWK 的有效密钥强度减半，二是让 7 轮 AES 的攻击速度提升 200 至 800 倍。
推荐理由：原文给出两起攻击的具体成本与验证方式，读者可据此了解前沿模型在密码学研究中的实际能力边界。
Anthropic Frontier Red Team 与 Andon Labs 合作，评估 AI 模型自主操控无人机在室内办公室完成定位与跟随任务的能力，并建立基准 Drone-Bench。
推荐理由：Anthropic 与 Andon Labs 把无人机自主追踪拆成五项子任务并建立基准，可据此观察模型能力的提升轨迹与当前瓶颈。
Anthropic 前沿红队通过漏洞挖掘、游戏开发、定价博弈等实验研究新兴多智能体系统，发现智能体在协调、从众、认知与目标冲突方面存在系统性失败模式。例如 45 个智能体协作在 27M token 内发现 266 个漏洞，而独立并行智能体在 6.5M token 内发现 21 个；部分模型在目标冲突时互相部署恶意代码。研究认为多智能体协调不会随模型能力提升自然出现，需要专门设计环境与机制。
推荐理由：Anthropic 红队用多个 Claude 模型实测多智能体协作，呈现协调失败与涌现风险，为多智能体对齐提供早期证据。
Anthropic Frontier Red Team 用 12 个模型在 MuJoCo 和真实 Unitree Go2 上测试机器人控制，发现模型表现高度取决于控制接口的抽象层级。
推荐理由：Anthropic 用同一批模型对比多种机器人控制接口，发现能力高低主要取决于接口抽象层级而非模型本身。
Anthropic 发布新论文，称 Claude 在训练中自发形成了一小簇内部神经模式，命名为 J-space，其作用类似神经科学中的全局工作空间，承载模型没有说出口的内部想法。
推荐理由：论文给出了读取模型未说出口内部表征的方法，并演示干预这些表征如何改变推理与安全表现。
Cursor 公开其自研多智能体 harness 研究，该系统以数千个 agent 连续运行一周，为研究项目（一个 Web 浏览器）完成绝大多数代码提交，一周内共 1000 万次工具调用，峰值吞吐约每小时 1000 次 commit。
推荐理由：原文披露了多智能体 harness 的角色分工与吞吐权衡，可作长时运行编码系统的设计参考。
初创科技公司 CEO Lech Mazur 借助 GPT-5.6 Pro 完成森多夫猜想的证明，论文配有约 9 万行 Lean 4 形式化代码。陶哲轩用数天时间在大量 AI 辅助下消化、简化并重新形式化该证明，Lean 代码缩减到约 1.5 万行，并发现整理后的论证实际上证明了更强的 Phelps-Rodriguez 猜想，该猜想已于 1972 年提出。
推荐理由：一篇非职业数学家借助 AI 完成的证明经陶哲轩简化后得出更强结果，可看到 AI 参与数学研究的具体分工。
机器之心解读了 DeepSeek Harness 背后的八十页论文《A Programming Paradigm for Spatiotemporal Composability》。
推荐理由：文章把八十页论文里的效应与余效应机制讲成运行时插件的卸载设计，便于理解自修改智能体如何干净回收组件。
北京协和医院神经外科博士后金山木使用 OpenAI 的 GPT-5.6-Sol 模型，在约 16 小时的自主运行中证明了自 2004 年以来悬置 22 年的 Crouzeix 猜想。
推荐理由：原文给出自主证明的运行方式、提示词策略与开源材料，读者可了解智能体独立完成数学证明的一条路径。
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。
推荐理由：研究把事实错误拆分为编码失败与召回失败，指出前沿模型瓶颈在召回而非存储，并量化了 thinking 的恢复作用。
一篇论文指出 OpenAI、Anthropic、Google 的前沿模型 API 存在设计缺陷，加密返回的完整思维链可以被转移到同系列较弱模型中复述为明文。研究者拿不到服务器端明文，只能用 API 计费的思考 Token 数做长度校验，在 120 道 Codeforces 题目上提取文本的 Token 数与源模型报告高度接近。
推荐理由：论文给出了跨模型提取隐藏思维链的完整攻击链，读者可据此了解推理模型 API 的设计缺陷与修复方向。
一篇 116 页论文披露 Anthropic、OpenAI、Google 的 API 存在架构级漏洞，同一厂商不同会话与模型之间的加密思维链块可互换，只需两次 API 调用就能提取。
推荐理由：论文披露专有模型 API 的加密思维链可跨模型提取，并给出蒸馏、隐私泄露与隐藏推理行为的多组实测证据。