AI日报 - 2026-10-29
2026-10-29
今日要点
- Google DeepMind 发布 Gemini 4 Argon 与 Gemini 4 Carbon 两款前沿模型，前者面向高难度推理任务，后者注重效率，同时 Genie 4 世界模拟模型引发广泛关注。
- Anthropic 正式向 SEC 提交 S-1 文件，启动首次公开募股（IPO），同时与新加坡政府签署谅解备忘录并开设新办事处。
- 美国海关与边境执法局（ICE）被曝正在进行针对左翼社会运动的大规模监视行动，引发隐私与公民自由争议；Apple 持续信任已被泄露的 eMudhra 证书，安全社区呼吁关注。
- 西班牙托莱多附近两列高速列车相撞，初步画面显示事故现场惨烈；美国监管机关于 10 月 27 日批准亚马逊 Leo 以 115 亿美元收购 Globalstar。
- Meta 发布多项工程更新，包括 Andromeda 广告检索系统、Prometheus 吉瓦级超算集群、隐私库 PrivacyLib，以及 AI Agent 架构优化。
Hacker News
Evidence of a spying operation by ICE against left-wing social movements
证据显示 ICE 对美国左翼社会运动进行大规模监视行动
据《连线》杂志报道，美国移民和海关执法局（ICE）被曝光正在运营美国历史上规模最大的针对左翼社会运动的反监视行动之一。该行动长期以来对进步组织和活动人士进行了系统性监控，引发了关于公民自由、政治监视以及政府机构越权行为的广泛争议。记者通过内部文件和对相关知情人士的采访，揭示了这一监视网络的运作方式及其对社交媒体和活动协调平台的影响。
Apple’s git still trusts the compromised eMudhra certificates
Apple 的 Git 仍在信任已被入侵的 eMudhra 证书
安全研究人员指出，Apple 的 Git 客户端依然信任已被泄露的 eMudhra 中间证书颁发机构（CA）证书，这可能使开发者面临代码仓库被篡改的风险。eMudhra 证书此前因遭恶意签发而引发广泛关注，尽管相关证书已在部分系统中被移除，但 Apple 的 Git 工具链尚未同步更新其证书信任列表。安全社区呼吁 Apple 尽快更新其内置 CA 证书库，以防范潜在的供应链攻击。
Gemini 4 Carbon
Gemini 4 Carbon
Google 官方博客宣布推出 Gemini 4 Carbon 模型，这是 Gemini 4 系列中的一款面向效率优化 frontier 模型。Gemini 4 Carbon 在保持前沿推理能力的同时，显著降低了计算成本和推理延迟，适合大规模部署和实时应用场景。该模型延续了 Google 在多模态理解和生成方面的技术积累，进一步丰富了 Gemini 4 家族的产品矩阵。
Why is this fingerprinting script creating bioweapons?
为什么这段指纹识别脚本会制造生物武器？
一篇来自 nullpt.rs 的分析文章探讨了指纹识别脚本与生物武器研究之间看似无关实则危险的联系。文章指出，某些用于软件指纹识别和溯源的技术，其底层方法可能被滥用于追踪和分析生物材料的来源与传播路径，从而为生物武器研究提供支持。作者呼吁在算法安全和生物安全交叉领域建立更严格的研究伦理与监管框架。
Git for the US Code
为美国法典构建 Git 版本控制系统
Lexifina 博客发布了一篇题为”Git for the US Code”的文章，提出将 Git 版本控制系统的理念应用于美国联邦法律文本的管理。作者认为，现行法律文本的修订和追溯缺乏系统化的版本管理机制，引入类似 Git 的分叉、合并和变更追踪功能，可以大幅提升法律透明度和公众参与度，使立法过程更加可审计和可追溯。
MacBook Pro with PROLED XDR Display and Touch
配备 PROLED XDR 显示屏和触控功能的 MacBook Pro
Apple 官方页面介绍了一款配备全新 PROLED XDR 显示屏和触控功能的 MacBook Pro。PROLED 技术结合了 OLED 的纯黑表现与 XDR 的高动态范围特性，同时在屏幕表面集成触控层，使用户可以直接在笔记本屏幕上进行交互操作。这款产品标志着 Apple 在高端笔记本市场进一步探索显示技术与交互方式的创新融合。
Kentucky man becomes the first humanist granted religious exemption from AI
肯塔基州男子成为首位获得 AI 豁免宗教身份的人本主义者
美国宗教新闻服务报道，一名肯塔基州的人本主义者成功获得了基于宗教信仰的 AI 使用豁免权，这是美国首例此类裁决。该人士主张其宗教信仰禁止使用人工智能技术，相关机构首次承认人本主义信仰可作为宗教豁免的依据。这一案例可能为未来类似的宗教与科技冲突案件树立先例。
Emacs Turns 50
Emacs 迎来五十周年
《麻省理工学院技术评论》发文纪念 Emacs 文本编辑器诞生五十周年。自 1976 年 Richard Stallman 开发以来，Emacs 不仅是软件开发领域的标志性工具，更深刻影响了开源软件和自由软件运动的发展。文章回顾了 Emacs 从早期 PDP-10 系统到现代跨平台的演变历程，以及其 extensibility 哲学对后续工具设计的深远影响。
CNC Stone Carving
CNC 石材雕刻
Carmelite Gothic 网站介绍了一种利用 CNC（计算机数控）技术进行石材雕刻的创新工艺。该技术将数字化模型转化为精确的机械加工路径，使传统石雕工艺能够以更高的效率和更复杂的几何精度完成作品。文章展示了该技术在宗教建筑修复和当代艺术创作中的应用案例，体现了现代制造业与传统工艺融合的可能性。
Wealth Inequality in America drawn to scale
按比例绘制美国财富不平等可视化图
Dream Again USA 项目发布了一项以实际比例绘制的美国财富不平等可视化图表，直观展现了财富分配的现实差距。该作品通过视觉化手段将抽象的统计数据转化为人们可直接感知的图像，帮助公众更深刻地理解美国社会中日益扩大的贫富鸿沟及其结构性根源。
US agency approves Amazon Leo’s $11.5B acquisition of Globalstar
美国监管机构批准亚马逊 Leo 以 115 亿美元收购 Globalstar
据路透社报道，美国相关监管机构于 10 月 27 日正式批准了亚马逊旗下 Leo 项目以 115 亿美元收购卫星通信公司 Globalstar 的交易。此次收购将使亚马逊大幅扩展其卫星互联网服务能力，增强在偏远地区和海洋场景下的通信覆盖，进一步强化其在全球云计算和物流领域的基础设施布局。
Two high-speed trains collide near Toledo, Spain
西班牙托莱多附近两列高速列车相撞
欧洲新闻台发布了西班牙托莱多附近高速列车相撞事故的现场首批画面。事故导致列车严重损毁，初步报告称已有人员伤亡。西班牙国家铁路运营商 RENFE 已启动紧急响应程序，相关部门正在调查事故原因。这是西班牙近年来最严重的高速铁路事故之一，引发了对高速铁路安全标准的广泛讨论。
Dayjob: Tax – evaluating AI agents on 50 professional tax assignments
Dayjob：税务——在 50 项专业税务任务上评估 AI 智能体
SurgeHQ 发布了一项名为”Dayjob: Tax”的研究，使用 50 项专业税务任务对当前 AI 智能体进行评估。研究发现，尽管 AI 在常规税务问题上表现尚可，但在涉及复杂税法条款、多州税务交叉和罕见情景判断时仍存在明显不足。该研究为企业和开发者提供了关于 AI 在专业税务领域实际能力的参考基准。
About the compromised eMudhra intermediate CAs
关于被入侵的 eMudhra 中间证书颁发机构
Apple 官方支持文档（编号 149555）就 eMudhra 中间 CA 证书被入侵事件发布了正式说明。文档详细解释了受影响证书的范围、Apple 已采取的安全措施，以及开发者应如何应对相关风险。Apple 建议开发者检查其代码签名和加密流程，确保不受已被撤销的 eMudhra 证书影响。
AlpineBSD
Alpine Linux（AlpineBSD）
Wiki 页面介绍了 Alpine Linux 系统。Alpine Linux 是一款基于 musl libc 和 BusyBox 的轻量级 Linux 发行版，以其小型体积、安全性强和资源占用低而著称，广泛应用于容器化和嵌入式场景。
OpenAI Blog
OpenAI and ServiceNow expand partnership across enterprise workflows
OpenAI 与 ServiceNow 扩大企业工作流领域合作
OpenAI 宣布与 ServiceNow 扩大合作伙伴关系，将 OpenAI 的 AI 能力深度整合到 ServiceNow 的企业工作流平台中。此次合作覆盖客户服务、IT 运维、人力资源等多个企业场景，旨在帮助企业更高效地利用 AI 自动化重复性工作流，提升决策速度和运营效率。
The future of the firm
企业的未来
OpenAI 发布了一篇探讨”企业未来形态”的文章，分析 AI 技术将如何重塑组织结构、工作流程和雇佣模式。文章认为，随着 AI 智能体的成熟，传统层级制企业正逐步向更加扁平化、灵活化的”AI 增强型组织”转型，企业在人才结构、知识管理和决策机制方面需要进行根本性重构。
Legora is building the agentic operating system for legal work
Legora 正在构建法律工作的智能体操作系统
OpenAI 介绍了 Legora 这家创业公司，其正在开发一款面向法律行业的智能体操作系统。该系统利用大型语言模型理解法律文书、分析案例和生成法律意见，旨在帮助律师和法律服务机构大幅提升工作效率。Legora 的案例反映了 AI 智能体在法律这一专业领域的快速渗透。
Retell uses OpenAI models to help power 100M monthly calls
Retell 利用 OpenAI 模型支撑每月 1 亿通通话
OpenAI 分享了语音 AI 公司 Retell 的成功案例。Retell 利用 OpenAI 的模型技术构建了实时语音通话平台，目前已支撑每月超过 1 亿通通话量。该平台被广泛应用于客服、医疗预约和销售场景，展示了语音 AI 在真实商业环境中的规模化应用潜力。
OpenAI expands partnership with Oracle to bring its apps to ChatGPT
OpenAI 扩大与 Oracle 的合作，将 Oracle 应用集成至 ChatGPT
OpenAI 宣布与 Oracle 深化战略合作，将 Oracle 的企业级应用生态系统集成到 ChatGPT 平台中。企业用户可以直接在 ChatGPT 界面内访问 Oracle ERP、CRM 等核心业务系统，实现自然语言驱动的企业数据查询和业务流程操作，进一步拓展 ChatGPT 在企业场景中的覆盖范围。
How Check Point accelerates vulnerability research with Daybreak
Check Point 如何利用 Daybreak 加速漏洞研究
OpenAI 介绍了网络安全公司 Check Point 与其 Daybreak 平台合作的案例。Check Point 利用 OpenAI 的技术构建了 AI 驱动的漏洞研究系统，能够自动分析代码、识别潜在安全缺陷并生成修复建议，大幅缩短了漏洞发现到修复的周期，提升了企业安全防护的整体效率。
Greptile takes bug detection beyond code review with GPT-6 Astra
Greptile 借助 GPT-6 Astra 将漏洞检测推向代码审查之外
OpenAI 分享了 Greptile 的案例，该公司利用 GPT-6 Astra 模型超越了传统代码审查的局限，在更广泛的软件开发流程中进行漏洞检测和代码质量分析。Greptile 的 AI 系统能够理解代码上下文和架构意图，识别出人工审查容易遗漏的深层次安全问题和性能瓶颈。
Working with academic communities to build scientific understanding
与学术社区合作构建科学认知
OpenAI 发文介绍了其与全球学术社区合作的最新进展。OpenAI 与多所大学的科研机构建立了合作项目，共同探索 AI 在基础科学研究中的应用潜力，涵盖生物医学、材料科学、气候变化等多个领域，推动 AI 成为科学发现的加速器。
GPT-6.1 Sol helps CodeRabbit strengthen security across complex codebases
GPT-6.1 Sol 助力 CodeRabbit 加强复杂代码库的安全防护
OpenAI 介绍了 CodeRabbit 如何利用 GPT-6.1 Sol 模型增强其对复杂代码库的安全分析能力。CodeRabbit 通过 GPT-6.1 Sol 的推理能力，能够更深入地理解代码依赖关系和安全模式，为开发团队提供精确的安全风险和修复建议。
ChatGPT’s expanding world of work
ChatGPT 不断拓展的工作世界
OpenAI 发布了一篇综述性文章，总结了 ChatGPT 在企业和工作场景中的广泛应用进展。文章回顾了 ChatGPT 从通用对话工具发展为专业生产力平台的过程，涵盖了编程、写作、数据分析、客户服务等多个工作领域，并展望了未来 AI 助手在企业生态中的进一步融入。
Anthropic Blog
Anthropic files S-1 with the SEC for proposed initial public offering
Anthropic 向 SEC 提交 S-1 文件，启动 IPO
Anthropic 正式发布 S-1 文件，向美国证券交易委员会（SEC）提交首次公开募股（IPO）申请。此举标志着这家在 AI 安全研究领域的领先公司即将进入公众资本市场，其估值和融资细节将在后续文件中披露。Anthropic 的 IPO 被视为 AI 行业又一标志性事件。
AI for Science expands to foundations and research institutions
AI for Science 项目扩展至基金会和研究机构
Anthropic 宣布将其 AI for Science 项目扩展至更多基金会和科研机构。该项目旨在利用 Claude 等 AI 模型加速科学研究进程，涵盖生物医药、材料科学和物理学等领域，为学术界提供更强大的 AI 研究工具和支持。
Expanding our partnership with GSA to bring Claude to all levels of government
扩大与美国总务管理局（GSA）合作，将 Claude 推广至各级政府部门
Anthropic 宣布扩大与美国总务管理局（GSA）的合作关系，计划将 Claude AI 能力推广至美国联邦、州和地方各级政府部门。这一举措将使政府机构能够安全、合规地利用 AI 提升公共服务效率，涵盖行政办公、政策分析和公众服务等场景。
Donating Agent Skills to the Agentic AI Foundation
将智能体技能捐赠给 Agentic AI 基金会
Anthropic 宣布将旗下智能体（Agent）技能资源捐赠给新成立的 Agentic AI 基金会。该基金会致力于推动 AI 智能体技术的开放协作和标准化发展，Anthropic 的这一举动体现了其对开放 AI 生态建设的承诺。
Open call for guest investigators in the life sciences
生命科学领域客座研究员公开招聘
Anthropic 发布公开招募公告，邀请生命科学领域的研究人员担任客座调查员。该计划旨在借助外部专家的知识，帮助 Anthropic 更好地理解 AI 模型在生物医学研究中的应用潜力和安全风险。
Physicist Christopher Stubbs joins Anthropic’s Long-Term Benefit Trust
物理学家 Christopher Stubbs 加入 Anthropic 长期利益信托
Anthropic 宣布著名物理学家 Christopher Stubbs 加入其长期利益信托（Long-Term Benefit Trust）。该信托旨在确保 Anthropic 的技术发展始终服务于人类的长期利益，Christopher Stubbs 的加入将为信托提供更深层次的科学视角和战略指导。
An update on independent evaluators
独立评估员进展更新
Anthropic 发布了关于其独立评估员项目的最新进展。该项目通过引入外部独立研究人员对 Claude 模型进行安全和能力评估，以增强透明度和公信力。更新内容涉及评估框架的扩展、新增评估领域以及近期发现的关键结果。
Preparing for the 2026 US midterms
为 2026 年美国中期选举做好准备
Anthropic 发文介绍其在 2026 年美国中期选举前的准备工作。公司表示将与各方合作，监测和应对 AI 生成内容在选举信息传播中的潜在风险，包括虚假信息、深度伪造和操纵性内容，以维护选举过程的公平性和透明度。
Anthropic opens Singapore office and signs MOU with the Government of Singapore
Anthropic 开设新加坡办事处并与新加坡政府签署谅解备忘录
Anthropic 宣布在新加坡开设办事处，并与新加坡政府签署了谅解备忘录（MOU）。此次合作涵盖 AI 安全研究、政策制定和技术能力建设等多个领域，进一步巩固了 Anthropic 在东南亚地区的战略布局。
Strengthening our defenses against distillation attacks
加强对抗蒸馏攻击的防御
Anthropic 发布了关于模型蒸馏攻击防御的最新进展。蒸馏攻击是指攻击者通过大量查询获取模型内部知识并训练出相似模型的行为。Anthropic 介绍了其新增的多层防御机制，包括查询限制、噪声注入和异常检测等技术，以防止模型知识被不当提取。
Google AI Blog
Our newest AI Quest: Mapping the human brain
最新 AI Quest：绘制人脑图谱
Google 发布了新的 AI Quest 教育项目，聚焦于利用 AI 技术绘制人脑神经连接图谱。该项目结合了神经科学与机器学习的最新进展，为研究人员和学生提供了一个探索大脑复杂连接模式的交互式学习平台。
Southeast Asia’s digital economy to hit $368 billion
东南亚数字经济预计将达到 3680 亿美元
Google 发布报告指出，东南亚数字经济在 2026 年预计将达到 3680 亿美元规模。报告分析了该地区电商、金融科技、数字内容和在线服务等多个赛道的增长趋势，并预测东南亚有望成为全球数字经济增长最快的区域之一。
Gemini 4 Argon: Built to solve your hardest problems
Gemini 4 Argon：专为解决最难问题而生
Google 正式发布 Gemini 4 Argon 模型，定位为 Gemini 4 系列中最强大的推理模型。Gemini 4 Argon 在数学、科学、代码生成等复杂任务上展现出接近前沿水平的能力，同时保持了多模态理解的优势，适用于需要深度分析和创造性解决的高难度应用场景。
Introducing Playground: Create and play custom games
推出 Playground：创建和游玩自定义游戏
Google 发布了一款名为 Playground 的实验性游戏平台，允许用户使用 AI 工具创建和游玩自定义游戏。该平台整合了生成式 AI 能力，使非专业开发者也能快速生成游戏场景、角色和规则，探索 AI 在互动娱乐领域的创新应用。
The latest AI news we announced in September 2026
2026 年 9 月发布的最新 AI 动态汇总
Google AI 团队发布了 2026 年 9 月的 AI 进展汇总，涵盖了 Gemini 模型的迭代更新、AI 研究突破、产品功能改进以及在各个行业的应用案例，为用户全面回顾了当月的 AI 重要动态。
Watch the winning trailer from the Future Vision XPRIZE, The Gifted
观看未来愿景 XPRIZE 获奖影片《The Gifted》预告片
Google 发布了 XPRIZE 未来愿景挑战赛获奖作品《The Gifted》的预告片。该作品探讨了人工智能与人类潜能之间的深刻关系，以其创新的艺术表达和前瞻性的思想洞察赢得了评委的高度评价。
Google Beam expands with new regions, partners, and customers
Google Beam 拓展至新地区并新增合作伙伴与客户
Google 宣布其实时协作工具 Beam 将在更多地区上线，并新增了一批合作伙伴和客户。Beam 利用 AI 技术实现低延迟的远程协作体验，其扩展将进一步推动全球团队的远程工作和实时互动。
New experts join Google’s AI & Economy team
新专家加入 Google AI 与经济团队
Google 宣布其 AI 与经济研究团队新增多名专家，他们将专注于研究 AI 技术对劳动力市场、经济增长和产业变革的深远影响。这些新成员的到来将进一步增强 Google 在 AI 经济政策研究领域的学术影响力和政策建议能力。
Co-creating the future of fashion with Google
与 Google 共创时尚未来
Google 介绍了一家时尚品牌与其合作利用 AI 进行设计和生产的案例。通过与 Google Flow 等工具的结合，该品牌实现了从设计灵感生成到生产优化的全链路 AI 赋能，展示了 AI 在传统时尚产业中的创新应用前景。
Making global data easier to explore
让全球数据探索变得更加便捷
Google 发布了联合国数据commons 平台的新功能，旨在降低全球数据的访问和使用门槛。该平台整合了联合国及其合作伙伴的多个数据集，通过改进的搜索和可视化工具，帮助研究人员和政策制定者更轻松地发现和分析全球性问题的数据。
The Gradient
After Orthogonality: Virtue-Ethical Agency and AI Alignment
正交性之后：德性伦理智能体与 AI 对齐
Peli Grietzer 发表了一篇探讨 AI 对齐理论的学术文章，提出了”德性伦理智能体”的概念。文章认为，传统的正交性论题在理解 AI 对齐问题时存在局限，引入德性伦理学视角可以为 AI 系统的价值对齐提供更丰富和实用的框架。
AGI Is Not Multimodal
AGI 并非多模态
Benjamin A. Spiegel 撰文指出，通用人工智能（AGI）的定义不应局限于多模态能力。文章认为，真正的 AGI 核心在于其泛化推理和自主学习能力，而非仅仅是处理多种输入模态的技术特征，当前对多模态的过度强调可能误导 AGI 研究的方向。
Shape, Symmetries, and Structure: The Changing Role of Mathematics in Machine Learning Research
形状、对称性与结构：数学在机器学习研究中的角色变迁
Henry Kvinge 分析了数学在机器学习研究中的演变历程，特别是群论、微分几何等抽象数学分支如何在深度学习理论中发挥越来越重要的作用。文章指出，对称性和结构的概念正在成为理解神经网络泛化能力和表示学习的关键数学工具。
What’s Missing From LLM Chatbots: A Sense of Purpose
LLM 聊天机器人缺少什么：一种目标感
Kenneth Li 探讨了大型语言模型聊天机器人在用户体验上的一个关键缺失——目标感。文章认为，当前 LLM 虽然能够生成流畅且有用的回答，但缺乏对用户深层目标的感知和主动引导能力，这使得对话往往停留在表面层次而无法产生真正的价值。
We Need Positive Visions for AI Grounded in Wellbeing
我们需要以福祉为基础的 AI 积极愿景
Joel Lehman 呼吁 AI 研究社区超越单纯的技术竞争，建立以人类和生物福祉为核心的积极愿景。文章指出，当前 AI 发展的叙事往往聚焦于能力和效率，而忽视了 AI 应当服务于整体生命系统的健康和繁荣。
Financial Market Applications of LLMs
LLM 在金融市场的应用
Richard Dewey 综述了大语言模型在金融市场的多种应用场景，包括市场分析、风险管理、交易策略生成和监管合规等。文章同时指出了当前应用面临的挑战，如数据质量、模型可解释性和合规风险，为金融从业者提供了全面的参考。
A Brief Overview of Gender Bias in AI
AI 性别偏见简览
Yennie Jun 提供了一份关于 AI 系统中性别偏见的综述，涵盖了训练数据中的性别刻板印象、模型输出中的偏差表现以及缓解策略。文章强调，消除 AI 性别偏见需要贯穿数据收集、模型训练和部署评估的全流程努力。
Mamba Explained
详解 Mamba
Kola Ayonrinde 撰写了一篇详细解释 Mamba 架构的文章。Mamba 是一种基于状态空间模型（SSM）的高效序列建模架构，能够在长序列处理中实现接近线性计算复杂度的同时保持优秀性能。文章系统介绍了 Mamba 的核心原理、技术优势及其与 Transformer 的对比。
Car-GPT: Could LLMs finally make self-driving cars happen?
Car-GPT：LLM 能否真正实现自动驾驶汽车？
Jérémy Cohen 探讨了大型语言模型在自动驾驶领域的应用潜力。文章分析了 LLM 在车辆路径规划、场景理解和决策推理中的可能作用，同时指出了当前技术在实时性、安全性和可靠性方面仍面临的主要挑战。
Do text embeddings perfectly encode text?
文本嵌入是否完美编码了文本？
Jack Morris 的研究探索了文本嵌入（text embeddings）的信息编码完整性。文章通过逆向工程和信息论方法分析了嵌入向量中保留和丢失的信息量，得出嵌入虽然高效压缩了文本语义但并非无损编码的结论。
arXiv CS.AI
Counting the Bandages: On measuring the time that AI saves
数绷带：衡量 AI 节省的时间
Solomon Shalom Lijo 发表了一篇方法论论文，提出了一种量化 AI 工具实际节省时间的新框架。文章指出，当前关于 AI 生产力的研究多依赖主观调查，缺乏客观的时间测量方法，提出的”绷带计数”模型可以更精确地评估 AI 在不同工作场景中的时间节约效果。
Enhancing Deep Learning Model Performance through Data Generation Strategies: Classification of Olive Tree Diseases
通过数据生成策略提升深度学习模型性能：橄榄树病害分类
Hicham El Akhal 等人研究了数据生成策略在橄榄树病害分类中的应用。通过合成数据增强训练集，研究显著提升了深度学习模型在病害识别任务上的准确率和泛化能力，为农业 AI 应用提供了实用的技术方案。
The Trinity: Capability-Driven Recursive Self-Improvement for Multimodal Agents
三位一体：能力驱动的 multimodal 智能体递归自我改进
Weidong Tang 等人提出了”三位一体”框架，实现了多模态智能体的能力驱动递归自我改进。该系统能够基于任务表现自动识别能力瓶颈，生成改进策略并迭代优化自身架构，为通用智能体的自主进化提供了新的技术路径。
CohortFlow: A Steerable Clinical Cohort Curation Agent with Localized Semantic Correction
CohortFlow：带本地语义校正的可引导临床队列整理智能体
Neil Chen 等人开发了 CohortFlow，一款面向临床研究的智能体系统。该系统能够根据研究者的引导自动整理和管理临床队列数据，并通过本地语义校正技术提升数据标注的准确性和一致性，为医学研究提供了高效的 AI 辅助工具。
Why and How to Do Science When AI Is Better at It: A Framework Grounded in Human Understanding and Direction
当 AI 比自己更擅长时，为何以及如何做科学：以人类理解和方向为核心的框架
Hoda Heidari 和 Aydin Mohseni 提出了一套在 AI 能力超越人类的情况下开展科学研究的框架。文章论证了人类研究者在科学发现中的不可替代价值——提出正确的问题、设定研究方向和赋予研究意义——并给出了人机协作科学研究的具体方法论。
From Structural Feedback to Prompt Policies: Learning Faithful Text-to-Image Prompt Editors
从结构反馈到提示策略：学习忠实于图像的文本到图像提示编辑器
Wentao Ye 等人提出了一种新的提示编辑器学习方法，能够从图像的结构反馈中学习忠实的文本-图像提示转换策略。该方法使 AI 图像生成系统能够更好地理解和修改生成提示，提升图像编辑的精确性和可控性。
Don’t Pick a Winner: Knowledge Conflicts Need a Prior, Not a Rule
不要选赢家：知识冲突需要先验而非规则
Minh Pham Van 和 Cong Tran 研究了语言模型中知识冲突的处理方法。文章指出，简单的规则性冲突解决策略存在局限，引入概率先验分布可以更优雅地处理不同来源知识的矛盾，为模型的知识融合提供了新的理论视角。
Learning Human Sports Motion Feasibility via Quantile Regression on Tracking Data
通过追踪数据的分位数回归学习人类运动可行性
Marc Gutiérrez-Pérez 和 Antonio Agudo 提出了一种基于分位数回归的运动可行性学习方法。该方法利用运动追踪数据建模人类运动员在各类体育动作中的身体可行性边界，可用于运动科学分析和体育训练指导。
arXiv CS.CL
ReCoPII: A Relation-Grounded Framework for Building Contextual PII Masking Datasets
ReCoPII：构建上下文感知的 PII 掩码数据集的关系 grounding 框架
Taehwan Lee 提出了 ReCoPII 框架，用于构建上下文感知的个人身份信息（PII）掩码数据集。该方法通过分析实体间关系来更准确地识别和保护敏感信息，为 NLP 系统的隐私保护提供了可靠的数据基础。
MedJev: Evaluating Zero-Shot System-One Decision Making in Medicine
MedJev：评估医学中的零样本系统一决策
Simon A. Lee 等人开发了 MedJev 基准，用于评估语言模型在医学场景中的零样本直觉决策能力。该基准模拟了临床医生在信息不完全情况下的快速判断过程，揭示了当前 AI 系统在医学直觉推理方面的能力和局限。
OmniBrain-0: A Unified Agentic Model for Embodied Intelligence
OmniBrain-0：具身智能的统一智能体模型
小米具身智能团队联合澳门大学、清华大学等机构发布了 OmniBrain-0，一款面向具身智能的统一智能体模型。该模型整合了感知、推理和执行的统一架构，为机器人系统的多任务学习和自适应行为提供了新的解决方案。
FinLLM-KG: Knowledge Graph-Enhanced LLMs for Financial Sentiment Analysis in Algorithmic Trading
FinLLM-KG：知识图谱增强的 LLM 用于算法交易中的金融情绪分析
Giorgos Iacovides 等人提出了 FinLLM-KG，将知识图谱与大型语言模型结合，用于算法交易中的金融情绪分析。该系统利用知识图谱的结构化知识增强 LLM 对金融文本的理解能力，显著提升了情绪识别的准确性。
3, 7, 14, 17, 42: Instruction Tuning Installs and Sharpens Number-Choice Heuristics in Language Models
3、7、14、17、42：指令微调在语言模型中植入并强化数字选择启发式
Samar Ansari 研究了指令微调对语言模型数字选择行为的影响。实验发现，特定数字序列的指令微调会在模型中形成显著的启发式偏好，这可能影响模型在需要精确计算的 tasks 中的表现，提醒研究者关注微调数据分布的潜在偏差。
Lipi-Ghor: A Large-Scale, Diarized, Multi-Domain Bengali Speech Corpus and a Scalable Pipeline for Building It
Lipi-Ghor：大规模带说话人标注的多领域孟加拉语语音语料库及可扩展构建管道
Sanjid Hasan 等人发布了 Lipi-Ghor，这是首个大规模、带说话人标注、覆盖多领域的孟加拉语语音语料库。文章同时介绍了构建该语料库的可扩展流水线，为孟加拉语语音识别和语音技术的研究提供了重要基础设施。
Frankly Speaking: The Company Election Integrity Keeps in Congressional Communication
直言不讳：公司在国会沟通中对选举诚信的维护
Michael A. Robinette 等人研究了大型科技公司在国会沟通中对选举诚信问题的立场和实践。文章分析了相关公司如何在政治游说和公共声明中平衡商业利益与民主责任，为理解科技公司政治角色提供了实证依据。
LLM Hallucination Detection via Low-rank Multilinear Decomposition
通过低秩张量分解检测 LLM 幻觉
Devansh Sharma 等人提出了一种基于低秩多重线性分解的 LLM 幻觉检测方法。该方法通过分析模型输出在多线性空间中的低秩结构偏离来识别可能的幻觉内容，为幻觉检测提供了新的技术性方案。
arXiv CS.LG
Evolving to Match Capabilities: Improving Harness Self-Evolution via Skill Adaptation
进化以匹配能力：通过技能适应改进 Harness 的自主进化
Zhihao Yang 等人提出了一种通过技能适应改进 Harness 自主进化能力的框架。该方法使 AI 系统能够在能力增长的同时自适应地调整其技能组合，实现能力与执行策略的协同演化。
Can Language Models Learn While They Think? Testing Gradient Adaptation Across Architectures
语言模型能在思考时学习吗？跨架构的梯度适应性测试
Surya Saka 研究了语言模型在推理过程中进行在线学习的能力。通过在多种架构上进行梯度适应性实验，文章发现部分模型在推理阶段确实能够通过梯度更新实现短期学习，为”思考即学习”的假设提供了实证支持。
Lessons from Luck: Do LLM-Written Lessons Carry Chance into an Agent’s Next Decision?
运气之课：LLM 编写的经验会将随机性带入智能体的下一次决策吗？
Kazuki Nakayashiki 研究了 LLM 生成的”经验教训”是否会在后续的 Agent 决策中引入意外的随机性。实验表明，虽然 LLM 编写的经验旨在优化决策，但其中的隐含随机因素可能对后续行为产生不可预测的影响。
Feature Scaling Beats Architecture Choice in Offline Respiratory Screening for Low-Resource Clinics
在资源匮乏诊所的离线呼吸筛查中，特征缩放优于架构选择
Abubakar Chilala 等人比较了不同技术策略在资源匮乏诊所的离线呼吸筛查任务中的效果。研究发现，合理的特征缩放方案比选择更复杂的模型架构更能提升预测性能，为医疗 AI 的普惠应用提供了实用指导。
Inference-Time Prior Adaptation for Imbalanced Data Streams under Concept Drift
概念漂移下不均衡数据流的推理时先验自适应
Tobias Callies 等人提出了在概念漂移和不均衡数据流场景下的推理时先验自适应方法。该方法在推理阶段动态调整模型先验，有效应对数据分布随时间变化带来的性能退化问题。
Physics Informed Neural Networks for Solving the Drift-Diffusion Equations
用于求解漂移-扩散方程的物理信息神经网络
Luke Ragan 等人将物理信息神经网络（PINN）应用于求解半导体物理中的漂移-扩散方程。该方法将物理方程作为约束嵌入神经网络训练过程，在保持物理一致性的同时提高了数值求解的效率和精度。
Neural-DISCO: Source-Conditioned Counterfactual Editing of Neural Population Activity
Neural-DISCO：条件于来源的神经群体活动反事实编辑
Nico Policzer 等人提出了 Neural-DISCO 方法，实现对神经群体活动的反事实编辑。该方法能够条件化特定来源变量，生成反事实的神经活动模式，为神经科学中的因果推断研究提供了新的计算工具。
How Much Fresh Data Should CTR Recalibration Use? A Temporal Evaluation of Post-hoc Calibration
CTR 重新校准应使用多少新鲜数据？后验校准的时间评估
Rui Liu 研究了点击率（CTR）预估模型重新校准中新鲜数据的最优用量。通过时间维度的系统评估，文章给出了关于校准数据时效性和数量的实用建议，对推荐系统和广告系统的在线调优具有指导意义。
arXiv CS.CV
ObjectTwin: Measuring the Asset Correspondence Gap for Capture-Anchored Digital Twins
ObjectTwin：衡量捕捉锚定数字孪生的资产对应差距
Zhenghe Guo 提出了 ObjectTwin 框架，用于量化和衡量数字孪生系统中虚拟资产与现实捕捉对象之间的对应差距。该评估方法有助于提升数字孪生在工业和消费领域的应用精度。
Task-Utility IQA: Rethinking Image Quality Assessment in Embodied Tasks
任务效用 IQA：重新思考具身任务中的图像质量评估
Jirong Zha 等人提出了一种面向具身任务的任务效用图像质量评估（IQA）方法。与传统主观质量评估不同，该方法从机器视觉任务的实际效用角度衡量图像质量，为机器人视觉系统的图像采集和处理优化提供了新标准。
Physiognomy Revisited: How Vision-Language Models Encode Sensitive Attributes Through Image Transformation
面相学再探：视觉语言模型如何通过图像变换编码敏感属性
Soumyajit Datta 等人研究了视觉语言模型如何通过图像变换编码面相等敏感属性。研究发现，即使经过图像处理，VLM 仍可能从图像中推断出种族、性别等敏感信息，引发了对 AI 系统隐私保护能力的新的担忧。
Learning and Reasoning with Geometry: How Generation Helps Spatial Understanding
几何学习与推理：生成如何促进空间理解
Rui Yang 等人探讨了生成模型如何促进空间理解能力。通过几何建模与生成相结合的方法，研究展示了生成过程本身可以作为一种学习信号，帮助模型建立更准确的空间关系推理能力。
Any3R: Feedforward 3D Reconstruction from Any Camera Type
Any3R：来自任意相机类型的前馈 3D 重建
Jingong Chen 等人提出了 Any3R 系统，实现了从前馈神经网络直接进行 3D 重建，且无需针对特定相机类型进行适配。该方法统一了多种相机模态的 3D 重建任务，大幅提升了重建系统的通用性和实用性。
PrinGS: Privacy Preservation in Gaussian Splatting
PrinGS：高斯溅射中的隐私保护
Gaurav Behera 等人提出了 PrinGS，一种在高斯溅射（Gaussian Splatting）3D 表示中保护隐私的方法。该方法在不显著影响渲染质量的前提下，有效防止从高斯溅射模型中泄露敏感场景信息。
Beyond the Estimate: Wiener-Informed Decoding for Easier Training of Pixel-Space Flow Models
超越估计：Wiener 信息引导解码助力像素空间流模型更易训练
Ziqiao Wang 和 Yang You 提出了基于 Wiener 滤波理论的解码方法，以降低像素空间流模型（如 Stable Diffusion 等）的训练难度。该方法通过改进解码过程的热力学特性，使模型训练更加稳定和高效。
Learning to Read Braille: Benchmarking and Improving Braille Recognition Capabilities of VLMs
学习阅读盲文：评估和改进 VLM 的盲文识别能力
Kartik Jangra 等人建立了盲文识别基准测试，系统评估了视觉语言模型在盲文识别任务上的能力，并提出了改进方案。该研究推动了 AI 在无障碍技术领域的进步，有助于提升视障人士的信息获取能力。
DeepMind Blog
Gemini 4 Carbon: Our next frontier model
Gemini 4 Carbon：我们的下一代前沿模型
DeepMind 正式发布 Gemini 4 Carbon，定位为 Gemini 4 系列中的效率优化型前沿模型。该模型在推理速度、成本效率和响应延迟方面进行了显著优化，同时保持了多模态理解和生成能力，适合需要高效部署的生产级应用。
Genie 4: A new generation of world simulation
Genie 4：新一代世界模拟
DeepMind 发布了 Genie 4，一款新一代世界模拟模型。Genie 4 能够生成高度逼真且连贯的虚拟世界，支持开放的探索式交互，为游戏开发、机器人训练和 AI 研究提供了强大的模拟环境。
Beyond tree cover: mapping the world’s forest types
超越树木覆盖：绘制世界森林类型图
DeepMind 发布了全球森林类型地图项目成果，利用 AI 卫星影像分析技术绘制了地球上各种森林类型的精确分布图。该数据超越了传统的树木覆盖监测，为生态保护、碳汇评估和生物多样性研究提供了重要基础数据。
Accelerating the search for antimicrobial peptides with Google Antigravity
利用 Google Antigravity 加速抗菌肽的发现
DeepMind 介绍了 Google Antigravity 平台在抗菌肽发现中的应用。通过 AI 驱动的大规模筛选和分子设计，研究团队显著加速了新型抗菌肽的发现和优化进程，为应对抗生素耐药性危机提供了新的科学工具。
Google DeepMind and Singapore Government collaborate to build fine-tuned AI model for scam detection
Google DeepMind 与新加坡政府合作构建诈骗检测专用 AI 模型
DeepMind 宣布与新加坡政府合作，利用本地数据对 AI 模型进行微调，专门用于检测和防范电信诈骗等网络犯罪。该合作项目结合了 DeepMind 的技术实力与新加坡政府的本地化需求，为打击诈骗犯罪提供了新的 AI 解决方案。
Developing Gemini 4 Argon responsibly and safely
负责任且安全地开发 Gemini 4 Argon
DeepMind 发布了关于 Gemini 4 Argon 开发过程的负责任 AI 实践报告。文章详细介绍了模型训练过程中的安全评估、红队测试、内容过滤和风险评估等关键环节，展示了 DeepMind 在推进前沿 AI 能力时的安全责任框架。
Gemini 4 Argon for Robotics
面向机器人的 Gemini 4 Argon
DeepMind 介绍了将 Gemini 4 Argon 模型适配到机器人领域的最新进展。经过专门优化的版本使机器人能够理解复杂的多步指令、规划动作序列并在动态环境中进行实时决策，显著提升了机器人智能体的任务执行能力。
Gemini 4 Argon: Built to solve your hardest problems
Gemini 4 Argon：专为解决最难问题而生
DeepMind 发布了 Gemini 4 Argon 的详细介绍，强调其面向超高难度推理任务的设计定位。该模型在数学证明、代码生成、科学发现等需要深度推理的任务上达到了前所未有的性能水平，代表了当前 AI 推理能力的最新前沿。
EmbeddingGemma 2: an open, lightweight multimodal embedding model
EmbeddingGemma 2：开源轻量级多模态嵌入模型
DeepMind 发布了 EmbeddingGemma 2，一款轻量级多模态嵌入模型。该模型支持文本和图像等多种模态的嵌入生成，同时保持了较小的模型规模，适合在资源受限的环境中进行部署和应用。
Gemini 4 Argon: our next era of frontier intelligence
Gemini 4 Argon：前沿智能的新时代
DeepMind 发布了关于 Gemini 4 Argon 及其意义的综述文章。文章将 Gemini 4 Argon 定位为开启前沿智能新纪元的标志性模型，详细阐述了其在技术能力、安全框架和行业应用等方面的突破性进展。
Meta Engineering
Meta Andromeda: Powering the Next Generation of Ads Retrieval Through Model-System Co-Design
Meta Andromeda：通过模型-系统协同设计赋能下一代广告检索
Meta 工程团队介绍了 Andromeda 系统，这是为下一代广告检索设计的模型-系统协同优化方案。Andromeda 通过将模型架构与底层系统基础设施进行深度协同设计，显著提升了广告检索的准确率、延迟和扩展性。
PrivacyLib: Privacy Controls at the Data Access Boundary
PrivacyLib：数据访问边界的隐私控制
Meta 发布了 PrivacyLib，一种在数据访问边界实施隐私控制的库。该系统允许在数据请求层面精确控制隐私访问权限，为 Meta 内部的数据使用提供了细粒度的隐私保护机制。
Python Typing Survey 2026: AI Tools and the Shifting Checker Landscape
2026 Python 类型检查调查报告：AI 工具与不断变化的检查器格局
Meta 发布了 2026 年 Python 类型检查调查报告，分析了 AI 编码工具对 Python 类型检查生态系统的影响。报告发现，AI 辅助编程工具正在改变开发者对类型检查的使用习惯，推动了检查器生态的多元化发展。
Meta Networking at the 2026 OCP Global Summit: Open Innovation for Scale-Up, Scale-Out, and Scale-Across AI Networks
Meta 在 2026 OCP 全球峰会的网络方案：为 AI 网络的规模扩展与互联提供开放创新
Meta 在 2026 年开放计算项目（OCP）全球峰会上展示了其在 AI 网络领域的最新创新。Meta 分享了其在网络规模扩展、跨数据中心互联和 AI 训练网络优化方面的开放技术方案，推动了行业标准的演进。
GenRecs Tokenization: Transforming Ads Recommendation at Meta with Stable Model Vocabulary
GenRecs Tokenization：以稳定模型词汇表变革 Meta 广告推荐
Meta 工程团队介绍了 GenRecs Tokenization 项目，通过引入稳定的模型词汇表对广告推荐系统进行了根本性改造。该技术解决了推荐系统中词表漂移的问题，显著提升了推荐的稳定性和长尾广告的曝光效果。
The Thin Orchestrator: How We Made Our AI Agents More Reliable by Giving the Router Less to Do
精简编排器：通过减轻路由器的负担使 AI 智能体更加可靠
Meta 分享了精简编排器（Thin Orchestrator）的设计理念，通过将部分职责从中心路由器中分离出来，降低了系统复杂性，使 AI 智能体在执行多步骤任务时更加可靠和稳定。
Inside Prometheus: Meta’s Journey to a Gigawatt-Scale Supercluster
深入 Prometheus：Meta 迈向吉瓦级超算集群的旅程
Meta 工程团队详细介绍了 Prometheus 超级计算集群的建设历程。该集群达到了吉瓦级功耗规模，是 Meta 训练超大规模 AI 模型的核心基础设施，展示了其在数据中心工程、电力管理和网络架构方面的顶尖能力。
How Meta Built Forum With AI-Native Engineering
Meta 如何用 AI 原生工程构建 Forum
Meta 介绍了使用 AI 原生工程方法构建 Forum 社交平台的实践。该方法将 AI 深度融入产品设计、开发流程和用户体验的各个环节，创造出更加个性化和智能的社交互动体验。
2026 World Cup: Breaking Records, Spiky Charts and Reliability at Scale
2026 世界杯：打破记录、尖峰流量与大规模可靠性
Meta 回顾了 2026 年世界杯期间其平台的技术表现。期间全球用户产生了大量实时互动数据，平台的流量曲线出现了显著的尖峰波动。Meta engineering 团队分享了如何在大规模流量冲击下保持系统稳定可靠的技术实践。
Towards Data Science
How to Make AI Work for End-to-End Business Processes
如何让 AI 为端到端业务流程服务
Weiwei Hu 撰文探讨了将 AI 技术应用于端到端业务流程的实战方法。文章强调，成功的 AI 业务整合需要从流程设计之初就将 AI 能力作为核心组成部分，而非事后附加，同时需要关注数据闭环和组织变革的配套建设。
Where a Cell Sits Matters More Than How Many There Are
细胞的位置比数量更重要
Daniel Manrique Castano 发表了一篇生物学与 AI 交叉的文章，论述了在细胞级别数据分析中，细胞的空间位置和微环境比单纯的细胞数量更能揭示生物学意义。这一观点对单细胞测序数据和病理分析具有重要的方法论启示。
Building and Visualising Kolmogorov–Arnold Networks
构建与可视化柯尔莫哥洛夫-阿诺德网络
Sam Everest 提供了一份关于柯尔莫哥洛夫-阿诺德网络（KAN）的构建与可视化指南。KAN 是一种基于可微分函数的替代性神经网络架构，文章详细介绍了其数学原理、实现方法和可视化工具，帮助研究者更好地理解和应用这一新兴架构。
Your RAG Pipeline Is Missing a 1994 Algorithm
你的 RAG 管道缺少一个 1994 年的算法
Spyros Georgopoulos 指出，当前流行的 RAG（检索增强生成）系统缺少了一个经典的 1994 年算法——BM25 或其改进版本。文章论证了这一传统信息检索算法在现代 RAG 系统中的重要性，并为改进检索质量提供了具体建议。
An AI Agent Can Spot a Mistake and Still Not Fix It
AI 智能体可以发现错误却仍然无法修复
Abdullahi Dattijo 分享了一次有意的实验经历：让 AI 浏览器智能体执行任务时故意引入错误。结果显示，AI 智能体有时能够识别出自己或系统产生的错误，但由于缺乏相应的修复能力或权限，仍然无法解决问题，揭示了当前 AI Agent 在故障修复方面的局限。
Who Watches the AI?
谁来监督 AI？
Gadi Singer 探讨了 AI 治理中的核心问题——谁来监督和约束 AI 系统本身。文章分析了当前 AI 治理框架的不足，提出了多层监督机制的构想，包括技术审计、第三方评估、法律监管和社区参与的综合作用。
In the Age of Borrowed Thinking, How To Become More Valuable as AI Gets Smarter
在借用思维的时代，AI 越聪明人类如何变得更有价值
Rashi Desai 分析了在 AI 日益强大的时代，人类如何保持和提升自身价值。文章认为，人类的核心竞争力在于提出正确问题、跨领域联想、道德判断和意义赋予，而非单纯的知识储备或技能执行。
Developers Felt 20% Faster With AI. They Were 19% Slower.
开发者感觉使用 AI 快了 20%，实际上慢了 19%
Gursimar Singh 发表了一篇关于 AI 辅助编程效率的有趣研究。虽然开发者主观感受使用 AI 后效率提升了 20%，但客观测量显示实际编码速度反而下降了 19%。文章分析了感知与实际的差距源于 AI 带来的认知偏差和过度依赖。
What Makes AI-Written Stories Feel Off?
AI 写的故事为什么让人感觉不对劲？
Sara A. Metwalli 研究了 AI 生成故事与人类写作的差异。文章从叙事节奏、情感深度、角色动机和语言风格等多个维度分析了 AI 故事的”违和感”来源，指出 AI 在理解微妙情感和复杂人际动力方面仍有明显不足。
Opening the Box: Can Machine Learning Resolve Schrödinger’s Cat?
打开盒子：机器学习能解决薛定谔的猫吗？
Samit Ganguly 以创意的方式探讨了机器学习与量子力学著名思想实验”薛定谔的猫”之间的联系。文章用 ML 模型的”中间状态”类比量子叠加态，从科普角度阐释了机器学习在处理不确定性和模糊边界问题上的独特优势。
Today’s Highlights
- Google DeepMind launches Gemini 4 Argon and Gemini 4 Carbon frontier models; Genie 4 world simulation also unveiled
- Anthropic files S-1 with SEC for IPO; opens Singapore office and signs MOU with the Government of Singapore
- Evidence of ICE running large-scale surveillance against left-wing movements sparks privacy concerns; Apple continues to trust compromised eMudhra certificates
- Two high-speed trains collide near Toledo, Spain; US approves Amazon Leo’s $11.5B acquisition of Globalstar
- Meta engineering updates: Andromeda ad retrieval system, Prometheus gigawatt-scale supercluster, PrivacyLib, and AI agent architecture improvements