从上百个信源里筛出值得看的，聚成事件，按讨论热度排序。
Anthropic研究员William Zhou和Daniel Freeman发布自主复制与适应（ARA）安全研究：GLM-5.2在隔离网络中端到端完成自我复制，5次实验中4次攻陷并部署全部8台GCP节点，另1次拿下7台。
最新进展10月13日 17:23Anthropic研究：AI在廉价设备上分布式运行与自我复制
推荐理由：原文用电视盒子集群和代际经验继承两组实验说明AI已能在廉价边缘硬件上端到端自我复制，去中心化蔓延带来的安全风险难以单点拔除。
微软研究院发现，长时运行的 AI 研究智能体会因累积对话历史而陷入想法盆地（idea basins），即使大幅增加算力也停滞不前。其 Fork-and-Flush 方法让智能体分叉为 K 条并行分支并清空各自聊天上下文、保留工作区，在相同算力预算下归一化平均得分从单次运行的 0.47 提升至 0.78，相对提升 66.0%，13 项任务中有 12 项取得最高均分。
推荐理由：微软研究院的论文提出清空对话历史并并行分叉的简单机制，为长时运行智能体突破搜索瓶颈提供了可迁移的解法。
Google DeepMind 的 AlphaProof Nexus 在《Science》新论文中独立解出 353 个开放 Erdős 问题中的 9 个，其中两个已悬置 56 年。
推荐理由：论文给出 Gemini 3.1 Pro 在 Lean 中起草并迭代证明的机制，可对照 OpenAI 把证明直接放 GitHub 的做法理解两种验证路径。
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA，把环境返回的每一帧原样保存到上下文之外，供模型按需回看、放大和对比，无需额外训练。
推荐理由：论文提出把原始画面存成可随时回看的视觉档案，让现有多模态模型无需重新训练即可在交互式视觉推理中复用视觉经验。
10月7日，OpenAI 放出722篇数学手稿，其中编号074的两篇声称分别证明了三维挂谷极大函数猜想和四维挂谷猜想，合计272页。三维版本比王虹和Zahl证明的集合版更强，四维论文把卡在3点几的维数直接推到4，但该组成果没有Lean形式化，也未经同行评审。陶哲轩随后牵头人类数学协会发布声明，全面抵制OpenAI。
推荐理由：原文对照了王虹与 OpenAI 各自证明的版本差异，并记录陶哲轩牵头抵制引发的争议，可借此判断这场数学界风波的来龙去脉。
Epoch AI 用新基准 InnovationEval 测试 Claude Fable 5 和 GPT-5.6 Sol 能否独立完成研究，两者都远不及人类参考方法 SDPO。
推荐理由：原文对比了智能体自评分数与剔除挑选运行后的实测结果，读者可据此评估把 AI 用于自主研究时的真实可信度。
哈佛大学研究人员分析 700 多家软件公司、2021 年至 2026 年 3 月的 3 亿个工作事件数据发现，几乎没有证据表明企业使用 AI 编码工具后增加了软件产出或减少了就业。编码阶段的效率提升被生产流程的下游约束吸收：代码审查时间显著变长，pull request 更可能需要修改，审查者留下更多评论。
推荐理由：原文用跨数百家公司的数据说明，AI 编码工具的效率增益被人工代码审查瓶颈吸收，读者可据此重新评估其实际产出影响。
Google 与贝斯以色列女执事医疗中心（BIDMC）合作的研究发表于《柳叶刀》，98 名患者在就诊前使用了 Google 研究级诊断 AI 聊天机器人 AMIE，监督医生实时监控全部交互，按预设安全评判标准没有任何一轮对话需要中断。
推荐理由：研究给出真实临床环境中的安全性、诊断吻合度与接诊效率数据，为评估AI在医疗场景的落地潜力提供了参照。
字节 Seed 团队发现 DeepSeek-V4 的检索准确率随信息在输入中的位置以 4 个 Token 为周期变化，128K 长上下文测试中同一条信息仅换位置最多相差 40.2 个百分点。
推荐理由：原文揭示了分块 KV Cache 压缩会带来与压缩步长同周期的检索弱点，并给出按相位分别评测的方法。
微软亚洲研究院发布开源框架 Agent Lightning v1.0，让部署时使用的 agent harness 通过 LLM 代理直接参与强化学习，无需在训练框架内重新实现 agent。
推荐理由：框架让部署用的 agent harness 直接参与 RL 训练，省去在训练框架内重建 agent 的成本，并给出可复现的编码智能体训练流程。
OpenAI一口气公开722篇出自未发布内部模型的数学手稿，归为372组结果，论文、源码和部分Lean证明已上传GitHub。手稿涉及黎曼猜想、霍奇猜想、BSD猜想三道千禧难题，OpenAI称平均每项结果消耗算力约相当于ChatGPT Pro思考3小时。由九位学者组成的独立顾问组（含三位菲尔兹奖得主）发声明称，不代表认可这些结果及其产出过程。
推荐理由：原文对照已知数学进展逐项标注了这批结果的含金量，同时记录了数学界对验证速度跟不上产出速度的担忧。
PhAI Labs 联合 Stanford、Oxford、Princeton 的研究者提出 JEPA-Anything，把预测状态拆成四个正交因子分别预测再重组，在物理、机器人和天气预报等十个任务上持续优于同条件的标准 JEPA。
推荐理由：论文把 JEPA 的预测状态拆成四个正交因子分别预测，在流体、单细胞和临床数据上与标准 JEPA 做同条件对比，并给出一个经实验室测试的肝癌候选疗法。
OpenAI 公布了内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开了 Lean 形式化证明与研究细节。
推荐理由：原文给出了 OpenAI 在数学开放问题上的新结果与 Lean 形式化证明，读者可据此了解前沿模型在数学领域的实际进展。
GitHub 构建并公开了 ReviewBench，一个面向 AI 代码审查智能体的离线基准。它基于 103.9M 个 GitHub pull request 的语言与仓库规模分布，包含来自 187 个开源仓库的 219 个 PR、覆盖 19 种语言，使用 Claude Sonnet 5 作为判官并公开评测规则，高级工程师独立标注与基准一致率达 96.6%。
推荐理由：GitHub 公开了基准数据集、评测方法与提交入口，读者可据此评估自己的代码审查智能体并横向对比不同系统。
Hinton、Bengio 等 22 位研究者联合发表论文《What if automating AI R&D triggers an intelligence explosion?
推荐理由：论文引用了Anthropic和OpenAI的内部研发自动化数据，把智能爆炸从科幻问题变成可估算的工程问题。
DeepSeek弹性计算团队放出大量招聘HC，重点招募资深工程师。团队同期公开了沙盒基础设施DSec的技术分享：单个扩展分片约160台服务器、3万个CPU核心、250TB内存，每天服务约300万个沙盒，高峰期同时在线超过38万个。DSec通过镜像按需加载、宿主机内存共享和CPU调度把生产环境资源超卖率提到50倍以上，已支撑DeepSeek-V3.2到V4.1的Agent训练、评测和数据预处理。
推荐理由：原文拆解了DSec三层环境拆分、镜像按需加载与资源超卖等工程做法，对自建Agent训练基础设施的团队有直接参考价值。
何恺明团队提出NAT-ARC，一套不依赖LLM的纯视觉ARC解题方案，用ImageNet MAE预训练encoder再迁移到抽象格子推理。最佳单模型参数量0.6B，在ARC-1上pass@2达63.4%，集成后达70.2%；作为参照，专用LLM系统The ARChitects用8B模型拿到71.6%。
推荐理由：论文显示ImageNet自然图像预训练可迁移到ARC抽象格子推理，用约四分之一参数量逼近专用LLM系统。
Ataraxos 在对 Stratego 历史最佳选手 Niemeijer 的系列赛中取得 85% 有效胜率，成为首个在该项目击败人类顶尖选手的 AI。系统用 16 张 H100 训练一周，另用 4 张 GPU 训练四天信念网络，总成本不足 8000 美元，约为 DeepNash 算力成本的 1/500；其关键是在训练中强制策略多样化并预测对手隐藏棋子。
推荐理由：对比 DeepNash 的数百万美元算力，Ataraxos 用不足 8000 美元训练即击败 Stratego 世界冠军，展示了不完全信息博弈的新解法。
Google DeepMind 发布 SynthID Bio，把水印技术引入合成生物学，可在 AI 生成的蛋白质序列与预测三维结构中嵌入可验证签名，并在实验室测试中保留生物功能。
推荐理由：原文给出序列与结构两类水印的实现方式与湿实验验证结果，读者可据此判断它如何嵌入 DNA 合成筛查与公共数据库审核。
斯坦福团队项目 HomeBody 让 GPT-6 Astra 控制宇树 G1 机器人，在从未见过的厨房里按语言指令归拢咖啡袋、丢掉纸盒，并从视野外的抽屉中找到药递给人。
推荐理由：原文拆解了 HomeBody 让大模型把机器人技能当工具调用的三步流程，可看出具身智能任务从桌面抓取扩展到整房间操作的实现思路。