跳到正文
#数据/训练
  1. 量子位80

    MIT 实验：GPT-6 Astra 直接修改 Qwen3.5 权重，MATH-500 得分提升约 6 倍

    MIT 的实验让 GPT-6 Astra 直接读取并编辑 Qwen3.5-0.8B 的权重，仅改动 0.016% 的参数，MATH-500 得分就从 7.9% 升到 48.1%，指令执行能力也提高 3 倍，全程没有训练和梯度下降。

    推荐理由：MIT 实验显示前沿模型可直接读写小模型权重，为小模型能力修复提供了一条不依赖梯度训练的路径。

  1. GitHub Blog67

    GitHub Octoverse 2026：开发者用智能体推动提交与推送创新高

    GitHub 发布 Octoverse 2026 报告，过去 12 个月开发者向 GitHub 推送代码 179 亿次，超过 2024 与 2025 年总和，提交量达 343 亿次。

    推荐理由：GitHub 官方年度报告用平台全量数据呈现智能体如何改变提交、PR 与模型选择，可作为判断开发工作流变化的参照。

  1. Anthropic66

    Anthropic 公布用 Claude 加速药物研发的早期进展

    Anthropic 公布其生命科学团队与 BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines、The Column Group 六家机构的合作进展，并已启动自有药物发现项目。

    推荐理由：Anthropic 公布与六家药企的合作细节和自研管线进展，读者可看到 Claude 在药物研发各环节的具体产出与局限。

  1. Microsoft Research71

    微软研究院等证明 31 年悬而未决的 KLS 猜想

    微软研究院机器学习与优化组研究员 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明在 2026 年 10 月 4 日的论文版本中完成。

    推荐理由：微软研究员与合著者用人类引导的智能体搜索证明 KLS 猜想，读者可看到 AI 参与数学发现的具体分工方式。

  1. Google Research71

    Google Research 介绍让 AI 智能体扎根生物实验现实的三项研究

    Google Research 发布博客，介绍三项连接 AI 计算探索与湿实验室实验的研究：VERID 框架为实验室工作单元构建语义数字孪生，让智能体在动作前检查 3D 状态、做虚拟试运行并拦截不安全指令。

    推荐理由：Google Research 用三个项目展示智能体如何接入湿实验室的真实测量与闭环反馈，可了解自动化实验的工程路径。

  1. Mistral AI71

    Mistral 发布时间序列基础模型 Timestral，209M 参数登顶三项基准

    Mistral 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M、209M 四个规模，最大模型以 209M 参数在 GIFT-Eval、TIME、fev-bench 三个公开基准的预训练零样本模型中排名第一，参数仅为此前 SOTA 的三分之二。

    推荐理由：Mistral 首次进入时间序列基础模型，209M 参数在三个公开基准上排名第一，并给出 CPU 推理延迟与微调路径。

  2. Google Research62

    Google 发布地理空间推理智能体技术报告并扩大 Earth AI 早期访问

    Google 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及自研的 GeoExpertQueries、GeoKTools 四个基准上评估，并公开两个新基准的开发集。

    推荐理由：技术报告用四个基准对比有无 Earth AI 工具与前置规划，并附 WHO 等伙伴的真实场景反馈。

  1. Microsoft Research76

    微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架

    微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。

    推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把真实 harness 接入强化学习训练，并给出可复现的编码智能体训练结果。

  1. Qwen Blog72

    Qwen 联合淘天发布 E-Commerce Bench 电商长程经营评测

    Qwen 团队联合淘天集团发布 E-Commerce Bench，评估模型作为电商商家在真实市场中经营网店的长程能力。模型拿到 10 万元本金，在 365 天、每天 600 分钟的时间预算内完成选品、谈判、定价、库存与现金流管理，环境由 6,886 个商品、60 个品类、576 个供应商和 12 种店型构成，数据脱敏自淘宝和天猫。

    推荐理由：材料给出了长程经营评测的环境设计与18个模型的资产结果，可用来对照现有Agent评测偏短程的局限。

  1. Qwen Blog88

    Qwen 发布 Qwen3.8-Max，编程与办公能力全面升级

    Qwen 团队正式发布 Qwen3.8-Max，基于 Qwen 3.5 架构扩展至 2.4 万亿总参数（激活参数 95B），已在千问 AI 平台上线并可通过 API 调用，开源权重将于下周发布。

    推荐理由：官方给出 2.4T 总参数与激活 95B 的规格，并附上长程自动编程与论文复现的完整过程记录，可据此判断这一代 Max 在端到端任务上的位置。

已经到底了