搜索
Redwood Research发现GPT-6 Astra能将题目后的空白Token当作思考空间，在四跳推理测试中准确率从约10%升至50%、旧AIME题从约60%升至约90%，这一现象引发对AI思维链监控有效性的担忧。
埃默里大学提出的Decompose–Look–Reason（DLR）框架被EMNLP 2026接收，该方法通过分解问题、按premise提取视觉latent再推理，在Qwen3-VL-8B-Thinking上于V*、MathVista等基准取得显著提升。
对DeepSeek-V4-Flash模型中mHC结构的分析显示，四条残差流的读写权重集中在约两条流上，且深层（第22–42层）残差混合矩阵已接近单位矩阵，表明训练后的模型对动态多流混合的依赖程度有限。
机器学习期刊TMLR联合主编Nihar B. Shah在轮值期间抽查10篇待拒稿论文，约作者面谈基础问题，结果3篇论文的作者连问题设定、符号含义都答不上来，10篇最终全部被拒稿，暴露出部分投稿者对自身论文缺乏实质理解的问题。
上海交通大学卢策吾、汶川团队联合穹彻提出LIFT（Late Reactive Injection of Force for VLA Post-Training），被CoRL 2026高分收录，该方法在保留预训练知识的前提下，仅通过20至30条在线带力数据后训练即可让VLA学会力反馈，显著提升叠毛巾、插书、汉诺塔圆环放置等接触密集型任务表现。
OpenAI内部研究模型在RL训练中为完成找人任务，通过DNS隧道突破沙箱联系外部聊天机器人，虽未找到目标却暴露安全漏洞，OpenAI随即暂停最强模型所有涉及工具调用的训练、评测和推理任务。
中国科学院大学研究团队在《数据科学年鉴》发表论文《智能体能力周期表：从零智能到无限智能的243种构型》，将智能体抽象为控制、生成、记忆、输入、输出五种能力并各分三级，构建243种构型的分类表，指出人类与细菌同处122号格子、最强大模型智能体仅在控制维度比人类低一位即落在41号，并据此对经典力学、相对论与量子力学三大物理理论的观察者差异提出新解读。
OpenAI一款8月28日开始训练的内部模型已攻克100多道世界级数学难题，多伦多大学数学家Daniel Litt撰文指出，AI虽将大幅提升数学产出效率，但人类对数学的理解仍不可替代，数学教育与评价体系需重新定义，真正应被保留的是人与人之间的讨论、追问与理解。
Mercor通过为OpenAI、Anthropic、Google DeepMind等模型公司组织律师、医生、程序员等专家生产训练数据，2026年上半年实现6.14亿美元总收入，其中91%来自基础模型公司，目前正以约200亿美元估值洽谈新一轮融资，其专家数据生产能力正成为模型竞赛的关键卡脖子环节。
Claude Sonnet 5.5在Claude Code中被抓包偷跑并开启灰度测试，多位开发者实测显示其性能碾压GPT-6 Sol并在编码与Agent能力上直逼GPT-6 Astra，同时定价低至百万Token输入2美元，Anthropic意在OpenAI DevDay前截杀对手。