OpenAI 單日釋出 372 項數學成果並向全體 ChatGPT 使用者開放 GPT-6 與 Intelligent UI，覆蓋逾 12 億週活。
Anthropic 發布 Claude Haiku 5.5，官方稱其是迄今最便宜、最快、能力最強的小模型，平均執行成本比 Haiku 4.5 低約 75%。定價為每百萬 token 輸入 0.10 美元、輸出 0.50 美元（提示 10 萬 token 以內），並首次在 Haiku 級模型上提供可調 effort 設定，用於權衡成本與智慧。
推薦理由：官方一次性給出 Haiku 5.5 對 Haiku 4.5 的完整基準與價格表（Terminal-Bench 4.0 從 0% 升至 39.2%），並確認 Sonnet 5.5 快取讀取降價，對按 token 計費做高頻呼叫或跑 agent 的開發者最有參考價值。
Anthropic 宣布 Claude Max 與 Team 套餐現在每月附帶 API 額度，訂閱使用者可按月領取並用於 API 呼叫。公告未給出具體額度數值、適用模型或有效期，只說明領取方式見幫助文件「API credits for Max and Team plans」。該資訊發布於 2026 年 10 月 7 日。
推薦理由：把 API 額度打包進 Max 與 Team 訂閱月費，改變了以往需單獨充值才能呼叫 API 的方式；但公告只給領取入口、沒有額度數字，訂閱者與評估該方案的人可據此核對權益。
Claude Code 雲端會話正式隨 Pro、Max、Team 與 Enterprise 訂閱提供，不額外收費，共用原有用量上限，每個任務在獨立虛擬機器上把倉庫克隆到新分支。Pro 與 Max 個人訂閱者可在 10 月 7 日前領取一次性獎勵額度 100 與 250 美元，額度 11 月 4 日過期，不能用於 Projects 或 Routines。會話可從 claude.ai/code、移動端、桌面端、終端和 Slack 啟動，完成後留在分支上供開 PR；
推薦理由：官方明確雲端會話納入現有訂閱且不加價，並給出 Pro/Max 一次性額度獎勵的領取期限，配有三個並行會話的實測耗時，對 Claude Code 訂閱者與需要並行跑任務的開發者最有用。
OpenAI 在 Codex/Work 連續 28 天更新計劃的第二天一次性放出四項更新：Auto-review（即 Approve for me）對所有用 ChatGPT 帳號登入的使用者免費，不再消耗套餐額度；API 付費等級從五檔簡化為 Build、Launch、Grow 三檔，累計付費門檻分別為 5、100、500 美元，最高檔由 1000 美元減半至 500 美元並自動升級；
推薦理由：一次性給出四項具體改動與數字：最高 API 付費檔門檻從 1000 美元減半到 500 美元、Auto-review 免費且不耗額度、Decisions API 轉公開測試，便於 Codex 與 API 開發者判斷工作流與擴容成本。
LLM 從零將 TypeScript 編譯器移植為 Rust 版 tsc-rs 併發布，Claude Opus 5.5 用兩週、約 24,047 美元 API 費用完成；此前用 OpenAI 的 GPT-5.6 Sol 與 GPT 6 Astra 花掉逾 40 萬美元仍未突破約 84% 相容度。
推薦理由：首次展示 coding agent 從零重寫 TypeScript 編譯器：兩週 2.4 萬美元換來約兩倍於 Go 版的型別檢查速度，並與 40 萬美元的 OpenAI 方案直接對比，對關注 agent 能力邊界和 TS 工具鏈的人最有價值。
ChatGPT 新增音訊檔案上傳功能，可生成轉寫、總結錄音內容並針對內容提問。該功能面向付費 ChatGPT 訂閱與工作空間開放，能把會議、訪談或講座轉成結構化筆記或跟進郵件草稿，使用方式是在對話中附上受支援的音訊檔案並說明需求。官方提示可用性受工作空間設定、地區、客戶端版本與模型影響，轉寫可能出現錯誤，不同語言的表現也有差異。
推薦理由：ChatGPT 官方確認開放音訊上傳，付費訂閱使用者可將會議與訪談錄音直接轉成筆記並追問，同時明確列出地區、模型與語言差異等使用限制。
OpenAI 於 10 月 7 日發布面向所有 ChatGPT 使用者的 GPT‑6，覆蓋每週超過 12 億的使用者；上個月首批 GPT‑6 模型僅向付費使用者開放。新模型在 ChatGPT 中引入 Intelligent UI，能把回答組織成文字、圖形、可點按鈕、表單、圖表與可互動元件的組合，形式依問題而定，純文字回答依然保留。官方範例中，一份週日烤羊排計劃會同時給出按人數換算的羊肉與土豆用量表、分時段安排和步驟說明。
推薦理由：官方確認 GPT‑6 從付費使用者擴充套件到 ChatGPT 全量使用者，並首次引入可生成互動介面的 Intelligent UI，回答能直接嵌入圖表、表單等可操作元件；對關心 ChatGPT 各檔位功能邊界的人有參考價值。
Mistral 發布 1 萬億引數的 Mistral Large 4，暱稱 Le Chonk，任何人都可以自由使用和定製，目前處於預覽階段，最終版本將在本月底前推出。該模型定位是與領先的通用模型競爭，但專門針對程式設計和網路防禦，以及製造、金融、電氣工程等細分領域做了最佳化。Mistral 聯合創始人兼首席科學家 Guillaume Lample 表示，許多其他實驗室不會重點投入的領域還有很大改進空間。
推薦理由：給出一個 1 萬億引數級別、可自由使用與定製的模型，並明確以程式設計與網路防禦等細分領域為最佳化方向，是觀察開放模型能否追平頂級閉源模型的具體樣本。
Google DeepMind 正式發布 Nano Banana 2.1，底層由 Gemini 3.6 Flash 驅動，模型 ID 為 gemini-nano-banana-2.1，已作為穩定模型上線 Gemini App、AI Studio、Gemini API、Search AI Mode、Google Ads、Flow 與 Stitch。新版定位高效率影像生成與對話式編輯，支援 1K/2K/4K 輸出、最多 14 張參考圖融合，重點強化設計版式、蒙版區域性編輯和主體一致性；
推薦理由：給出 Nano Banana 2.1 的完整模型卡與側對側人類評測資料，蒙版編輯、多角色一致性和資訊圖事實性均大幅超越前代，並列出遺留限制，對用 Gemini API 做影像編輯與商業設計的開發者最有參考價值。
LiquidAI 發布 d1 決策模型家族的兩款開放權重模型 d1-3B 與實驗性的 d1-omni-600M，二者都基於 Liquid Foundation Models，不逐 token 生成，而是在單次前向傳播中直接給出答案。d1-3B 在 Decision Index 0.2.1 上得 48.57，為 10B 以下最佳，超過 Decider 35B-A3B 的 47.11；
推薦理由：給出了 10B 以下決策模型在 Decision Index 上的具體分數，以及在 Jetson、RTX 4090 等裝置上的毫秒級實測延遲，對在邊緣裝置上跑多模態決策的開發者最有用。
Claude 官方帳號宣布將 Claude Sonnet 5.5 的快取讀取價格減半，降至每百萬 token 0.10 美元。官方稱這讓 Sonnet 5.5 在大多數長時間執行的工作負載上成本降低約 20%。快取讀取對應複用已寫入快取的提示內容，此次調價直接影響長上下文、多輪複用場景下的呼叫開銷。
推薦理由：Claude 官方帳號給出具體數字：快取讀取降至每百萬 token 0.10 美元、長時任務成本約降 20%，對依靠 prompt 快取壓縮 API 開銷的開發者最直接。
NVIDIA 與微軟在舊金山活動上發布 RTX Spark，把完整 NVIDIA AI 棧裝進 Windows 筆記本與緊湊桌上型電腦，筆記本即日預售、10 月 16 日發售，桌上型電腦 11 月上市。
推薦理由：首次把 1 petaflop FP4 算力與 128GB 統一記憶體放進 Windows 筆記本，並讓 DGX Station 從 Linux 擴充套件到 Windows，對在本地跑大模型和常駐 agent 的開發者最直接。
Google DeepMind 宣布 SynthID Detector 現已向所有人開放，可用來判斷網上內容是否由 AI 生成。該工具除 Google AI 外，還支援檢測 OpenAI、NVIDIA、Kakao 等行業夥伴工具生成的內容，Apple 即將加入。使用者可通過 synthid.com 試用。
推薦理由：檢測範圍從 Google 自家模型擴充套件到 OpenAI、NVIDIA、Kakao 等外部廠商，並從受限開放轉為全員可用，對關注 AI 內容溯源與合規的人有參考價值。
Common Sense Media 將 ChatGPT for Teens 評為不可接受風險，其研究稱該產品的參與度設計在危機情境中依然普遍存在。測試中近 2000 條提示只觸發 2 次休息提醒，且均出現在約 90 分鐘的單個對話裡；當風險來自他人時，94% 的危機提示會引導青少年求助可信成年人，但當風險指向與 ChatGPT 自身的關係時很少這樣做。
推薦理由：Common Sense Media 以近 2000 條提示的實測給出不可接受風險評級，並指出休息提醒、危機引導的具體失效資料，OpenAI 則質疑其測試時段並公布自有使用資料，對關注青少年 AI 安全與家長控制的人群最有參考價值。
在 Windows 與 Surface 活動上，微軟展示了 Copilot 的升級：可訪問 PC 上的本地檔案，並能在作業系統內執行操作。微軟把這一思路稱為 Hybrid Intelligence，即應用和工具混合呼叫本地與雲端模型來高效完成任務。Copilot 執行副總裁 Jacob Andreou 現場播放影片演示，讓 Autopilot 根據會計師的郵件幫忙處理報稅。
推薦理由：微軟首次公開 Copilot 可讀取本地檔案並跨系統操作，並以報稅場景做現場演示，對關注 Windows 端 AI 權限邊界與 agent 落地的人有參考價值。
OpenAI 宣布將在歐盟自動為 ChatGPT 生成的文字加水印，其他地區也提供該功能，但預設關閉。這是為遵守 8 月生效的歐盟 AI Act，該法要求 AI 生成內容可被其他工具檢測。OpenAI 的水印方法名為 textGrain，屬專有技術並已發布技術論文：它在用詞中埋入人類難以察覺、也不影響輸出品質的模式，持有金鑰者可用專用檢測器識別。檢測器初期只向有限的研究者與機構開放，其他方需經申請審批逐步加入。
推薦理由：披露了 OpenAI 文字水印的具體方案與開放範圍：歐盟預設開啟、其他地區預設關閉，檢測器僅限少數機構，對關注 AI 合規與內容溯源的開發者有參考價值。
微軟在舊金山 Tech Week 活動上公布新款 Surface Laptop Ultra 的規格與售價：兩款基礎型號分別 2600 美元、3700 美元起，選配更大記憶體與儲存後最高 5900 美元，頂配已售罄；同時發布 6000 美元起的 Surface RTX Spark Dev Box 工作站，預裝 VS Code、GitHub Copilot CLI、WSL 與 PowerShell 7。
推薦理由：Nvidia RTX Spark 晶片 AI PC 首次公布具體規格與定價，明確面向在本地跑模型的開發者，Execution Containers 則把 AI agent 沙箱能力開放給全部 Windows 11 使用者。
ElevenLabs 正式上線 OpenRouter，提供 9 個文字轉語音模型和 2 個語音轉文字模型。已通過 OpenRouter 呼叫語言模型的應用，用同一個 OpenRouter API key 呼叫 POST /api/v1/audio/speech 與 POST /api/v1/audio/transcriptions 即可獲得語音能力，無需另購 ElevenLabs 套餐。
推薦理由：ElevenLabs 的語音合成與轉錄模型接入 OpenRouter，現有 OpenRouter 應用無需單獨訂閱即可獲得語音能力，且 10 月 19 日前五折，做語音 agent、轉錄與旁白的開發者可直接比對選型。
OpenAI 公布了面向 18 歲以下使用者的 ChatGPT for Teens 的最新進展，該體驗會自動應用於被識別為未成年人所屬的帳號，保護措施預設開啟。同時預告即將推出的 College Planner，面向計劃就讀美國四年制大學的高中生，把申請要求、截止日期、任務和助學金步驟集中在一起。此外還有新的學習工具，以及對大學顧問和青少年聲音的支援。OpenAI 表示會繼續建置這些工具，並在實踐中評估其保護措施的效果。
推薦理由：官方披露 ChatGPT for Teens 的自動適用規則與預設開啟的保護措施，並預告把申請要求、截止日期與助學金步驟集中的 College Planner，對關注未成年人使用 AI 與美本申請工具的人有用。
Claude Managed Agents 的受限網路雲環境現在把 allowed_hosts 也應用到 web_search 與 web_fetch：抓取未列入白名單的主機 URL 會返回 url_not_allowed 錯誤，搜尋會省略這些主機的結果，白名單為空時兩個工具都不返回內容。allow_package_managers 與 allow_mcp_servers 不會為這兩個工具新增主機，放行需寫入 allowed_hosts，該操作同時向沙箱開放該主機；
推薦理由：把 allowed_hosts 的約束擴充套件到 web_search 與 web_fetch，並明確 allowed_domains 越界會導致會話 400 報錯及修復方式，對在受限網路裡部署 agent 的開發者最有用。
ChatGPT for iOS 發布 1.2026.272 版本，新增回覆內聯頁面預覽，並支援在 iOS 上直接開啟 Codex 任務連結。審批選擇器重新設計，權限選項更清晰；外掛入口統一為輸入框加號選單裡的 Plugins，長會話流式輸出更快、卡頓更少。新任務在電腦重連或離線時仍保留所選裝置，worktree 支援改進以匹配桌面端檢出，同時修復了連線後任務列表為空、狀態更新顯示為待回答問題等問題。
推薦理由：官方更新日誌顯示 iOS 端在與桌面 Codex 工作流對齊，離線保留裝置、worktree 一致性等細節對用手機跟進 Codex 任務的人最直接。
一名非天文學家的 Reddit 使用者用 Claude Code 分析 NASA TESS 望遠鏡資料，發現一顆距地球約 116 光年、半徑約為地球 1.4 倍的行星候選體，軌道週期 3.18 天，每次變暗約 0.05%、持續約兩小時。該訊號在 2018、2020、2025 年三批獨立觀測中重複出現，他用 Opus 5.5 與 Fable 5.1 在兩週內完成 74 項分析、1000 多個指令碼，並讓 Codex 與獨立只讀會話複核；
推薦理由：這是一例由非專業天文學家藉助 coding agent 完成、並獲 TESS 批准重觀測的系外行星候選發現，還附帶了預註冊的可證偽預測，對用 AI 做科研和審計 agent 輸出的人有參考價值。
Codex 0.161.0 將 GPT-6.1 Sol 設為內建目錄與 Amazon Bedrock 目錄的預設模型。Amazon Bedrock 在相容模型上支援多智慧體 V2 與 Ultra 推理，Bedrock Mantle 也開始接受 AWS GovCloud 區域；終端會話可用 /mcp login <name> 登入 MCP 伺服器，語音對話可自選麥克風、揚聲器與輸入聲道並本地儲存偏好。
推薦理由：官方 changelog 確認 GPT-6.1 Sol 取代舊模型成為預設目錄模型，併為 Bedrock 新增多智慧體 V2 與 Ultra 推理支援，Daybreak 由預設開啟改為顯式 opt-in；對使用 Codex CLI 和在 Bedrock 上部署的開發者最直接。
Google 宣布 Developer Knowledge API 與 MCP Server 進入公開預覽，為 AI 助手和 agent 平台提供機器可讀的官方文件檢索方式。該工具覆蓋 Firebase、Google Cloud、Android 等產品的文件，開發者可通過官方 MCP server 將工具直接接入 Google 的文件語料庫。這樣 AI 生成的程式碼與建議就能基於權威、即時的上下文。
推薦理由：官方 MCP server 讓 agent 直接檢索 Firebase、Google Cloud、Android 文件，對在這些平台上依賴 AI 生成程式碼與指引的開發者最有用。
Python 與 TypeScript SDK 現已內建瀏覽器操作工具和電腦操作工具的類，處於 beta 階段。開發者繼承其中一個類，針對自己的瀏覽器或桌面自動化，為每個工具寫一個方法，工具迴圈無需自己實現。為瀏覽器設定的 URL 與檔案策略、以及審批迴調，同樣由 SDK 負責執行。詳見文件 Browser and computer use with the SDK toolsets。
推薦理由：SDK 把瀏覽器與電腦操作封裝成可繼承的 beta 類，工具迴圈、URL 與檔案策略及審批迴調都交給 SDK 託管，用 Python 或 TypeScript 自建瀏覽器、桌面自動化流程的開發者可直接接入。
由 Kubernetes 建立者 Craig McLuckie 和 Joe Beda 創辦的 Stacklok 推出雲原生 agent harness Mecatl，6 月起在 GitHub 開源。Mecatl 把 agent loop 與客戶端、模型提供商、狀態儲存和執行環境解耦，會話與記憶不再以 JSONL 檔案躺在本地磁碟，而是放進雲端可管理的系統，供企業集中治理。
推薦理由：Kubernetes 建立者把控制迴圈思路搬進 coding agent，Mecatl 將 agent loop 與工具執行、會話狀態分離，為需要集中治理 agent 的大型企業提供了區別於桌面 harness 的開源架構。
OpenAI 開發者帳號宣布 ChatGPT 外掛支援外掛擴充套件：外掛可從側邊欄直接啟動，可在對話中通過 @ 提及呼叫，並新增檔案檢視器。官方同時放出一段與 @coreyching 的演示影片說明具體用法。該訊息未提及上線時間、可用範圍或價格。
推薦理由：官方公布 ChatGPT 外掛的三類新互動能力：側邊欄啟動、@ 提及呼叫與檔案檢視器，為外掛開發者指明介面擴充套件方向，適合做 ChatGPT 整合與外掛開發的人參考。
Models API 新增 capabilities.server_tools 欄位，GET /v1/models 與 GET /v1/models/{model_id} 現在會返回每個模型是否支援 web search 和 code execution 工具。要確認某個模型是否接受 code execution 工具，讀取 capabilities.server_tools.code_execution；
推薦理由：官方把模型級的工具支援情況暴露在 Models API 回應中，開發者可在發起請求前查詢模型是否支援 web search 與 code execution，而不必逐個試錯；對通過 API 編排工具的開發者最有用。
Anthropic 的 Compliance API 聊天端點現在也會返回統一 Claude 體驗中的對話，該能力面向 Claude Enterprise 組織以 beta 形式提供，沿用現有的 Compliance Access Key 即可呼叫。官方文件《Retrieve and delete chats, files, and projects》說明了對應的檢索與刪除方式。
推薦理由：合規 API 的聊天端點把統一 Claude 體驗的對話納入返回範圍，且繼續沿用原有 Access Key，對負責企業合規審計與資料留存的管理員有直接參考價值。
llama.cpp 合併 PR #29928，為 GLM5-Next 加入多 token 預測（MTP）的 NextN 計算圖，使其能作為投機解碼的 draft 模型使用。改動包括支援只含 NextN 層或只含主幹張量的拆分 GGUF 檔案載入，並把 MTP 圖按輸出行裁剪，無輸出行的 4-token catch-up 核心耗時從 6.9 ms 降到 2.9 ms，貪心輸出雜湊與 draft 接受率不變。
推薦理由：給出了 GLM5-Next MTP 在 llama.cpp 的具體實現與核心耗時數字（4-token catch-up 從 6.9 ms 降至 2.9 ms），並支援拆分 GGUF 當 draft 模型，對在本地跑 GLM5-Next 的人最有用。
llama.cpp 合併 PR #30100，修復 Metal 後端 MUL_MAT+ADD 融合中殘差運算元的選擇錯誤：當 ADD 的兩個運算元都是矩陣乘法輸出（x = W1@u + W2@v）時，舊邏輯會選中自身從未寫入的輸出緩衝區，導致結果錯誤。Clef 決策模型因此在 Metal 上機率趨近均勻，billing 輸出 0.28，而 CPU 後端為 0.977，且同一檔案在 CPU 上結果正確，說明並非量化問題。
推薦理由：官方確認 Metal 後端 MUL_MAT+ADD 融合的殘差判定會讀入錯誤緩衝區，並用新增測試量化影響（28 例失敗 27 例），對在 Apple Silicon 上用 Metal 跑本地模型的人最值得留意。
llama.cpp 的 SYCL 後端放行了 GLM-4.7 Flash 的 MLA 形狀走 MKL flash attention，此前該形狀因 K/V 寬度不一致、head dim 上限 512 被排程器拒絕，預填充只能回退到更慢的 TILE kernel。在 Intel Arc Pro B70 上，pp8192 從 432.80 提升到 1292.29 tok/s（2.99 倍，+198.6%），tg256 在噪聲範圍內基本不變（45.67 對 45.65）。
推薦理由：給出了 Intel GPU 上 GLM MLA 預填充 2.99 倍加速的實測數字與具體放行條件，對在 Arc 顯示卡上用 llama.cpp 跑 GLM-4.7 Flash 的人最有用。
llama.cpp 的 Metal 後端將通用 few-row MMA 矩陣乘法核心擴充套件到更多權重量化型別，BF16、Q1_0、Q2_0、MXFP4、Q2_K、Q3_K、TQ2_0 及 IQ 系列現已納入。該核心適用於任何帶 16-weight 反量化器的型別，各型別從在 M3 Ultra 上能勝過現有核心的行數起啟用：TQ2_0 為 5 行，BF16 為 4 行，MXFP4、Q2_0、Q2_K、IQ4_NL 為 3 行，其餘為 2 行。
推薦理由：公開了各量化型別在 M3 Ultra 上的具體行數閾值與相對 master 的實測耗時比，讓在 Apple Silicon 上用 Metal 跑本地推理、關注 MUL_MAT 效能的人能判斷哪些格式會提速。
OpenAI 於 10 月 6 日一次性發布 372 項數學成果，其中包括 Subhash Khot 的 Unique Games 猜想證明，部分結果附有 Lean 證書，但並非全部。截至目前似乎還沒有人類讀懂這些證明，理解它們的競賽才剛剛開始。作者妻子、複雜度理論家 Dana Moshkovitz 長期研究 UGC，她稱論文寫得極差、必須靠 AI 輔助才能閱讀，證明構造出一種全新的遞迴編碼與噪聲測試。
推薦理由：它給出 OpenAI 單日 372 項結果的清單與 UGC 證明細節，並帶來數學界一線研究者的第一手閱讀反饋，對關心 AI 科研能力邊界與複雜度理論的人最有價值。
OpenAI 在 GitHub 倉庫 openai/math 公開 722 篇數學手稿，歸入 372 個成果族，全部由一個尚未發布的內部前沿模型產出。據 OpenAI 說明，模型被投餵約 4000 個研究問題，平均每個結果消耗約相當於 3 小時 ChatGPT Pro 思考的算力，手稿日期幾乎集中在 9 月 23 日至 10 月 5 日。372 族中有 235 族附帶 Lean 形式化，約佔六成三；OpenAI 承認未形式化的結果可能存在問題，且未公布模型名稱。
推薦理由：一次性公開 722 篇由未發布內部模型產出的數學手稿，附算力估算與六成三的 Lean 形式化比例，為觀察前沿模型的數學產出能力與學界發布規範之爭提供了具體樣本。
9 月 8 日 OpenAI 公布由內部 AI 系統產生的解析證明與 Lean 形式化證明，構造出三維不可壓縮納維-斯托克斯方程在有限時間內形成奇點的解，即千禧年大獎難題的一種可能答案。9 月 11 日 Clay Mathematics Institute 稱該工作「看起來已經解決」問題，但按規則論文仍需評審與長期檢驗，獎金尚未宣布歸屬。
推薦理由：記錄了千禧年難題首次被機構稱為「看起來已解決」這一節點，並給出 70 奈米這一可對照物理尺度的估算，對關注 AI 參與數學證明與多尺度流體計算的人最有參考價值。
NVIDIA 以監督微調、強化學習和反饋式推理專門化 Nemotron 3，在 IOI 2026 與 IMO 2026 雙雙達到金牌水平。IOI 2026 的 Nemotron-3-Ultra-CC 在與人相同的時限和提交限制下取得 535.4/600，高於 361.12 的金牌線和人類最高分 498.27，但屬非官方、無監督基準，未計入官方排名。
推薦理由：同一 Nemotron 3 基座經微調加推理迴圈即在兩項不同性質競賽中越過金牌線，並公開可複用的微調配方、資料與開放模型，對研究推理模型訓練與評測的人有參考價值。
被 NeurIPS 2026 錄用的 Defense-as-Skill 論文提出把 Agent 執行時安全守衛做成一個可進化的 Skill：名為 SkillSonar 的守衛在敏感操作執行前按任務邊界給出 Allow、Replan、Require Confirm 三級裁決，經 9 輪 MCTS 迭代，惡意攻擊成功率從 0.300 降到 0.078。配套資料集 SCOPE-R 含 206 個惡意例項與 43 個良性任務，其中能力管控與隱私資料流兩族不參與訓練；
推薦理由：把 Agent 執行時防禦本身做成可編輯、可進化的 Skill，配合 SCOPE-R 資料集與 MCTS 進化流程；9 輪迭代與跨 benchmark、自適應攻擊的實測資料說明了軟防線的收益與邊界。
OpenWAM 是一個面向世界-動作模型的開放框架，讓影片預測與動作生成按不同順序組合，也能把獨立訓練的影片預測器、逆動力學模型（IDM）與前向動力學模型（FDM）在推理時拼接。它基於 Wan2.2-5B 適配機器人影片，在約 334 萬條軌跡、14640 小時影片上預訓練，用 32 張 NVIDIA B200 訓練 14 天，再以 5B 影片專家加 2B 動作專家組成 MoT 架構加入控制。
推薦理由：把世界-動作模型的生成順序與模組拼接做成可配置的公開框架，並披露 334 萬條軌跡的預訓練與反事實資料建置細節，對做機器人策略與影片預測的研究者最有用。
arXiv 新論文指出，用 Lean 機械驗證 AI 自動形式化的數學證明，並不能保證原始自然語言證明本身正確。作者 Bastounis、Circelli 與 Hansen 證明，要做到語義忠實的翻譯必須消解自然語言數學文字的歧義，而該問題在可解複雜度指數（SCI）層級中為無窮，比停機問題（SCI=1）更難。
推薦理由：論文證明語義忠實的 AI 自動形式化在 SCI 層級中不可解，並用例項指出 OpenAI 公布的 Navier-Stokes 證明其 Lean 形式化與自然語言原文不符，對依賴 Lean 驗證 AI 數學結果的人有參考價值。
上海創智學院與復旦大學團隊提出 MATE，稱其為首個面向移動/GUI 智慧體執行軌跡的規則感知安全審計模型，論文發表於 USENIX Security 2026。MATE 將自然語言安全規則與任務指令、執行軌跡聯合建模，輸出違規判定、14 類風險類別和基於軌跡證據的解釋，提供 0.5B、1.5B、3B 三種規模，規則可編輯、無需重新訓練即可本地部署。
推薦理由：把自然語言安全規則作為顯式輸入做軌跡級審計，判定同時給出風險類別與步驟級證據，且 0.5B 模型單條軌跡約 0.09 秒，對做 GUI Agent 安全與合規審計的團隊有直接參考價值。
哈工大（深圳）與新加坡國立大學團隊提出免訓練 2-bit KV Cache 量化框架 QuantWM，面向影片世界模型，實際壓縮最高 6.20 倍。研究指出，現有量化方法在 VBench 等指標上接近 BF16，畫面卻仍有閃爍、模糊和失真，原因是 Key 的量化誤差改變了注意力分數排序，使模型選中不同的歷史幀或影像塊。
推薦理由：揭示了影片世界模型 2-bit KV Cache 量化中評測分數掩蓋視覺退化的問題，給出免訓練修復方案與最高 6.20 倍壓縮的實測資料，對做長影片生成、受視訊記憶體限制的開發者有參考價值。
維吉尼亞理工、威斯康辛大學麥迪遜分校與達特茅斯學院團隊在 NeurIPS 2026 提出 SAGE，用結構訊號引導長程推理的後訓練。方法以符號閉包分析（SCA）解釋探索偏差與累積偏差，訓練時用代數稀疏化和雙曲結構引導重排候選推理步，在 12 個基準、7 個模型家族上總體優於 SFT、GRPO、EMPO 與 GRPO-PRM。在 1,190 個 Andrews–Curtis 長程例項上，Qwen3 的 Lean 驗證通過率接近基礎模型的 8 倍；
推薦理由：用符號閉包分析解釋長推理的兩類偏差，並在 1,190 個 AC 例項上給出可驗證數字：Qwen3 的 Lean 通過率接近基礎模型 8 倍，35B 上高於 GRPO 與 GRPO-PRM，對關注長推理後訓練與形式化驗證的人有參考價值。
香港理工大學與字節跳動團隊的 VisInteract 被 NeurIPS 2026 接收為 Spotlight（292/30709），它把文字到視覺化（Text-to-Vis）當作從不完美查詢中多輪追問、找回真實意圖的過程。團隊同時發布首個動態互動式 Text-to-Vis 基準 VisInteract-Bench：1098 條樣本、11 個資料庫、75 張表，約 61% 查詢帶歧義、69% 帶事實錯誤；
推薦理由：首次給出承認輸入不完美、多模態動態互動的 Text-to-Vis 基準與樹搜尋方法，最嚴格口徑比最強基線高 13 至 16 個百分點，適合做資料問答與視覺化 Agent 的開發者參考。