SpaceX 與 Anthropic 達成算力協議，含 22 萬塊 GPU 與超 300 兆瓦新容量，Claude Code 與 API 額度隨之提高，算力緊張正重塑廠商合作關係。得州凍結新建資料中心併網許可，ERCOT 排隊量已達 474GW，為歷史峰值需求五倍，其中九成來自資料中心。研究側，OpenAI 一次放出 722 篇數學手稿，兩篇聲稱推進三維與四維掛谷猜想，因未經同行評審、未做 Lean 形式化而遭學者反對。
OpenClaw 正式發布 v2026.10.1，Agent 現在可在執行任務時主動檢索已安裝的 Skills 並按需讀取完整 SKILL.md，相容的 MCP Apps 也能在聊天區域旁直接開啟互動。該版本彙集 402 位貢獻者的 2425 個 PR、3055 次提交，完整備份新增外接硬碟與 Cloudflare R2 支援，並可定時備份、自動清理舊備份；Mac 桌面應用內建執行環境，新使用者不必再單獨安裝 Node.js。
推薦理由：更新日誌給出 402 位貢獻者、2425 個 PR 的具體規模，Skills 主動檢索與 MCP Apps 內嵌互動屬框架層少見的能力升級，同時暴露了頻繁更新導致的升級故障，對自建 Agent 環境的使用者有參考價值。
SpaceX 與 Anthropic 的算力協議包含超 300 兆瓦新容量和 22 萬塊輝達 GPU，並提高 Claude Code 與 API 的使用額度；SpaceX 8 月首份財報顯示季度 AI 業務收入 25.61 億美元，同比增長 247%。算力緊張正在重塑矽谷關係，Google 2024 年花 27 億美元請回的 Gemini 聯合負責人 Noam Shazeer 因團隊算力被重新分配轉投 OpenAI。
推薦理由：一篇報導串起 SpaceX 倒賣 22 萬塊 GPU 給 Anthropic、Shazeer 因缺算力轉投 OpenAI、H100 租金一年漲近 40% 等具體數字，對關心 Claude Code/API 額度與算力成本的人有參考價值。
跨維智慧發布 UNITAS，稱其為首個機器人任務原生的 3D 世界模型，把觀測、動作與環境變化統一到同一三維物理空間，用點的位置與軌跡表示，引數僅 1.7B。它在 LIBERO 取得 99.8% 平均成功率、LIBERO-Plus 89.1%，RoboTwin 2.0 雙臂 Clean 與 Randomized 分別 92.94% 和 93.04%，超過 6B 的 Fast-WAM 與 8B 的 Motus，真實機器人任務平均成功率 85%。
推薦理由：首個把觀測、動作與場景變化統一到三維點軌跡的世界模型，1.7B 引數即超過 6B、8B 競品，並給出逐項消融與真機 85% 成功率，對具身智慧與機器人操作研究者有直接參考價值。
ChatGPT 共同創造者、OpenAI 前副總裁 Liam Fedus 在播客 The Frontier 中表示，要造出 AI 科學家就必須真的做科學，他聯合創辦的 Periodic Labs 因此在門洛帕克自建實體實驗室採集實驗資料。理由是數學有 Lean 編譯器充當裁判，材料等物質世界的問題卻只能靠真實實驗驗證，而網路上的實驗資料噪聲大、幾乎沒有負面結果。
推薦理由：ChatGPT 共同創造者 Fedus 解釋 AI 為何在數學上跑得快、在材料上受阻，並披露 Periodic Labs 用萬億引數模型加自建實驗室的具體路徑，對關注 AI for Science 的讀者有參考價值。
llama.cpp 建置版本 b11556 新增對 Prism Bonsai 2 27B 的執行時支援，改動以 PR #29600 合入，共同署名者包括專案作者 Georgi Gerganov。該 PR 還包含把 Hadamard 張量移入方法、定義摺疊權重、修復 load_* Hadamard 載入，以及轉換器介面整理和程式碼清理，其中多處提交標註由 Claude Code 協助完成。
推薦理由：llama.cpp 新增對 Prism Bonsai 2 27B 的執行時支援，並同步修復 Hadamard 權重載入與轉換流程，對在本地用 llama.cpp 跑新模型的人最直接。
OpenAI 在 10 月 7 日一次性放出的 722 篇數學手稿中，編號 074 的兩篇（共 272 頁）專攻掛谷猜想：一篇聲稱證明了比王虹與 Zahl 更強的三維掛谷極大函式猜想，另一篇 175 頁聲稱把四維掛谷集的 Hausdorff 維數從 3.059 直接推到 4。三維那篇用到的區域性擬合等工具還被四維論文引用，兩篇構成一條鏈路。但兩項結果均未經同行評審、未做 Lean 形式化，OpenAI 在 README 中承認未形式化結果可能有問題，陶哲軒牽頭的 AHM 已發宣告反對這種批次發布。
推薦理由：給出了具體頁數、四維維數從 3.059 到 4 的推進幅度，以及未評審、未形式化的邊界和陶哲軒牽頭 AHM 的抵制宣告，對關注 AI 數學能力與學術規範爭議的讀者最有用。
陶哲軒在加州理工學院發表《Math 2.0》演講，認為數學正從「證明稀缺」轉向「證明富足」：只要有算力和前沿模型，過去需要數年甚至數十年才能解決的開放問題可能很快就有答案。他同時警告，只最佳化 AI 解題已在損害數學長期健康，因為答案可能繞過人類理解直接產生。他主張 Math 2.0 應把 AI 嵌入人類理解與數學研究的各環節，並舉例等式理論專案判定超 2200 萬個命題、逆伽羅瓦問題挑戰從 24 次擴充套件到 31 次。
推薦理由：陶哲軒系統提出 Math 2.0 框架並給出「證明富足」判斷，附帶 2200 萬命題、24 到 31 次等具體案例，對關注 AI for Science 與數學形式化的讀者有直接參考價值。
董豪團隊聯合啟元機器人、北京大學、西安交通大學提出 HIL-UMI：人手持夾爪示範時，模型同步預測動作並標出與人類操作的分歧，從而在不執行機械臂的情況下采集後訓練所需資料。該方法以 π0.5 為基礎模型，在 Franka 機械臂上測試整理桌面、折毛巾、疊方塊、蓋章四項任務，三輪更新後平均任務進度分數從 62.3 升至 94.8，同等資料量下常規 SFT 僅從 44.3 升至 58.0。整理桌面任務中其採集效率為 HG-DAgger 的 5.63 倍，最終得分 96 比 91。
推薦理由：提出無需機械臂執行即可採集後訓練資料的 HIL-UMI，並給出四項真實任務的量化結果：同資料量下平均任務進度分數比常規 SFT 高 30 分以上，採集效率達 HG-DAgger 的 5.63 倍。
被 NeurIPS 2026 接收的 TerraVis 提出文生圖「世界一致性」評估框架，用物體、互動、場景三層共 18 類檢查衡量影像在結構、空間、物理與常識上是否合理，只輸入影像、不依賴提示詞。在 COCO-T2I 與 GenAI-Bench 上，它與人類評分的 Spearman 相關係數為 0.44 和 0.43，高於現有指標中最好的 RAHF（0.29 和 0.37）；
推薦理由：文生圖評估長期缺少衡量「畫面是否合理」的維度，這項工作用 18 類可核查檢查把該問題變成可量化分數，並附線上免部署體驗，對文生圖研究者與使用者比較模型、定位失敗型別有直接參考價值。
新加坡南洋理工大學、北航、新加坡國立大學、上海交大等團隊提出 RoboFoundry，把機器人智慧體的整套外圍系統當作策略來進化，基座模型引數保持凍結。在 EmbodiedBench 上，GPT-5.5 的平均成功率從 56.9% 提升到 72.7%，五個基座模型全部提升，基座間最大差距由 19.6 個百分點縮小到約 11.5。長程記憶基準 RoboMemArena 上任務成功率比所有基線至少高 39.0%，真機套娃任務成功率 70%，單獨使用 π0.5 為 30%。
推薦理由：首個把智慧體系統本身形式化為「自進化系統即策略」的具身框架，給出凍結基座模型下由執行軌跡診斷、驗證並沉澱通用技能的完整閉環，對做具身智慧體與機器人系統的人有直接參考價值。
Sakana AI 與 UC Berkeley 的研究者提出 MASS（多智慧體自監督），用多智慧體團隊的集體智慧作為自監督訊號，推進同質遞迴自我改進（RSI）。該方法讓同一模型同時充當執行者、工作流最佳化器和評估器：內迴圈在權重固定時搜尋最佳團隊工作流，外迴圈再依據被自評為最優的團隊執行結果更新模型權重，如此迴圈。實驗在非可驗證的研究任務上提升了每輸出 token 的得分，改進由 GPT-5.5 與 Claude Opus 4.8 獨立評分，其判斷不反饋給 MASS。
推薦理由：把最佳化物件同時充當最佳化器與評估器的同質遞迴自我改進做成可執行閉環，並用 GPT-5.5、Claude Opus 4.8 獨立評分驗證每輸出 token 得分提升，論文與程式碼同步公開，對研究 agent 工作流與自訓練的人有用。
清華大學等機構提出「樣本分佈訓練」，用一批生成樣本與參考樣本的整體分佈差異提供監督，取代逐樣本的參考答案，把生成壓縮到一步或少數幾步。MGFlow 在 ImageNet 256×256 上把 pMF-H、JiT-H 的單步 FDr⁶ 降至 1.45、1.64，較 FD-Loss 降低約 23% 和 38%；後訓練 FLUX.2 [klein] 4B 一步文生圖，GenEval 從四步的 0.794 升至 0.900。
推薦理由：給出統一的分佈級監督框架，並公開 8 卡 23.2 小時後訓練 14B 流式影片模型的預算與人類盲評結果，對研究少步生成與影片生成後訓練的人有直接參考價值。
斯坦福、CMU、MIT 等機構的研究者發布機器人評測基準 LIBERO-MAX，專門檢驗機器人在任務執行途中遭遇環境變化後能否繼續完成，論文入選 NeurIPS'26 Robotics World Modeling Workshop 口頭報告。它用共享初始狀態、指令與隨機種子的配對執行，建置 8,000 組案例和 8 類中途變化，涵蓋目標移動、容器移動、相機視角改變、感測器噪聲等；
推薦理由：首次把環境變化放在執行中途做配對評測，用 22.4 萬次模擬量化 14 種策略 11–25.7 個百分點的成功率下降，並驗證補償模組能否挽回失敗，對機器人策略與魯棒性評測方向的研究者最有用。
OpenRSI Index 正式發布，這是一個用真實開源研究專案出題、檢驗科研智慧體能否改進人類訓練方案的評測基準。任務取自 Marin、Qwen、GPIC 等專案，覆蓋預訓練、後訓練與影像生成，單次執行算力從 5,815 到 20,864 H100·小時。智慧體在工作區反覆實驗，提交後凍結快照交由獨立評測環境驗收，原作者方案在同一環境重跑作為對照，篡改獎勵、洩露評測資訊或超預算計零分。
推薦理由：把科研智慧體評測推到單次數千至上萬 H100·小時，並公開任務、獨立驗收機制與實驗軌跡，為做預訓練、後訓練及關注遞迴自我改進的研究者提供可複用基準。
《Cell》10 月 6 日刊出 SPARCS（空間分辨 CRISPR 篩選）技術，將機器學習影像分析與自動化雷射顯微切割回收細胞結合，在兩項全基因組 CRISPR 敲除篩選中分析約 7000 萬個細胞。自噬體形成篩選用 4000 萬 U2OS 細胞，找回多個已知巨自噬調控基因並發現新基因；STING 運輸篩選中 GPHR 被確定為重要候選調控因子，其維持的高爾基體酸性環境影響 STING 早期運輸與啟用。
推薦理由：把 AI 影像表型篩選與雷射顯微切割回收細胞打通，在約 7000 萬細胞規模上繪製自噬與 STING 運輸的遺傳圖譜，並給出 GPHR 維持高爾基體酸性、影響 STING 啟用的新機制。
PhAI Labs 於 10 月 12 日發布 RSI-Anything 技術報告，提出用世界模型連線預測、行動與真實反饋的跨領域遞迴自我改進（RSI）框架。在 CodeContests 程式碼修復中，不更換程式碼模型、線上測試預算不變，修復成功率從 26.3% 提升到 31.2%；OSWorld 圖形介面任務成功率相對提升約 18.4%。一個 4B 策略模型經連續五代迭代，實驗室規劃分數從 21.80% 升到 46.01%，略超參考系統的 45.32%；
推薦理由：把世界模型從預測工具變成自我改進元件，並在程式碼修復、GUI 操作、實驗室規劃與化學最佳化四類任務給出可量化提升，對關注 agent 自我進化與跨領域框架的人有參考價值。
得州已凍結所有新建資料中心的併網許可：ERCOT 的大型新增客戶排隊量從 2024 年底的 63GW 漲到今年 6 月的 474GW，超過歷史峰值需求五倍，其中約九成是資料中心。此前只是要求資料中心自付電網升級費用，如今升級為暫停受理新申請。PUCT 於 6 月批准 Batch Zero 方案，把 75MW 及以上大型負荷合併審查、統一分配電網容量，並新增電壓穿越規則，要求新資料中心在常規故障時保持併網；截至 6 月，377 家公司中僅 28 家回答了州政府的資源使用調查。
推薦理由：梳理得州從「自付升級費」到全面凍結併網的升級過程，給出 63GW 到 474GW 的排隊數字、Batch Zero 批次審查與電壓穿越新規，是理解 AI 資料中心電力瓶頸的參考。
Yandex Cloud 位於弗拉基米爾的第三座資料中心因無人機襲擊受損並完全停運，ru-central1-a 與 ru-central1-b 可用區斷電不可用，計算、物件儲存、託管資料庫、Kubernetes 等大量服務一度中斷，無人員傷亡。
推薦理由：一次直接導致資料中心整體停運的物理襲擊，官方逐小時披露數十項雲服務與 AI Studio 的恢復狀態，對在 Yandex Cloud 上跑推理和託管服務的團隊有直接參考價值。