搜尋

AI 首次在 Stratego 上擊敗人類頂尖選手

卡內基梅隆、MIT、紐約大學與斯坦福的研究團隊開發出 AI「Ataraxos」，以 15 勝 1 負 4 平擊敗被公認為史上最強的 Stratego 選手 Pim Niemeijer。此前連 DeepMind 都未能造出穩定戰勝頂尖人類玩家的 Stratego 機器。該 AI 僅用 16 塊 GPU、數千美元訓練成本，相關成果針對的是資訊不完全、隱藏資訊隨時間長期展開的博弈。

混元與復旦發布 ExplorationBench，評測 AI 自主探索能力

復旦大學、騰訊混元與清華大學聯合發布 ExplorationBench，用兩套規則被改寫的「異星世界」AlienCode 和 AlienLogic，評測 AI 能否通過自主實驗發現規則。10 個前沿系統讀完範例後，在 AlienCode 上最高僅 15.7%，四輪探索後最好軌跡達 89.0%；若只讓模型多想、不給環境反饋，最高只有 11.0%。GPT-5.6 Sol 自主探索拿到 88.1%，而事先直接告知全部規則反而只有 69.5%，說明探索過程同時提升了規則的使用能力。

南開阿里等提出 PoS，識別 Belief Trapping 打破 Agent 空轉

南開大學聯合阿里雲、清華大學提出 PoS（Progression of States），把智慧體持續互動卻無實質進展的狀態定義為 Belief Trapping，並用顯式信念狀態、Belief Health 檢測與 Trapping-Aware Recovery 打破它。

@GoogleDeepMind

Google Labs 推出 AI 遊戲創作平台 Playground

Google Labs 推出 AI 遊戲創作平台 Playground，用文字提示就能生成可在瀏覽器執行的遊戲，無需程式設計能力。使用者可選擇問答、競速等型別，指定 2D 或 3D、單人或多人玩法，還能上傳圖片讓 AI 轉成符合美術風格的遊戲資產；成品支援手機與電腦遊玩、連結分享或發布到 Explore 畫廊，並可持續修改。

StarSkirmish v0.2：GPT-6 Astra 寫星際爭霸 bot 居首，Sol 成本僅十分之一

StarSkirmish Bench v0.2 結果公布：模型用一小時寫一個星際爭霸：母巢之戰的 C++ 神族 bot，GPT-6 Astra 得分最高，GPT-6.1 Sol 以約十分之一的單次成本排第二。Gemini 4 Argon 第三，與 Claude Opus 5.5、Claude Fable 5.1 基本並列（37–39 分）。

蘋果與 CMU 提出 SSR：Agent 推理改為做選擇題，每輪延遲降超 90%

蘋果與卡內基梅隆大學提出 SSR 框架，讓多模態搜尋 Agent 不再逐 token 生成自由形式推理，而是從 6 條預定義推理選項中做選擇題。在 7 個多模態搜尋 benchmark 上，每輪推理延遲降低超過 90%，每題總推理延遲降低 28–54%，p95 推理延遲僅 0.07 秒；4B 模型平均成功率 61.37%，與同規模 SOTA 持平，2B 達 51.26%。推理選擇由模型自身打分完成，不需要額外分類頭，也可跳過 SFT warm start 直接接 RL 訓練。

Google Play 將支援託管個人 AI 生成應用

Google 宣布 Play Store 將很快允許私人託管並分享自己用 AI 生成的應用。此前在 2025 年上線的 Ask Play 聊天機器人也從應用詳情頁擴充套件為通用搜尋入口，可提問並生成含詳細對比圖表的推薦，Gemini 隨後會推出類似能力；面向遊戲的 Game Finder 則基於 12 億 Android 玩家的使用資料建置 Gamer DNA 檔案，用來匹配玩法相近的人。

10 個月做出 Chessbook-1，全分段復現人類棋力

Chessbook 用 10 個月訓練的類人國際象棋 bot Chessbook-1 發布，作者稱它是唯一在每個分段都能按對應棋力落子的模型。在 2026 年 9 月 Lichess 對局取樣的 2.8 萬個 Blitz 局面上，Allie 2.0、Maia-3、Chessbook-1 的 top-1 落子預測率分別為 57.5%、57.3%、57.3%，屬統計平手；在覆蓋全時限的 3 萬個隨機局面、尤其子彈局與讀秒階段，它領先 Maia-3，因為它會讀時鐘並預測人類用時。

六款 AI 決策模型吃豆人對戰，基準與排行榜開源

有人讓 jev 1.13、kev、clef、clef flash、GPT-6 Luna 和 Laya 六款低延遲決策模型玩吃豆人對抗機器人鬼魂，每個模型各跑 100 局，並公布了排行榜。測試倉庫已開源，任何人都能接入自己的模型加入排名。這些模型通過其創業公司 opper 執行，一局成本約 2 美分，併為所有人提供免費試用額度。讀者也能自己扮演吃豆人、由模型當鬼魂，作者稱打破 jev 的高分出乎意料地難。

Drop7 最優策略搜尋重啟：自動策略均分約 30 萬至 40 萬分

作者時隔十六年重啟益智遊戲 Drop7 的最優落子策略研究，目前最好的自動化策略每局平均約 30 萬至 40 萬分，仍低於人類高手可達的百萬分。該遊戲每回合只有七個可選落點，但含隨機性與隱藏資訊，需要搜尋與長程規劃。專案開源了基準倉庫 drop7-bench，並開設全球排行榜徵集人類策略，同時被作者當作“用 agent 做研究協作與證據收集”的實驗。作者希望獲得博弈論、隨機規劃、學習價值函式與重尾評估方面的反饋。

DeepSeek 領投具身智慧公司 Winverse AI，估值約 4 億美元

DeepSeek 計劃領投具身智慧初創公司 Winverse AI 的數千萬美元種子輪融資，投後估值約 4 億美元（約 28 億元人民幣），美團旗下龍珠資本也作出投資承諾。Winverse AI 今年剛成立，創始人胡瀚是 Swin Transformer 論文共同作者、原騰訊混元傑出科學家，曾負責視覺語言與具身智慧基礎模型團隊。這是 DeepSeek 兩個月內第二次投向機器人領域，此前 8 月以約 1.41 億元入股宇樹科技，並簽署具身智慧與大模型聯合研發的戰略合作備忘錄。

RSIGame 讓 AI 自主試玩迭代遊戲，27B 模型組合超 GPT-5.5 一次生成

UC San Diego、ByteDance 與 CMU 提出 RSIGame，讓 Agent 在可執行的遊戲環境裡自主試玩、診斷、修改並驗證，形成長期自我改進閉環。以 GPT-5.5 生成的遊戲為起點，多輪自主開發後品質評分從 50.26 提升到 64.53；在 GameCraft-Bench 的 140 個任務、Godot 與 Phaser 兩種引擎上，比迭代開發基線 Play2Code 高 7.2～13.8 分。

CodeActionBench 發布：GPT-6 Astra 機器人操作成功率 73.3%

南洋理工大學研究者與合作者發布 CodeActionBench，用 25 個雙臂模擬任務評測通用多模態 Agent 的機器人操作能力。GPT-6 Astra 在 Codex CLI 下嘗試成功率 73.3% 居首，75 次嘗試完成 55 次、22 個任務至少成功一次；Claude Opus 5 在 Reference harness 與 Claude Code 下分別為 49.3% 和 45.3%，Gemini 3.6 Flash 為 20.0%。

AlphaGo 核心作者稱 LLM 不會推理，離開 DeepMind 創業

AlphaGo 核心作者 Thore Graepel 在 MIT Technology Review 發文稱 LLM 不會推理，並已離開 Google DeepMind 創業做可審計的機器推理。他指出 AlphaGo 第 37 手是策略網路加搜尋機制的結果，而 LLM 的思維鏈仍只是預測下一個 token，缺少可檢查的認知狀態、知識與推理的分離，且常事後編造解釋。Yann LeCun 表示讚賞，認為真正推理必須涉及搜尋。

@OpenAIDevs: The orchestrator turns a conversation into multiple intents by exploring the users’ possible needs.

OpenAI 開發者帳號披露了其廣告系統的三段執行流程：orchestrator 會探索使用者的可能需求，把一次對話拆成多個意圖。接著，系統用基於嵌入（embedding）的搜尋找出候選廣告，再通過資格與相關性檢查縮小範圍。最終由競價工具完成廣告的最終選擇與定價。帖文未提及該系統的適用範圍與上線時間。

SynthID Detector 向所有人開放，可檢測多家 AI 生成內容

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。

OpenAI 收購 Orchestra Bio，加速藥物研發

OpenAI 宣布收購 Orchestra Bio，這是一個幫助生物製藥團隊協調藥物研發複雜流程的平台。收購後雙方將以 OpenAI 面向生命科學研究的 Rosalind 模型與工具為基礎，簡化這些運營環節，讓新療法更快到達患者；Orchestra Bio 創始人 Ashokaraj 及團隊一同加入。

7B 審計模型 AgentForesight 上線，多智慧體任務失敗前預警

羅格斯大學、得州大學奧斯汀分校與普渡大學團隊提出線上審計模型 AgentForesight，用 7B 模型在任務執行中逐步讀取軌跡字首，在關鍵錯誤擴散成失敗前報警。在 AFTraj-2K 測試集上，其關鍵錯誤步驟識別 Exact-F1 達 66.44，比最強通用基線 DeepSeek-V4-Pro 高 19.88 分，成功軌跡誤報率僅 2.37%。

Anthropic 調查：91% 員工預期 2030 年 AI 能做出諾獎級發現

Anthropic 與經濟學家聯合調查顯示，91% 的 Anthropic 員工認為 AI 到 2030 年能做出諾獎級發現，美國成年人中這一比例為 39%。員工預期 AI 屆時能完成自己 75% 的工作，美國工人平均為 28%；在使用 AI 的工作任務中，員工預期 2030 年有 65% 交由 AI 完成，美國成年人預期為 42%。

@GoogleDeepMind: As AI accelerates scientific discovery, we’re helping researchers keep pace by quickly authenticati…

Google DeepMind 發布了一套可快速驗證生物設計是否內建安全防護的工具，並以開放形式供研究使用。該工具面向科研人員，目的是在 AI 加速科學發現的同時不拖慢關鍵研究進度。官方未披露具體工具名稱、技術細節與適用限制。

位元組 Seed 成立安全對齊獨立部門，全球招募 10 名 AGI 研究員

字節跳動 Seed 將原 Responsible AI 團隊及部分 Chat 團隊整合，成立獨立的 Alignment & Preparedness 部門，由嚴林負責、向吳永輝彙報，並於 10 月 14 日啟動全球招聘，計劃招募 10 名頂尖 AGI 研究員。新部門聚焦智慧體自主行動時的對齊能力，以及 CBRN 等極限風險的前期防範，推動安全研究直接接入模型的訓練、評估與上線環節，並承諾提供與前沿模型研究同等規格的算力與資源。

MirroS 發布 AgentGarten：程式碼建世界加 30fps 神經渲染，智慧體數輪學會捉迷藏

MirroS 團隊發布 AgentGarten，把可執行程式碼環境與即時神經渲染器接成閉環：物理規則由程式碼裁定，畫面由模型以 480p、30fps 以上流式逐塊生成，智慧體因此能邊行動邊看結果。重做的捉迷藏實驗中，躲藏者第 4 輪學會搬擋板搭掩體、搜尋者第 10 輪學會借坡道翻牆，而 OpenAI 2019 年的自我博弈強化學習分別用了約 2500 萬局和 1 億局。智慧體靠每輪復盤寫下文字「實驗手冊」傳給下一輪，另在陪伴小狗、狹橋會車、合作牧羊、採石場裝載機四個任務中各跑四輪；程式碼已在 GitHub 開源。

@GoogleDeepMind: Four Gemini 4 Argon agents beat Minecraft from scratch in 27 hours.

Google DeepMind 宣布，四個 Gemini 4 Argon 智慧體從零開始，在 27 小時內通關 Minecraft，全程沒有任何人類幫助。它們在沙盒環境中僅使用程式碼和文字操作，一共編寫了 2783 個程式，通過聊天分配各自的任務、共享筆記，並一起除錯出現的錯誤。

OpenAI 用 AI agents 從生物資料中發現新線索

OpenAI 發布文章，介紹用 AI agents 在複雜生物資料中尋找新線索。文章聚焦生物資料的複雜性與規模化分析，屬於 OpenAI 官方分享的研究方向。公開頁面未給出所用模型、資料集、合作方或具體發現數量，暫無可核實的實測結果。

Einsia AI 發布 EmbodiedEvo，自進化 Coding Agent 登頂 RoboDojo

Einsia AI 旗下 Navers Lab 發布 EmbodiedEvo，讓 Coding Agent 在單個 Playground 場景中通過互動積累程式碼 Skills 與文字 Lessons，凍結經驗後交給新 Agent 在未見場景複用，全程不更新模型權重。在具身評測 RoboDojo 上，它以 45.08 平均分、38.95% 成功率超過所有 VLA/WAM 與 Agent 方法；

PhAI Labs 開源 DiscoveryRSI，科研 Agent 假設文獻對照率 6.3% 居首

PhAI Labs 聯合 16 家機構提出科研 Agent 遞迴自我改進框架 DiscoveryRSI，並訓練出 DiscoveryRSI-27B。在把 AI 假設與後續發表文獻對照的評測中，DiscoveryRSI 有 6.3% 的假設找到可用的研究依據，約為 GPT 組 2.5% 的 2.5 倍，Claude Opus 5 組以 2.3% 墊底。兩輪自改進後，241 個留出問題上的假設品質均分從 4.86 升至 5.39，可證偽性從 4.00 升至 6.20。

Third Moment 用 GPT-6 與 Codex 併發執行 1 萬個 agent

AI 實驗室 Third Moment Research 藉助 OpenAI 的 GPT-6 Astra、GPT-6.1 Sol 與 Codex，可同時執行 1 萬個 agent，單次自主研究持續 36–48 小時。Codex 曾定位量化回測瓶頸並部署快取與記憶體打包最佳化，把一年美股訂單級資料的回測從約 3 小時縮短到 3–5 分鐘，回測時間減少 97%。

OpenAI 單日發布 372 項數學成果，含 Unique Games 猜想證明

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。

OpenAI 收購 Orchestra Bio，併入 Rosalind 生命科學線

2026 年 10 月 20 日，OpenAI 宣布收購藥物研發協作平台 Orchestra Bio，其團隊與技術將併入面向生命科學研究的 Rosalind（含 GPT-Rosalind 與 Rosalind Workbench）。Orchestra 的平台讓人與 AI agent 共同推進藥物專案：例如某批生產失敗時，agent 定位受影響的試驗與時間線、彙集資訊並比較應對方案。