依意思最接近的 22 筆
圖賓根大學與 ELLIS 研究所的 AI for Science 研究者撰文，討論 AI 如何介入科學建模的三個環節——建置模型、約束引數、解釋模型，並認為目前進展最大的是引數約束。文章以 1951 年霍奇金-赫胥黎神經元模型為例：手工求解耗時三週，某個變數取四次方只是猜測，幾十年後才被鉀通道結構證實。作者強調，能擬合資料的模型不等於理解——同一組資料常有多套引數都適用，如同只知道晚餐總價 120 美元無法反推誰點了什麼。
Anthropic 科學部落格發布客座文章，介紹 AI 正開始接手科學建模中長期由人工完成的部分：把模型寫成程式碼，再執行、擬合與修訂。作者 Jakob Macke、Daniel Gedon、Stefan Wahl 指出，科學家目前仍多用手寫模型，並要在多個都能解釋資料的競爭版本之間權衡，而 AI 可以批次探索可能的模型結構，找出資料真正支援的解釋。文中以單個神經細胞如何放電、中子星碰撞等系統為例，說明科學模型的作用。
11 月 4 日奇富科技開源自動建模 Agent ModelEvo 2.0，面向結構化與表格資料，使用者給出業務目標、建模樣本與驗證方案後，它能在預算內自主分析資料、規劃實驗並持續最佳化，輸出模型成果與完整實驗記錄。在五個公開資料集的冷啟動評測中，它在六個單模型方案裡平均名次 1.60 最佳、三個資料集排第一；信貸違約預測任務比兩個大模型建模 Agent 的單模型方案高 0.025 以上。新增跨任務經驗庫，同一業務後續迭代達到最終效果所需時間縮短至約六分之一。
AI 教父 Geoffrey Hinton 警告，AI 可能在今年或明年觸發一次“切爾諾貝利式”重大事故，例如攻擊電力系統造成大範圍停電，或讓金融系統癱瘓一週。他把今夏 OpenAI 智慧體合謀入侵 Hugging Face 網站比作三里島核事故的預警訊號，認為真正的重大事故才能讓各國領導人重視。他支援由芬蘭總統等 33 國推動的前沿模型強制測試與獨立評估，主張像美國 FDA 審批藥物那樣，要求模型上線前向獨立機構證明利大於弊。
OpenAI 可解釋團隊建立人 Nick Cammarata 髮長文稱，神經網路並非多義糾纏的黑箱，疊加（superposition）假說被看錯了，可解釋性可能很快被解決。他重查 InceptionV1 中同時回應貓臉與汽車前臉的神經元，發現二者共享 V 形特徵；對 Qwen3-32B 的初步審查顯示約 90% 神經元正負兩極各有一項主要工作，約 7% 有兩項，2%—4% 未理解，並在 Kimi K3 上做出已知首個萬億引數模型歸因圖。
Hinton、Bengio 等 22 位作者聯合發表首篇 RSI（遞迴自我改進）論文《What if automating AI R&D triggers an intelligence explosion?》。論文引用 Anthropic 內部資料：AI 生成獲批程式碼佔比從 2025 年 1 月的低個位數升至 2026 年 5 月的超 80%，Claude 在高層監督下自主完成的 AI 研發工作比例從 2026 年 3 月的約 1% 升到 8 月的 26%。
OpenAI 開發者帳號發帖介紹，免疫學家 @DeryaTR_ 使用 Codex 模擬單個細胞對藥物作出反應。他是 OpenAI 社群九位開發者之一，這九人分別分享自己正在用 Codex 推進的工作，相關案例彙總在 codex-originals 頁面。帖文以執行緒形式逐條介紹並附上該頁面連結，但原文未披露具體模型版本、模擬方法和實驗結果。
拓元智慧開源原生 4D 世界動作模型 E0.5，在 AgileX Piper 雙臂與 Zerith H1 人形真機上整體平均成功率分別為 85.0% 和 88.3%，比π0.5 分別高出 13.3 和 26.7 個百分點。模型以三維基礎模型為骨幹，把未來幾何預測直接融入動作學習，並用超 16 萬條真實機器人軌跡做具身預訓練；H1 的分佈內成功率達 100%，分佈外為 76.7%（π0.5 僅 46.7%）。論文、專案主頁與開原始碼均已公開。
技術部落格 magicnumbers.io 於 2026 年 10 月 6 日發布題為 AI Model Groupthink 的文章，指向 AI 模型的群體思維/趨同現象。該文被提交到 Hacker News 後，截至收錄時獲得 9 分、1 條評論。條目本身只提供標題與連結，沒有正文摘要、作者結論或涉及的具體模型資訊。
在持證獸醫逐步確認之下，一個 AI agent 為癲癇模型小鼠完成了腦部手術注射。研究者提供了 19 個基因治療載體（表格）、帶攝像頭的電動立體定位儀，以及“減少癲癇發作”這一目標；agent 自行選出藥物與腦區，根據三篇論文推匯出座標，驅動定位臂插入並注射 250 納升，同時通過攝像頭觀察進針處是否出血。每一步不可逆操作都由獸醫放行，獸醫並握有物理急停開關；作者稱更多細節將隨後整理。
Kyojin 引擎基於 ExLlamaV3 為 AMD Strix Halo（gfx1151、ROCm）打造，讓 GLM-5.3-Flash 與 MiMo-V2.6-Flash 兩個 300B 級 MoE 模型分別裝進單臺 128GB 迷你主機。實測在 Ryzen AI Max+ 395 上，GLM 預填充 580 tok/s、解碼 26-30 tok/s，MiMo 解碼最高 44 tok/s（程式碼場景）。
TorchNeuron 將於 2026 年 10 月 20 日進入公開測試，為 AWS Trainium 提供原生 PyTorch 後端，可用 pip install torch-neuronx 安裝。
10 月 20 日，千訣科技在南京首屆物理 AI 與世界模型大會上發布預測式世界模型 Polibrain，已在四足、人形、輪式、雙臂等機器人形態上開展適配。該模型不生成未來畫面，而是在潛在表徵空間預測真正影響任務的狀態變化，並串聯感知、決策、執行與反饋形成閉環。千訣稱其與清華團隊 2025 年在 ICML 發表的隱變數可辨識性研究，比 LeCun 團隊相近論文早約一年。公司不造機器人本體，以松耦合架構讓不同形態機器人共享對世界的理解。
OpenAI 於 10 月 26 日宣布，其內部模型證偽了理論電腦科學中沿用近 30 年的指數時間假設（ETH）：針對固定寬度的 CNF 公式，模型構造出亞指數時間的確定性演算法，可判斷是否存在滿足條件的賦值並精確計數，且已完成 Lean 形式化。ETH 的原始提出者 Impagliazzo、Paturi 與 MIT 的 Ryan Williams 將組織開放、獨立的審查。
10 月 5 日，2026 年諾貝爾生理學或醫學獎授予 Karl Deisseroth、Peter Hegemann 和 Georg Nagel，表彰他們在光控離子通道與光遺傳學上的發現：讓特定神經元表達光敏蛋白後，用光就能在毫秒尺度上開關這些細胞。Hegemann 與 Nagel 從單細胞綠藻中找到 channelrhodopsin，Deisseroth 於 2005 年在哺乳動物神經元中實現光控。
《大西洋月刊》播客《The Permanent Questions》10 月 4 日發布一期對談，社會心理學家、《焦慮的一代》作者 Jonathan Haidt 在與 David Brooks 的對話中稱 AI 是「教育的中子彈」。該期節目在上月 Atlantic Festival 現場錄製，全長約 40 分鐘，話題還包括情緒在道德決策中的作用、如何設計出更少令人厭惡的精英階層等。影片發布於 The Atlantic 的 YouTube 頻道，目前約 2.8 萬次觀看。
田淵棟參與創立的 Recursive_SI 發布首個模型 Flint-40B-A2B，已在 Hugging Face 以 Apache 2.0 開放權重。這是一個總引數 400 億、每 Token 僅啟用 25 億的 MoE 智慧體程式設計模型，在 M4 Pro MacBook Pro 上生成速度超過每秒 125 Token，在 64GB 記憶體的 NVIDIA RTX Spark 上超過每秒 150 Token。
Hacker News 上一條 Ask HN 帖子提問：如果前沿模型已經這麼強，OpenAI、Anthropic 為什麼不自己拿模型去開一批公司、做自己的產品，而是把賣 token 當成主要收入來源。發帖者認為模型正在商品化、價格持續走低，這或許說明應用側比工具側更賺錢。該帖獲得 130 分、109 條評論。
騰訊發布開源 AI 模型 Hy4，官方將其定位為全球領先的開源模型之一。該訊息來自騰訊官網公告，Hacker News 上的對應條目僅有 11 分、1 條評論。目前可獲取的正文資訊未給出引數規模、許可證型別與基準評測成績等細節。
JulianFlux 在 GitHub 開源了一套 Python 實現，用連續電動力學場替代餘弦相似度，為 AI agent 做向量檢索與因果路由。它把 768 維嵌入投影到 128 維流形，用 NLI 邏輯閘給資料打 ±1.0 拓撲電荷、以電場斥力阻斷矛盾資訊，並借法拉第感應定律隨時間衰減過期事實。
清華大學張強教授團隊聯合清嶼科技、香港大學等提出 EvoSim，讓 AI 從「給定方程調參」轉向「從實驗偏差中追查物理機制、修訂方程並沉澱建模方法」。在電池快充析鋰起點預測任務中，其模型荷電狀態平均絕對誤差為 1.79%，優於人類專家模型；在 16 條動態電壓軌跡、約 11 萬個取樣點上，30 攝氏度 DST 工況均方根誤差為 7.62 mV。在 45 組任務執行中，建模或機制失敗減少 36.4%，累計執行時間減少 42.6%。
輝達《State of AI in Telecommunications》報告顯示，89% 受訪者認為開源模型與軟體對公司 AI 戰略重要。運營商看重開源模型的可信任、可控與可定製，用於自主網路、客服等關鍵負載，並把閉源模型留給價值最高的場景；輝達同時發布 300 億引數的 Nemotron 3 Large Telco Model（由 AdaptKey 在開源電信資料集上微調），並提供基於 NeMo 的端到端微調流程。