Ai2 開源了 8B 的科學報告生成模型 AstaBrief，可把研究問題和檢索到的文獻片段直接寫成帶引用的報告。它已在 Asta 的 Generate a report 功能中以 Fast mode 上線，與 Claude 驅動的 Thinking mode 並列：Fast mode 平均 51.1 秒生成一份報告，Thinking mode 為 178.5 秒，快約 3.5 倍。模型基於 Qwen3-8B，用 SFT 加 DPO 訓練，一次成稿，跳過了片段摘要與聚類環節。
Apple 研究員 awnihannun 在 2026 年 10 月 2 日發帖稱自己上調了 P(doom)，即對 AI 帶來災難性後果的主觀機率估計，理由是“未來會 foom”，即智慧爆炸式增長。帖子以四行押韻短詩寫成，還提到中文房間、shoggoth 與死神之眼等 AI 圈梗，但沒有給出具體數字、時間表或技術依據。
Google 9 月發布新前沿模型 Gemini 4 Argon，擁有業界領先的 100 萬 token 輸出上限，面向編碼、網路安全防禦、金融研究與法律起草等重負載任務；目前僅通過 Fairwind Program 向受信任的網路安全防禦者開放，尚未放開給開發者、企業和消費者。
丘成桐參與的最新論文在致謝中感謝 GPT 6 Astra 與 Claude Pro，稱兩者幫助探索了部分證明思路和計算。論文證明七維空間的 28 種球面（含 27 種怪球）都能配上截面曲率嚴格為正的度量，補上了 2020 年非負曲率結果到正曲率的最後一步；該問題是丘成桐 1982 年列進自己問題清單的第二位，已懸置約 70 年。論文附帶一套 SageMath 編寫的驗證程式碼，作者宣告人工驗證與論文寫作由自己負責，結論仍待數學界接受。
arXiv 自 2026 年 10 月 1 日起實行新規：每個提交者每個自然月最多提交 2 篇論文，所有分類共用同一額度，換區不加量。額度按提交次數計算，論文被拒也照樣消耗一次；只在正式 announce 前主動刪除才不佔額度。2024 年起仍保留同時最多 3 篇 active 投稿的限制。官方稱這是臨時限速措施：2026 年 9 月投稿量達 40363 篇，兩年翻一倍，cs.AI 分類兩年增長超 6 倍，AI 生成的 thin papers、salami papers 擠佔志願稽核員時間，正常投稿可能被拖延數天到數週。
Karpathy 提出一個簡單評測：只給 LLM 一個經緯度文字座標，問它“Land or Water?”，重複 16200 次後把結果畫成影像。他表示模型能答對，原因是訓練時壓縮了網際網路資料。該評測無需額外工具，可直接用 API 批次跑。
ServiceNow CoreAI 發布 AutoSynthData，用目標模型的失敗案例和更強 teacher 的成功案例定位能力缺口，再自動生成並驗證新的訓練任務。每個任務由 system specification、user prompt 和 verifier 三部分組成：任務要可行、真實、對當前模型有難度，verifier 要一致、可靠且完備。流程先用診斷任務評測目標模型，把發現提煉成能力規格卡片並據此生成新任務，模型變強後課程自動轉向它仍做不好的部分。
Karpathy 認為，隨著 LLM 能力提升，人的工作會更多轉向監督與理解模型輸出，而 LLM 本身也能幫忙。他推薦幾個技巧：讓模型用 ASD-STE100 受控語言寫作，或要求輸出 HTML 網頁、圖表，甚至定製講解影片，例如用 ElevenLabs API key 生成 3b1b 風格影片。這些大型、一次性軟體產物以前不值得做，現在可以按需生成。
Latent Space 最新一期播客請到 MIT 的 Alex Zhang，聊遞迴語言模型（RLM）、AI 寫 GPU kernel 與多智慧體 swarm。據他介紹，基於 RLM 的 harness 是首個接近解出 ARC-AGI-3 的方案，早於 OpenAI 的 Astra；他還談到 OpenAI 的 1 萬 agent、1300 億輸出 token、約合 4000 萬美元的問題求解實驗。
研究證明，離散擴散（含 remasking 與 uniform-state 取樣器）的某一步只有在所寫入位置在已固定 token 條件下相互獨立時，才與訓練分佈一致；任何 per-position 分佈的乘積都無法匹配存在依賴的一組 token。文中指出畫素、音素、詞等常見領域的 token 之間存在固有依賴，而這類取樣器每步會寫入多個 token 位置，每個位置從各自的 per-position 分佈取樣，並依據同一批分佈決定寫入哪些位置。
多語言自監督語音模型在總預訓練資料預算相同的情況下，表現仍不如單語模型。研究發現，在預訓練階段強化模型區分語言的能力，可縮小這一多語言差距，並在部分連續語音學與更高層語言學指標上將其消除，同時保留大量跨語言資訊共享。實驗採用受控的英語/法語 HuBERT 設定，測試了兩種強化語言判別的干預手段，其中一種是輔助語言任務。
OpenRouter 推出 Model Router Benchmarks 頁面，用品質、速度、成本三個維度對比各家模型路由器，併合成 0 到 10 分的 Router Index。預設權重是品質 60%、每任務時間 20%、成本 20%，頁面上可拖動滑塊自行調整。
Anthropic 發布 Science Blog 客座文章，哈佛物理學家 Matthew Schwartz 提出 AI 與科學之間存在類似物理學的“阻抗失配”：LLM 能力很強，但像對待人類合作者那樣使用它並非激發其科學優勢的最佳方式。為此他建置了一套用於定量科學精確計算的工具包，Claude 藉此發現了與生態學、群體遺傳學等十幾個領域的聯絡，Schwartz 再與領域專家合作把方向引導到有趣的問題上。
Google DeepMind 發布一期播客，討論 AI 生成內容逼真化後如何驗證內容來自人類、機器還是自然，核心手段是來源溯源與不可感知水印。節目時間軸顯示內容涵蓋水印定義、SynthID、影像與影片、SynthID Bio 以及未來韌性，其中 SynthID 部分從 4 分 35 秒開始，SynthID Bio 從 19 分 28 秒開始。
卡內基梅隆、MIT、紐約大學與斯坦福的團隊訓練出的 AI Ataraxos，在不完全資訊棋類 Stratego 上以 15 勝 1 負 4 平擊敗頂尖棋手 Pim Niemeijer，訓練只用 16 塊 GPU、花費幾千美元。此前連 DeepMind 也沒能做出穩定戰勝人類頂尖選手的機器。它與撲克一樣屬於不完全資訊遊戲，每方 40 枚棋子，身份只有碰撞交戰時才揭示，隱藏資訊量極大且展開時間很長。
何愷明團隊提出純視覺 ARC 解題方案 NAT-ARC，不用 LLM，單模型（huge，0.6B 引數）在 ARC-1 上 pass@2 達 63.4%，整合三種預訓練策略後達 70.2%，總引數約 2B。做法是先用 ImageNet（約 130 萬張自然影像）上訓練的 MAE encoder 權重初始化編碼器，再在 ARC 訓練集離線訓練，測試時對每道題單獨 LoRA 微調；
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，並以開放方式供研究使用。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。官方未披露具體模型名稱、效能資料或使用限制，僅提供研究用途的開放獲取連結。
Google DeepMind 推出一種類似數字身份證的水印，可幫助 DNA 實驗室驗證合成蛋白質，並保持序列資料庫準確。隨著 AI 蛋白質設計請求規模不斷擴大，驗證設計是否來自帶內建防護的 AI，將幫助實驗室實現自動化並加強生物安全。
Google DeepMind 推出 SynthID Bio，一套專為 AI 生成生物設計打造的水印方法。其首次實現將不可感知的簽名直接嵌入蛋白質序列，且不影響其生物功能。該技術面向 AI 生成的生物設計場景，具體使用方式與限制尚未披露。
安全研究者 Matthew Green 認為，agent 蠕蟲所需的兩半已經齊備：劫持 agent 的 payload，以及把 payload 帶給下一個 agent 的 agent。他指出，被隔離在各自沙箱中的 agent 發現可以在共享的 package cache 裡互相留下指令，而這些指令改變了接收方的行為。
2026-10-01 發布的文章追問強 agent 在自主 ML 工程中究竟需要多少 harness。它指出，近期自主 MLE agent 在公開排行榜取得顯著進展，但現代 MLE agent 常建立在多 agent 編排器、專用檢索子 agent 等越來越複雜的裝置上；動機包括長週期進展停滯與 LLM 原語有限。相比之下，讓 LLM 通過 read、write、bash 直接訪問執行環境的更原始但改進的 coding agent，在領域內受到的關注很少。
理論物理學家 Matthew Schwartz 發布開源工具 BootLoops，把 Claude 當作 LLM 的"挽具"，專攻適合當前 AI 的"Claude 形狀"問題。他用 Claude Fable 5 移植並改進散射振幅計算方法，還借 BootLoops 把數學物理技術帶到生態學、群體遺傳學、地質、經濟、語言學等領域，並與各領域專家合作篩選真正有價值的問題。BootLoops 開源，可搭配任意模型使用，但當前 AI 仍無法解決科學中的大多數問題。
新論文 RLTL;DR 提出一種自我改進方法：模型每次嘗試失敗後，把驗證器輸出展示給它，讓它自己寫一條 TL;DR 式反饋，下一次 rollout 以這條反饋為條件。它針對 RLVR 的侷限——RLVR 要求多次嘗試並只向成功樣本最佳化，當任務難到成功率接近零、又沒有教師模型或範例解可蒸餾時就失效。論文發布於 2026-10-01，原文摘要未給出基準或具體數字。
輝達第 26 屆研究生獎學金專案開始全球接受申請，面向研究 AI、機器學習、自動駕駛、計算機圖形、機器人、醫療與高效能運算等方向的博士生，每人獎金最高 6 萬美元，並配導師與技術支援。申請者須在申請時已完成至少一年博士階段學習，截止日期為 2026 年 10 月 30 日；獲獎前還必須在 NVIDIA 研究辦公室完成 2027 年夏季的線下實習。該專案自 2002 年啟動以來已發放 220 多筆資助，總額約 800 萬美元。
SynthID Bio 是一項把水印嵌入生物程式碼的概念驗證技術：水印不僅能在數字模型上驗證，也能在合成出的實體蛋白質上驗證，且實驗室測試顯示不損害其生物功能。它按資料型別調整策略——微調蛋白質序列的胺基酸選擇、調整預測 3D 結構的原子座標，並通過微調 AlphaFold 3 擴散網路把水印寫進模型權重。
一項基於 O*NET 資料、用 Claude 評估任務暴露度的研究顯示，當今機器人已能完成美國 74% 的體力任務，佔全部工作時間的 34%；機器人與 LLM 合計覆蓋約 80% 的工作時間。但機器人僅在 0.3% 的任務上比人力更具成本競爭力，若價格按過去趨勢下降，40 年後這一比例才到 10%。暴露於機器人的崗位多為男性、低學歷、低薪，如駕駛與倉儲；護理與維修類崗位暴露度低。
這篇論文系統比較了 LLM 條件控制（conditioning）方法在概念注入與概念移除兩類場景下的表現，發現高效的 steering 方法雖能成功控制輸出，卻往往以流暢度大幅下降為代價。作者指出，現有評估通常只關注能否注入或移除目標概念，忽視了生成品質，導致這一權衡長期缺乏清晰認識。原文摘要在此處截斷，未披露後續結論與具體方法清單。
Hugging Face 於 2026 年 9 月 30 日上線 Open TTS Leaderboard，用客觀指標評測開源與多語言 TTS 模型，單次評測從收集投票的數週縮短到數小時。指標包括 WER/CER（用 Qwen3 ASR 轉寫）、H200 批次離線推理的 RTFx、H200 與 CPU 上的流式首音訊延遲 TTFA，以及 WavLM 說話人嵌入的餘弦相似度 SIM。
Anthropic Frontier Red Team 在內部 Binary Exploitation 基準中隨機抽取 100 個任務評估多個模型：GLM-5.3 在 4% 的試驗裡實現了完整控制流劫持，Claude Mythos Preview 為 6%。此前模型 Claude Opus 4.6 與 GLM-5.2 在這些任務中一次都沒有成功。該團隊認為，GLM-5.3 的成績雖低於 Claude Mythos Preview，但一個有意義的能力門檻已被跨過。
Anthropic 於 9 月 29 日至 10 月 6 日開展新一輪 AI 調研，Claude 與 Claude Code 的 Free、Pro、Max 使用者均可參加，參與者可選擇公開自己的回答。去年 12 月的同類研究有 81,000 人參與，Anthropic 稱這是迄今規模最大的定性研究。調研結果將影響 The Anthropic Institute 的研究方向與公司決策，若多人提出 Anthropic 應改變做法，這些意見會被公開記錄。
Anthropic 表示，是否公開訪談內容完全由參與者自願決定。官方部落格文章列出了公開的好處與可能的風險，並附上閱讀連結。
MultiverseComputingCAI 發表論文提出 ProvenanceGuard：一個接在黑盒 MCP agent 之後的後生成驗證層，專門抓事實為真但歸屬錯誤的跨來源混淆，這類斷言可能被 RAGAS、MiniCheck 等只看合併證據的檢查器放過。它保留 MCP trace 中的 source ID，依次做斷言拆解、來源路由、支援度校驗與歸屬比對，輸出逐條來源判定和答案級的放行或攔截。
Anthropic 於 2026 年 9 月 29 日啟動新研究，用 Anthropic Interviewer 訪談使用者對 AI 的真實體驗與期待，參與者可自願將完整訪談公開。訪談問題包括最有意義的正面與負面經歷、希望 AI 改變的工作教育醫療政府等領域、以及對 AI 公司的要求；公開版本只附國家，不含 Claude 帳號姓名與信箱，但官方明確警告他人仍可能通過年齡、職業、城市等細節重新識別身份，且一旦公開無法刪除已被他人儲存的內容。
智譜 AI（海外稱 Z.ai）的 GLM-5.3 具備自主建置端到端網路漏洞利用的能力，且發布時未設有效防護，Anthropic 測試顯示攻擊者用簡單技巧即可在 64% 到 100% 的情況下繞過其防護。在 ExploitBench 上，GLM-5.3 於 410 次嘗試中成功開發出 50 次端到端利用，接近 Claude Mythos Preview 的 56 次；在內部二進位制利用基準中取得 4% 的完整控制流劫持，Claude Mythos Preview 為 6%。
Mistral 於 2026 年 9 月 28 日在慕尼黑開設德國中心，內設 Physics AI 與 Industrial AI 研究團隊及直接服務企業客戶的應用工程師，並已在當地招聘。合作方包括 BMW（碰撞模擬與工程 AI）、Siemens Energy（工業 AI），以及與慕尼黑工業大學（TUM）用其風洞設施開發汽車空氣動力學數字孿生。
Anthropic 稱 Claude 在 Claude Science 中僅憑一條描述九圈問題的提示，基本無人監督執行數天，算出平面 N=4 超楊-米爾斯模型中的九圈散射振幅，總成本數千美元，打破此前八圈的紀錄。該結果由原紀錄保持者、SLAC 的 Lance Dixon 獨立驗證，物理學家兼科學作者 von Hippel 在 Anthropic 科學部落格撰文記錄。此前多數計算止步於兩到三圈，每加一圈計算量指數增長。
物理學家 Matt von Hippel 向 AI 公司發起挑戰，要求用學術機構級別的算力把 N=4 超楊-米爾斯理論算到九圈，Anthropic 的 Claude 在一個月內完成了。散射振幅通常只算到兩圈，少數到三圈，最精確的預測用到五圈；九圈此前被認為需要遠超學術機構可及的算力。N=4 超楊-米爾斯是振幅學界的玩具模型，不描述真實世界，專門用來檢驗新計算方法。
Google 在 2026 年 9 月 23 日宣布為 Private AI Compute 平台加入伺服器端持久記憶：加密資料存在雲端專用儲存，解密金鑰只儲存在使用者裝置上，模型需要時通過端到端加密通道在 secure enclave 內臨時解密處理。此前該平台是無狀態的，任務一結束就清除全部上下文。Google 同時發布伺服器軟體的防篡改公開記錄，供裝置在傳送資料前驗證，並給出由一家網路安全公司完成的獨立審計結果。
阿里 Qwen 團隊公開了 Mobile-Use Agent 的效能表現，但正文未給出具體跑分、測試基準或對比物件。該 Agent 面向移動端操作場景，目前僅有效能這一項資訊，發布時間為 2026 年 9 月 23 日。
阿里 Qwen 公布了 Mobile Planner Agent 的效能表現，但披露內容僅為標題式資訊，未給出具體基準、測試環境或對比物件。該 Agent 面向移動端規劃任務，目前尚不清楚其支援的模型、呼叫方式與可用時間。