OpenAI 与数学家顾问组合作
我们正与一个独立的数学家顾问组合作，以帮助 OpenAI 负责任地分享 AI 和数学领域的进展。该小组将就如何评估和传播新的数学成果、维护学术和专业标准以及构建工具提供建议
全部 AI 动态
OpenAIAI 评分3636 DeepLearning.AI精选AI 评分6262 Meta Muse agent 采用 OS 级安全机制防御提示注入
Meta 的 Muse agent 通过操作系统层面的安全措施来防御提示注入攻击，而非仅依赖模型自身的训练数据。该智能体假设模型可能被欺骗，因此确保模型从不处理真实凭证，并将工具运行在隔离的 Linux 容器中。
推荐理由：原文介绍了 Meta Muse agent 在操作系统层面构建安全机制的方法，展示了不依赖模型自身训练来防御提示注入攻击的工程思路。
Microsoft ResearchAI 评分3838 Microsoft Research 开源 RetroChimera 提升小分子逆合成预测
Microsoft Research 在 Nature 发表并开源 RetroChimera，该模型通过集成 R-SMILES 2 和 NeuralLoc 两个互补子模型及学习重排序策略，显著提升了小分子逆合成预测质量。盲测显示博士级化学家更偏好其生成的反应步骤，且在十个高难度目标中成功规划出九个完整合成路线，优于现有基线模型。
LangChain Blog精选AI 评分6868 LangChain 实测 Jev：作为新型 Agent 评估器的性能与成本分析
LangChain 团队测试了 TypeSafe AI 发布的“System One”模型 Jev，验证其作为 Agent 评估器的潜力。实验显示，Jev 在二分类判断上与人类标注完全一致（100% 准确率），且方差比 GPT-5.6 Luna、Terra 和 Claude Sonnet 4.6 低数个数量级。
推荐理由：LangChain 实测 Jev 在 Agent 评估中的表现，对比主流 LLM 展示了其在准确率、方差和成本上的显著优势。
Import AIAI 评分4040 Import AI 473：美国超级智能战略、人脑植入小鼠及机器诠释学
RAND发布报告建议美国采取“行动自由”策略以在通往超级智能的不确定路径中保持地缘优势，主张通过保留选项而非单一主导来应对风险。该策略涵盖构建人机生态系统、AI安全架构及公民能力建设四大要素，并评估了共存、否认与加速三类七种原型方案。此外，研究团队成功在小鼠脑中培育出部分人类脑组织，探索其作为潜在实验模型的应用价值。
OpenRouter Announcements精选AI 评分6868 OpenRouter 解析 Jev 与 LLM-as-a-Judge 的评估差异及选型指南
OpenRouter 发布技术解析，对比 TypeSafe 的决策模型 Jev 与传统 LLM-as-a-Judge 在 Agent 输出评估中的表现。测试显示，在证据完备的封闭标准下，Jev 与 LLM 判断器准确率相当，但具备更好的概率校准性，且成本仅为后者的 1/5，延迟为 1/10；而在需要长文本推理的开放标准（如摘要一致性）中，LLM 判断器与专家评分的相关性更高。
推荐理由：原文通过实测对比了 Jev 与 LLM-as-a-Judge 在准确率、校准度及成本上的差异，并给出了不同评估场景下的选型建议。
OpenRouter Announcements精选AI 评分7070 OpenRouter 详解 TypeSafe Jev 决策模型：原理、API 调用与开发指南
OpenRouter 发布技术指南，详细解析 TypeSafe 推出的非生成式决策模型 Jev（当前版本 typesafe/jev-1.13）的工作原理与使用方法。
推荐理由：原文通过真实 API 调用演示了 Jev 模型的三种决策原语及概率解读方法，为开发者提供了替代传统 LLM 加正则解析工作流的具体实现路径。
OpenRouter AnnouncementsAI 评分3636 Descript 借助 OpenRouter 将模型评估周期从一周缩短至两小时
Descript 通过 OpenRouter 消除工程排队瓶颈，将新模型评估耗时从一周压缩至一两小时。团队利用 Claude Tag 在 Slack 中自动运行评测并创建 PR，实现每周多次高频测试。目前 Grok 4.5 已通过该路径在生产环境上线，且支持 Baseten 专用部署与多提供商故障回退。
vLLM 官方博客AI 评分4040 vLLM 在 GB300 NVL72 集群上实现 Qwen3.8-2.4T PD Serving 性能突破
vLLM 在 GB300 NVL72 集群上对 Qwen3.8-2.4T 模型进行 PD Serving 优化，在 8K/1K 负载下实现每 GPU 5000 总 token 吞吐量及低延迟场景下每用户 180 生成 token。
Zhuokai ZhaoAI 评分77 用户质疑Verizon服务真实性
我简直不敢相信我的眼睛……这是真的吗 @Verizon @VerizonSupport
OpenRouter Announcements精选AI 评分8080 OpenRouter 教程：何时使用 Jev 决策模型替代 LLM 进行文本生成
OpenRouter 发布教程，指导开发者在分类、路由和验证等已知答案的任务中使用 TypeSafe 的 Jev 决策模型，而在需要生成文本时使用 LLM。基准测试显示，在处理支持工单时，Jev 的成本约为每千张 $0.0248，中位延迟 194ms，远低于 GPT Luna 和 Claude Opus。
推荐理由：原文通过基准测试对比了决策模型与生成式大语言模型在分类任务中的成本与延迟差异，并提供了结合两者构建低成本工单处理流水线的具体代码实现。
AnthropicAI 评分5252 Anthropic 发布最新动态
Anthropic 官方账号发布了最新行业动态。该消息由当事方直接披露，确立了其在当前时间节点的战略或业务进展。
Ethan Mollick · One Useful ThingAI 评分6060 Ethan Mollick：AI 能力过剩与人类的四项核心优势
Ethan Mollick 认为当前 AI 发展仍处于指数级曲线上，但人类系统跟不上其速度，导致巨大的“能力过剩”。他通过让 GPT-6 Astra 将《Zork》转化为 3D 游戏、让 Fable 5.1 重建翁贝托·埃科图书馆以及自主制作书籍预告片等案例，证明现有模型已具备处理数周人类工作量及运用判断力和创造力的能力。
Google ResearchAI 评分2727 Google Research 发布 MilleMiglia：面向中间里程物流的 C++ 实例生成器
Google Research 推出 MilleMiglia，这是一个用 C++ 编写的开源实例生成器，旨在为中间里程物流问题创建逼真的基准数据。该工具通过模拟复杂的同步约束和隐私保护数据，解决了因缺乏高质量公开数据而阻碍学术研究的问题。源代码及文档已在 GitHub 上开放获取。
MIT News · AIAI 评分1212 MIT Reads 十周年转型聚焦小说与回忆录，2026秋季书目选定 Ted Chiang《Exhalation》
MIT Reads 在成立十周年之际转型，将重点转向小说和回忆录以强化社会连接。校长 Sally Kornbluth 选定 Ted Chiang 的短篇小说集《Exhalation》作为 2026 年秋季共读书目。该计划旨在通过集体阅读探讨人工智能时代下人类身份与技术影响等议题。
GitHub Blog · AI & MLAI 评分3838 GitHub Podcast 解析 AI 热点：RAG、MCP 与 Skills 并非互斥
GitHub Podcast 驳斥“RAG 已死”和“Skills 杀死 MCP”等观点，指出三者解决不同问题且可共存于同一工作流。MCP 提供工具连接标准，Skills 封装团队专业知识，RAG 负责检索外部上下文以辅助生成。文章强调开发者仍需审查 AI 代码并具备判断力，而非盲目依赖或完全拒绝 AI 工具。
SemiAnalysisAI 评分7070 SemiAnalysis 解析 Engram 架构的 DRAM/SSD 卸载机制与 DeepSeek-V4.1-Flash 实测表现
SemiAnalysis 发布报告深入分析 Engram 模型架构及其参数卸载策略，指出该设计允许将嵌入表从 HBM 移至主机 DRAM 或 SSD，从而释放显存用于 KV cache 并降低硬件需求。
OpenRouter Announcements精选AI 评分6565 OpenRouter 实测 20 款图像生成模型的成本、编辑能力与质量对比
OpenRouter 对平台路由的 20 款图像生成模型进行了统一实测，记录了各模型在相同提示词下的实际计费、返回格式及参数限制。测试显示 openai/gpt-image-2 以 $0.006-$0.0135 成为最低成本选项，而 sourceful/riverflow-v2.5-pro 在 Design Arena 榜单中评分最高。
推荐理由：通过统一测试20个模型的实际计费与能力差异，提供了跨厂商图像生成的选型依据和成本对比方法。
Together AI BlogAI 评分2727 全球金融科技巨头如何利用 Dedicated Model Inference 扩展 GLM-5.2 编码智能体流量
某全球金融科技企业通过 Together AI 的 Dedicated Model Inference 服务，成功扩展基于 GLM-5.2 模型的编码智能体流量。
vLLM 官方博客AI 评分3737 vLLM 集成 PyNvVideoCodec 实现多 GPU 视频字幕生成硬件解码加速
vLLM 通过集成 PyNvVideoCodec 启用 NVIDIA GPU 硬件视频解码，消除 CPU 瓶颈并支持 Qwen3-VL-8B-Instruct 等模型在多 GPU 节点高效运行。在 8xH100 配置下，该方案使视频字幕任务吞吐量较 CPU 解码提升超两倍，显著优化大规模自动驾驶数据标注效率。
AnthropicAI 评分3131 Anthropic与Adaptyv Bio合作蛋白质设计竞赛
为了展示这些优化带来的可能性，我们正与 Adaptyv Bio 合作举办一场蛋白质设计竞赛。我们将共同对超过 5,000 个设计方案进行实验验证。我们将提供高达 $1 million 的 Claude credits，并与 Adaptyv 共同资助
AnthropicAI 评分2626 Anthropic 谈生物专用开源模型成本
生物学家使用专门的开源模型来执行诸如分子系统结构建模、设计类药分子以及预测基因突变影响等任务。但这些模型的运行成本往往高昂，可能会限制其影响力。在我们的最新
Google Research精选AI 评分6060 Google Research 发布基于生成式 UI 的教育互动模拟器研究
Google Research 推出新研究实验，允许教师通过生成式用户界面（GenUI）创建定制化的交互式教育模拟。该方案结合游戏化设计与教学护栏，已发布包含物理、化学等 STEM 学科的 30 多个示例库，并启动面向 Google Workspace for Education 学校的试点计划。
推荐理由：原文展示了利用生成式 UI 动态构建教育模拟器的技术路径与教师实测反馈，为理解 AI 如何降低互动内容制作门槛提供了具体案例。
AnthropicAI 评分4242 Anthropic 公布三项 AI 研发指标
AI 系统正变得更强大，且日益被用于构建其下一代版本。我们希望向公众阐明这一进展。今天，我们分享三个有助于追踪 AI 发展的指标：1. AI 在多大程度上完成了 AI 研发工作。2. How
OpenAIAI 评分5252 OpenAI 发布 Astra for Law：GPT-6 结合法律分析指令与新搜索索引
OpenAI 发布 Astra for Law，将 GPT-6 Astra 与法律分析及写作指令、深度工作设置相结合。该功能引入了新的 Legal Search Index，可搜索美国判例法、法规、法院规则及行政决定，覆盖超过 2.3 亿个 URL。
OpenAIAI 评分3535 OpenAI 推出法律专用 Astra
面向法律行业的 Astra：专为您的业务打造的前沿智能。由 GPT-6 Astra 驱动的新产品，配备工具、设置和上下文，以支持律师和法律科技公司的专业知识与判断力。
AnthropicAI 评分5555 Anthropic 开放生命科学验证计划申请
Anthropic 正式开放生命科学验证计划（LSVP）的申请。通过该计划，生命科学专业人士可以使用 Anthropic 的模型，包括首次提供的 Mythos，并配备专为支持各类生物学相关工作设计的新安全护栏。
LangChain BlogAI 评分3838 Included Health 如何用 LangGraph 和 Deep Agents 构建联邦式医疗智能体
Included Health 基于 LangGraph 和 Deep Agents 构建了 Dot 超级图，实现多团队独立开发下的统一语音语调与上下文共享。该架构通过 Deep Agent 技能注册表动态加载临床能力，支持跨子工作流的无缝路由及第三方福利集成。
LangChain Blog精选AI 评分6262 LangChain 发布面向生命科学的开源智能体助手 Deep Life Sci
LangChain 推出开源智能体助手 Deep Life Sci，专为临床和实验室科学家设计，基于 Deep Agents harness 构建。该工具可访问 ClinicalTrials.gov、PubMed 等数据源，支持上传多种格式文件并通过子代理并行处理文档。
推荐理由：原文展示了针对生命科学领域的开源智能体助手，提供了从文献检索到临床文档审核的具体工作流示例及定制化路径。
Sierra BlogAI 评分3232 Sierra 获得 AIUC-1 认证
Sierra 通过 Schellman 独立审计及 AIUC 测试，正式获得专为 AI 智能体设计的 AIUC-1 认证。该标准重点评估智能体在对抗性场景下的行为安全性，验证其防操纵与数据保护能力。此认证补充了 Sierra 现有的 SOC 2 Type II、ISO 27001 和 ISO 42001 资质，确保企业级智能体在全生命周期内的安全可信。
Ai2 / Allen Institute for AIAI 评分5050 众包游戏揭示 Olmo 3 引导机制弱点
Northeastern 学生利用 Steering Arena 众包游戏测试 Olmo 3-32B，发现高分文本多为无意义 token 串而非自然语言。该评测基于 135 对对比文本识别亲社会内部模式，显示开放权重模型可暴露传统评估未预见的优化漏洞。
GitHub Blog · AI & ML精选AI 评分8484 GitHub Copilot 运行时迁移至 Rust 的实践复盘
GitHub 使用 Copilot CLI 和 App 中的 AI Agent，将 Copilot agent runtime 从 TypeScript 重写为超过 80 万行生产级 Rust 代码。
推荐理由：文章详细复盘了利用 AI Agent 将 Copilot 运行时从 TypeScript 迁移至 Rust 的全过程，提供了大规模代码重构的增量策略、多会话并发协作模式及性能优化数据。
Google Developers Blog精选AI 评分7070 Google 与 Speakeasy 合作开源 OpenAPI 代码生成套件
Google 宣布与 Speakeasy 合作，将其 OpenAPI 代码生成套件在 AGPLv3 许可下开源，以解决专有 SDK 生成工具停服带来的平台风险。
推荐理由：原文披露了因专有工具停服引发的迁移背景，并详细列出了新开源生成器支持的语言、CLI及MCP服务器能力。
OpenRouter AnnouncementsAI 评分5353 OpenRouter 发布构建可靠工具调用智能体循环的教程
OpenRouter 发布教程，指导开发者使用 TypeScript SDK 构建可靠的工具调用智能体循环。该指南详细说明了如何定义工具、执行调用并返回结果，同时通过迭代上限和重复检测防止无限循环。文中还介绍了模型有序回退、Auto Exacto 提供商重排序以及集成 MCP 工具的方法，并对比了自建循环与使用 Agent SDK 的场景。
Sam AltmanAI 评分55 Sam Altman：本周发布推迟至下周
我原本对本周的发布感到兴奋，但它将推迟到下周，不过我认为值得等待！
LangChain BlogAI 评分4040 LangChain 解析医疗与生命科学领域 Agent 规模化经验：Madrigal、Abridge 与 Vizient 案例
Madrigal Pharmaceuticals、Abridge 和 Vizient 展示了医疗 AI Agent 在证据综合、临床文档生成及数据查询中的落地实践。76% 的受访组织将可观测性、评估和成本控制视为赋予 Agent 更高自主权的前提，49% 正构建企业级中央 Agent 平台以整合碎片化应用。
MIT News · AIAI 评分6565 MIT 团队在 Nature 发表 xvr 技术：实现亚毫米级术中 X 光与 3D 扫描配准
MIT 研究人员开发了一种名为 xvr（X-ray volume registration）的新 AI 技术，能将术中实时 X 光图像与患者术前 3D 医学扫描进行快速且精确的匹配。
Demis HassabisAI 评分2626 DeepMind Institute 拓展 AI 跨学科研究
二十多年来，@ShaneLegg 和我一直在讨论 AGI 对经济、科学和社会的潜在影响。通过 DeepMind Institute，我们正在拓展关于 AI 时代关键问题的跨学科研究。我们希望它能激发必要的讨论，以正确迈出下一步：
Demis HassabisAI 评分1313 DeepMind Institute 成立初衷简介
关于 DeepMind Institute 的成立初衷，请看这段简短介绍：
Demis HassabisAI 评分1818 Demis Hassabis获颁阿尔伯特奖章
很荣幸从 @theRSAorg 获得阿尔伯特奖章！科学与技术带来了令人惊叹的机遇，但在即将到来的 AGI 时代，艺术与人文对于塑造我们作为社会希望看到的未来至关重要。与 @FryRsquared 进行了有趣的讨论，涵盖了许多新话题：