OpenAI推出Rosalind学术计划，美国研究实验室可获30个免费席位
OpenAI推出Rosalind学术计划，向美国没有企业合同的高校研究实验室提供最多30个免费席位，为期一年。该计划目前仅限美国高校研究实验室申请。
INTELLIGENCE & DISCOVERY
最新动态AI 前沿
更多更新
机构原始发布Anthropic 授权 METR 审计其 AI 模型与安全实践
Anthropic 宣布已允许非营利组织 METR 团队对其 AI 模型和安全实践进行内部审查。此次合作旨在提高 AI 安全透明度，METR 将获得直接访问权限以评估 Anthropic 的模型安全性。
PS、PR被AI重做了，摄影后期软件要变天了？
相信不少摄影、视频爱好者对Adobe后期软件已经非常熟悉了。然而，最近一位程序员竟然借助AI，把这些大家耳熟能详的专业软件重新做了一遍，而且还免费开源！虽说当下盗版Adobe已泛滥，订阅费不成问题，但这回可算有个名正言顺的免费后期软件了，Adobe老用户们可有新玩具折腾了。 图源：getartcraft 软件开发者Brandon Thomas推出了一系列名为ArtCraft的开源创作工具，直接把目标瞄准了Adobe Creative Cloud。其中，Photoshop对应…
港股医药IPO“包盘”调查：新规下的千倍认购幻象
有关茶百道IPO涉嫌操纵的传闻持续发酵，一个并不常用的词 “包盘” ，迅速在投资者群体中传播开来。 所谓“包盘”，是指资金方通过私下协议，在国际配售环节包揽绝大多数新股筹码，制造超额认购、需求火热的虚假表象。 操盘团伙往往搭建多层离岸主体作为承配人，甚至通过未披露安排让IPO募资资金回流，形成闭环。这种人为操纵IPO申购的“虚假繁荣”，严重扭曲新股真实供需，令不少普通投资者“血本无归”。 透过现象看本质，“包盘”这类灰色操作之所以能够滋生蔓延，核心原因仍在于资本市场热度下降…
库克闪现米哈游：听大伟哥介绍新作，看李振宇用iPhone Duo玩绝区零
今日（10月16日），苹果董事会执行主席Tim Cook（下称库克）现身上海米哈游，与《绝区零》团队进行了交流，葡萄君也来到了现场。 米哈游联合创始人刘伟（下称大伟哥）全程亲自接待了库克。除了《绝区零》，库克还在现场了解了《星布谷地》与《崩坏：因缘精灵》两款新作。 在一楼，大伟哥向库克介绍了米哈游的企业理念，以及公司获得的两座App Store年度iPhone游戏奖杯，分别来自2020年的《原神》和2023年的《崩坏：星穹铁道》。 聊到两次获奖，库克顺势问，接下来是否要再争…
苦熬三年的刘庆峰，“孤勇者”等待翻盘
商业史上，有些时刻注定会被反复拿出来审视。 2000年，成立刚满一年的科大讯飞在合肥巢湖半汤召开了著名的“半汤会议”。 当时，公司第一款语音产品“畅言2000”遭遇市场冷遇，内部陷入两难，是创始人刘庆峰拍了桌子，说出了那句后来被写进公司史册的话：“如果不看好语音，请走人！” 二十六年过去，相似的情景再次在这家公司发生。即将到来的科大讯飞1024开发者节上，公司要交出一份迟来的答卷：基于新一代国产算力芯片昇腾950的全新主力通用大模型。 过去三年，星火是主流大模型中唯一全程在…
[AINews] Agents disprove Polysemanticity; greatly improve Interpretability & Alignment
Nick Cammarata out of nowhere with some major claims!
RAP: A Dataset for Paper-to-Poster Generation via Declarative Markup from Human-Crafted Exemplars
Making a conference poster is visual coding in miniature: an entire paper must be compressed onto a single page, which exercises summarization, visual design, and code implementation at once, using nothing beyond the paper itself. Yet benc…
DLite：面向 Agentic AI 的无历史投机解码框架
论文指出，Agent 场景下上下文长且持续演化、多轮交互频繁，现有草稿模型接受长度最多下降 80%，维护历史 KV 缓存也带来大量系统开销。DLite 直接复用目标模型的上下文隐藏状态做局部投机预测，不再显式维护历史上下文，并用轻量顺序头恢复块内因果依赖，配合两阶段训练。在通用、长上下文与 Agent 负载上实现 2–6 的接受长度，比 SOTA 方法 DSpark 最高提升 70%。
MTEdit: Packed Trajectories Beat Rollouts for Multi-Turn Image Editing
Multi-turn image editing aims to modify an image according to a sequence of instructions, making it better aligned with human-AI collaborative creation than single-turn editing. However, constructing high-quality multi-turn training data r…
MOSS-Image 技术报告：5B 开源文生图模型，长文本渲染覆盖率达 96.3%
MOSS-Image 是一个开源生成系统，从零预训练 5B 单流扩散 Transformer（DiT），支持中英双语长文本渲染与精确布局控制；同时提出意图感知的 Agent 式提示增强模块，将用户请求转为内容与布局规格。作者还发布 LongLongTextBench 与 RealLayoutArena 两个评测基准：MOSS-Image 在 LLTB 上开源模型第一，平均文本覆盖率 96.3%；在 RLA 端到端系统对比中排第二，其骨干模型在使用统一增强提示的生成器对比中排第一。团队表示将公开模型、训练配方与评测框架。
Harnessing Textual Refusal Directions for Multimodal Safety
研究提出Modality-Agnostic Refusal Steering (MARS)方法，通过从LLM骨干网络提取文本拒绝方向实现多模态安全，无需收集多模态安全数据。MARS通过激活中心化、自适应调整引导强度和选择最佳干预层，在五种SOTA多模态大模型上提升了安全性，同时保持实用性。
HexaShell：让 VLM Agent 以编码方式控制机器人，在 RoboDojo 上取得 39.7% 成功率
研究提出 HexaShell，一个极薄的机器人控制框架：VLM 编码 Agent 通过命令行驱动双臂机器人，读取三个已标定 RGB 相机，并在每次失败后读日志、定位原因、编写或修复名为 tools 的小程序，用三角测距和平面求交估算物体与夹爪的相对位置。工具仅用单 seed 的十种布局构建并冻结，再在同 seed 的十种新布局上测试，使用 Codex 与 GPT-6-Astra 中等推理强度，在 RoboDojo 全部 42 项任务上达到 39.7% 成功率与 48.0 进度分，刷新最优。瓶颈在接触而非推理：推动 92.5%、记忆任务 65.0%，而紧密插入仅 8.3%。作者开源了已演化的 tools。
MambaAct: Efficient Mamba Action Experts for Flow-Matching Vision-Language-Action Models
Vision-language-action (VLA) models have shown strong promise for generalist robotic manipulation, but their inference cost remains a major bottleneck for real-time control. This limitation is especially pronounced in flow-matching VLAs su…
TLDR AI 前沿简报 2026-10-16：Muse Spark Open 开源模型、微软 MAI-Base-2 预训练栈与开放权重占比
本期头条包括：Muse Spark Open 为 816B 参数（激活 42B）、100 万 token 上下文的多模态开放权重模型，面向编码与长周期 Agent 任务，可在两台 Apple M5 Ultra Mac Studio 上用 MLX 本地运行；微软详解 2.8T 参数 MoE 模型 MAI-Base-2 的训练栈，称其在留出预训练评测中超过所有开放权重模型，并计划通过 Foundry 提供企业服务；Liquid AI 发布 d1-ultra 多模态决策模型，定价每百万输入 token 0.042 美元。另有多篇深度分析、Nvidia Nemotron 3.5 Super VL、Krea 3、FLUX 3 Image Klein 等工程与模型进展，以及开放权重模型已占网关超七成 token 和近四分之一花费的统计数据。
Nature机器智能：1万单元离子电子皮肤实现每秒100帧并行触觉感知
研究提出一种神经分层离子电子皮肤，密度达1110单元/平方厘米、规模超10000单元，模仿人类感觉系统的分层处理架构，通过信号编码、汇聚与认知建模逐层传输交互信息。基于频率的位置编码让离子电子传感器实现并行传输，抑制串扰并达到每秒100帧，后端汇聚压缩将带宽消耗降低数百倍。搭载该皮肤的人形机器人可完成分辨300微米表面特征的精细触觉交互，并对伤害性刺激做出自我保护反应。
PPMem：用平面基元为视频世界模型构建持久3D记忆
研究者提出 PPMem，将平面基元作为视频世界模型的持久3D记忆，每个基元仅需7个参数。它在视频扩散Transformer上增加平面预测头和Depth Token Fusion模块，使自回归生成的每一段同时输出RGB视频与平面几何，并合并为持久平面记忆，通过渲染深度约束后续生成。该记忆比逐像素点云紧凑约三个数量级（约10万个基元、整场景5MB），且具备度量深度、法线和可导出表面。在DL3DV和RealEstate10K上，PPMem的视频质量优于此前的3D接地世界模型，并能在大视角变化下维持数百帧的连贯性。
StopWatch：用显式目标定位提升物体目标导航成功率
论文指出，微调 VLM 作为导航策略的常见做法虽然探索能力不错，但主要失败原因是“目标定位”：无人机/机器人常没注意到目标已在视野内，也难估计距离。作者提出显式目标定位方法 StopWatch，在三个场景集合的六个基准上达到当前最优，并修正了这些基准的标注缺陷。在干净基准上，若给定真值定位，其策略几乎追平生成示范的专家，说明剩余差距在感知而非策略学习。
基于能力的逻辑推理评测：GPT与Qwen六款模型在排序任务上未通过能力一致性检验
论文提出能力基评测（CBE）范式，用参数化生成器在固定所需能力的前提下扩展复杂度，并用答案保持不变的表述变体检验模型是否可靠应用同一能力。在小学排序任务上对六款GPT和Qwen模型测试：有界复杂度范围内表现尚好，但强模型在测试问题族上均未通过能力条件；思维链和GRPO能扩展强表现但未解决全部失败，监督LoRA在留出集上迁移很少。