论文解读

Hacker News 上关于「用 AI 逆向工程硬件」的讨论，指向一个正在成形的方向：把芯片版图、固件与协议分析这类高度依赖专家经验的工作，交给模型辅助完成。

Datalab 开源 OCR 评测基准 OmniParseBench，覆盖 92 种语言、2,937 页文档，用 16,288 项是/否测试给出可切片分析的通过率。

Ars Technica 报道，研究者用 AI 设计工具造出能切断其他蛋白质的蛋白质，目标键在自然条件下可稳定数百年。这标志着 AI 蛋白质设计从“造结构”走向“造功能”。

HiRO-ACEv2 以 3 公里分辨率模拟极端天气，在保持高分辨率的同时大幅降低计算成本，为气候风险建模提供了新的技术路径。

哈佛一项新研究发现，超过半数的受访男性自称能认出虚构的AI行业领袖，暴露出AI话题中的过度自信与身份表演。

一项新研究提出，模型能够以可证明的方式隐藏任意能力，这意味着依赖行为观测的安全评测与对齐验证，可能无法真正确认模型掌握了什么。

微软研究发现，自主AI智能体会因不断增长的对话上下文陷入“想法盆地”，难以跳出局部最优解。其提出的Fork-and-Flush方法在相同算力预算下，通过清空聊天历史但保留工作区，将任务表现提升最高达66%。

Google DeepMind 的 AlphaProof Nexus 解出数十道开放数学问题，其中包括九道 Erdős 问题，两项悬置 56 年之久，相关成果发表于 Science 并经过同行评审。

arXiv 宣布自 2026 年 10 月起将投稿上限设为每人每月两篇。两年内月投稿量翻倍，cs.AI 分类增长超过六倍，平台称少数作者的低质量灌水正压垮志愿审稿力量。

一位曾经的AI末日论者公开表达立场转变，其警告值得关注——不是关于AI本身，而是关于围绕AI风险的讨论如何被扭曲。

Sakana AI 在 TMLR 论文中提出 Multi-Layered Review 多智能体评审系统，并发布含 1,164 个错误的 Contradiction Benchmark。该系统对论文核心论断错误的检出率达 73.43%，远超此前最佳系统的 14.81%。

OpenAI 发布数百篇 AI 生成的数学手稿，宣称解决开放问题，数学界在震惊与悲伤中反思：当机器开始批量生产“成果”，数学的美与工作方式还剩多少？