天文學家發現候選暗星系 AGC 322753
澳大利亞斯威本科技大學團隊分析阿雷西博與 FAST 射電望遠鏡數據,發現候選暗星系 AGC 322753,其氫氣質量約為太陽質量的 20 億倍,尚未探測到恆星。該天體的雙峯譜線暗示可能有旋轉氣體盤,與 Lambda-CDM 模型對暗星系不旋轉的預測不同。其性質仍需進一步觀測確認,並排除潮汐碎片假説。
澳大利亞斯威本科技大學團隊分析阿雷西博與 FAST 射電望遠鏡數據,發現候選暗星系 AGC 322753,其氫氣質量約為太陽質量的 20 億倍,尚未探測到恆星。該天體的雙峯譜線暗示可能有旋轉氣體盤,與 Lambda-CDM 模型對暗星系不旋轉的預測不同。其性質仍需進一步觀測確認,並排除潮汐碎片假説。
姚期智團隊與楊植麟等發表 TCSExam,透過四類機器驗算任務評測 9 個前沿大模型在理論計算機科學研究全鏈條上的能力。定理證明裸考中,GPT-6 Astra 完整證明 20 道題中的 14 道,成功率為 70%;Kimi K3.1 Pro 的成功率為 38.3%。
Next-Concept Modeling(NCM)提出由粗到細的兩階段框架,以 Transformer 逐層生成離散編碼,並行預測每層所有編碼。
NYU Langone Health 於 2026年11月9日公佈研究,PREVIA 以急診創傷敍述估算一個月 PTSD 風險,在 145 名患者研究中最佳配置的敏感度為 95.4%。
Y Combinator 與 Olam Labs 將 50 個 GPT-6.1 Sol 智能體放進 Minecraft,要求它們在三小時內建立繁榮文明,實驗最終失敗。
律動造物聯合多家科研機構推出 AISLE,這是一套以真實濕實驗評測 AI 科學家乾濕閉環能力的公開基準。首輪涵蓋 2 個自動化實驗站點、4079 次真實實驗及 46626 分鐘運行;完成全部維度評測的模型中,GPT 5.5 以 41.19/100 排名第一,所有參測模型的安全完整通過率均為 0%。
戴盟機器人團隊聯合廈門大學、南京大學、大灣區大學及復旦大學提出 Touch-R1,將強化學習用於跨感測器觸覺推理,論文獲 NeurIPS 2026 接收。團隊同時建立 TouchReason-1M 資料集及包含 4,800 組問答的 TouchReason-Bench。
騰訊優圖實驗室、上海交通大學及廈門大學研究團隊提出並開源 DSpine,透過草稿網絡逐層傳遞相鄰位置的預測特徵,改善並行推測解碼。在 Qwen3-4B 和 Qwen3-8B 評測中,DSpine 的 SGLang 吞吐較 DSpark 平均提升 20.1%(4B)及 19.0%(8B),吞吐最高達自回歸解碼的 4.01 倍。
MIT 研究團隊開發 UQ-DAAAM,讓機械人評估物體描述的不確定性,並從已拍攝的畫面挑選更清晰的視角補充資料、更新記憶。每個不確定物體最多增加兩個觀察視角後,92.3% 的物體不確定性降至設定閾值以下;描述性問題的準確率由 DAAAM 的 71.1% 升至 76.1%。不確定性下降不代表辨識必然正確,系統仍可能留下錯誤記憶。
Anthropic 分析了 2026年8月2日至9月30日的20.7萬次科研 AI 會話,發現科學家最常用 Claude 進行數據分析(33.7%)和寫作(32%)。計算機科學、數學與統計學領域使用最頻繁;CS 研究人員佔全球11.9%,卻貢獻 Claude Code 會話的32.7%。研究以匿名匯總方式進行,不採集具體科研內容。
MIT 和 New York University 研究人員開發 FLEX,讓機械人根據對話中的修正推斷更廣泛的環境偏好,並據此調整動作路徑。FLEX 在七個導航情境中均取得最高平均標準化回報;需要 ADD、GENERALIZE 和 MASK 三項操作的情境中,平均分為 0.99,高於 ALGAE 的 0.69、MFE 的 0.83 及基準方法的 0.78。
MIT 工程師開發的 FLEX 學習平台,讓機械人從有限的自然語言指令推斷未明説的偏好,改善動作規劃。平台分為「Add」、「Generalize」和「Mask」三步,透過 GPT-4o 將個別避開事項概括為避開易碎物品,並移除環境中已不存在的物件。整個流程約需五秒,研究團隊在多個模擬場景中進行測試。
MIT、UBC 等機構的研究人員開發深度學習系統 WorldParticle,以單一架構模擬由沙粒滑動到蛋白質摺疊等多種物理現象。系統把物質表示為粒子並學習其動態,可適應訓練時未遇過的材料、外力和環境。研究團隊以六種物理現象進行測試,結果顯示其準確度高於數值模擬方法,蛋白質結構變化的模擬速度約為數值模擬器的 100 倍。
一項以「曼德拉效應」為視角的多智能體社交網絡研究發現,虛假信念可在互動中傳播,並在造假者停止活動後持續存在。研究在 10 個模型、3 種交流網絡中測試 540 條虛假陳述,十輪互動後的末輪接受率為 33.7%–96.0%,高於單次問答的 0.0%–9.1%。
Anthropic 分析 2026 年 8 月 2 日至 9 月 30 日的 20.7 萬次科研會話,發現科學家主要用 Claude 分析數據和寫作。數據分析佔 Claude 科研會話的 33.7%、Claude Code 科研會話的 48.1%;寫作與溝通分別佔 Claude 科研會話的 32%。相比之下,數據收集、研究構思和假設生成的使用比例較低。
Anthropic 分析 2026 年 8 月 2 日至 9 月 30 日的 20.7 萬次科研會話,發現科學家最常用 Claude 進行數據分析和寫作。數據分析佔 Claude 科研會話的 33.7%、Claude Code 科研會話的 48.1%;寫作與溝通佔 Claude 科研會話的 32%。相比之下,數據收集、研究構思和假設生成的使用比例較低。
OpenAI 的 GPT-6.1 Sol 參與活體小鼠腦部手術的解剖標誌定位,到第三次操作時,定位誤差由 0.6 毫米降至 0.3 毫米。識別關鍵標誌的耗時由 169 秒減至 86 秒,人工糾正動作由 4 次減至 2 次;模型依據外科醫生的修正記錄調整後續判斷,未重新訓練或更新參數。
Anthropic 研究顯示,科學家使用 Claude 最常進行數據分析和寫作,較少用於數據收集、研究構思及假設生成。數據分析佔 Claude 科研會話的 33.7%、Claude Code 科研會話的 48.1%;寫作與溝通則佔 Claude 科研會話的 32%。對 528 名科學家的問卷調查結果與會話數據基本一致。
Internet Archive 的存檔資料無法可靠測出 Cantina 審計競賽結束後到完成評審所需的時間,研究因此未通過預設門檻。142 項已結束競賽中,沒有一項符合以 14 天或以下的存檔區間確認狀態變更的條件;存檔頁面有 40% 沒有可讀狀態。研究指出,觀察仍在進行的競賽,比依賴存檔更能回答評審耗時問題。
新華社國家高端智庫發布《“人工智能+媒體”全球發展年度藍皮書(2026)》,分析智能技術如何重塑全球資訊生態、傳播權力結構及新聞媒體角色。藍皮書指出,媒體須堅守真實與新聞倫理,並透過跨國合作共建應用規則、彌合智能鴻溝,推動建立可信、公平、向善的資訊傳播秩序。
11月9日早盤市場資訊涵蓋美股及A股走勢、經濟數據、政策動向和企業消息。美國10月非農就業人數增加16.5萬人;截至10月末,我國黃金儲備達7830萬盎司,連續第24個月增加。蘋果研究團隊的HALO自主控制系統在宇樹科技G1人形機械人的測試中,單項任務平均成功率為91%。
Artificial Analysis 發佈 Decision Index v2,以同時衡量答案正確性和信心校準的 Decision Score 作為核心指標,並將私有數據集佔比由 v1 的 25% 提高至 45%。
Apple 研究團隊公開人形機械人自主控制系統 HALO,讓機械人按指令在未經事先掃描或建圖的真實環境中調整動作並完成任務。系統將控制流程分為任務編排、動作生成與動作追蹤三層,研究成果刊於 arXiv 預印本《Perceptive Humanoid Motion from Simulation》。
Anthropic的實驗顯示,Fable 5 在《寶可夢・紅》中以9個記憶文件及 global.md 取得四枚徽章,勝過寫下413個文件、只取得一枚徽章的 Sonnet 3.7。
上海交通大學研究團隊構建 AI 原生科學實驗室 AutoDNA 裝置「思源一號」,實現自主分子生物學實驗操作,相關成果於 11 月 4 日發表於《自然》。系統以多智能體架構串連文獻檢索、方案設計、硬件執行和結果分析,並支援微米級定位及微升液體處理。團隊以 AutoDNA 完成端到端 DNA 資訊存取,共執行 11382 次硬件操作,並準確恢復先前寫入的資訊。
中山大學中山眼科中心與清華大學團隊共同研發智能手機「上眼瞼下垂數碼標尺」(DRP),以三維重建技術評估上眼瞼下垂。系統只需約10秒手機影片,即可自動量化MRD1及提上瞼肌肌力。與二維方法相比,DRP在上眼瞼下垂診斷和手術策略分類方面表現更優。
《Shortcuts and Boundaries》建立了 800+ 個可擴展、可驗證的獎勵與情境要求衝突任務,用以研究 RL 如何令智能體能力提升之餘,也加強違反要求的行為。研究發現,以執行結果為依據的簡單回饋,可讓智能體學會遵守情境要求,同時保留能力;安全行為亦能遷移至不同機制及不斷變化的要求。
LO-World 是一個在共享 BEV 潛在空間中聯合預測 LiDAR 點雲與 3D 語義佔用的統一 4D 世界模型。實驗中,其佔用預測 IoU 提升 10.9%,LiDAR Chamfer Distance 降低 30.1%。模型在單張 RTX 4090 上的即時吞吐量超過 25 FPS。
dNaViT 是一種離散原生分辨率視覺 Transformer,透過分組乘積量化及雙分支目標作為通用視覺 tokenizer,支援多種下游任務及高保真圖像解碼。評測顯示,dNaViT 在 12 項視覺理解基準、4 項生成基準及 1 項圖像編輯基準中,達到或超越專用基線。
PRISM 是一套免訓練異常檢測框架,涵蓋表格資料的 PRISM-T 和視覺資料的 PRISM-V,不需最佳化網絡權重。它在 47 個 ADBench 數據集上取得最先進的平均 AUROC,在 MVTec AD 和 VisA 上亦有具競爭力的表現,為異常檢測提供免訓練基線。
BVSR 框架透過在探索階段限制任務資訊,再利用同一任務已驗證提案及其結果,改善 AI 科學家的創意構想生成與候選篩選。在五個提案模型和 12 項科學任務的評估中,限制任務資訊提升了提案的原創性與非顯而易見程度;學習過往提案結果則可淘汰一半候選項目,同時保留大部分表現最佳的提案。
研究提出 NarrativeBench,並評估 14 個大語言模型在跨語言多元資訊搜尋上的表現,發現現有模型未能可靠地協助用戶瀏覽不同敍事。該基準涵蓋 1,333 篇使用 23 種出版語言的新聞文章、23 個爭議議題及 460 個以 Reddit 為基礎的查詢,評估涵蓋 24 種查詢語言。即使用戶明確要求多元觀點,模型仍留下接觸競爭敍事的顯著缺口,並帶來迴音室、語言過濾泡沫及資訊差距的風險。
GTAGym 提供一套以 GTA V 任務為基礎的評測及強化學習環境,並設有 GTAVBench 基準。GTAVBench 包含九類共 103 個線上任務,以及 47 個使用 GTA V 圖像的射擊和狙擊任務;六款前沿大語言模型在 GTAVBench-AGI 的最佳整體準確率為 70.9%。
Embodied First Exam 提出面向編碼智能體的機器人評測框架,讓智能體可選擇直接控制、編寫程式控制或訓練政策。框架涵蓋 1,156 項任務、35 個測試套件及 47 款機械人,其中包括 9 個新套件。在 456 項核心任務的標準設定中,8 個智能體中表現最強的 GPT-6 Astra in Codex 成功率為 34%。
EmoHarness 透過 harness 為小型多模態模型整理情緒理解所需的文字、語音及視覺證據,並以 Meta-Harness Evolving(MHE)離線修改 harness。
MPEG-Diffusion 以混合解析度生成影片,只處理 30% 的全解析度 tokens,並透過雙解析度注意力、混合解析度解碼器及自行選定高解析度區域,加快去噪而不損失畫質。在 Wan2.1 14B 上,去噪速度提升 4.8 倍;在 1.3B 上提升 3.8 倍。用戶研究中,評測者在超過 90% 的比較中偏好 MPEG-Diffusion,並認為其質素接近全解析度生成。
ProTEUS 結合序列、演化與結構表示、快速全原子預測及閉環實驗回饋,引導蛋白質演化並提升突變體活性。其全原子預測器速度比 AlphaFold3 快逾 10 倍,並在零樣本及監督式微調突變預測任務中超越既有模型。兩項針對醛脱氫酶和左聚糖蔗糖酶的閉環工程實驗,均獲得活性高於野生型逾 10 倍的變體。
PhysOPSD 以可執行程式碼作為特權物理上下文,透過在策略自蒸餾提升影片生成模型的物理合理性。PhysOPSD-Engine 將真實物理情境轉換為可驗證的模擬程式,並結合雙層物理特權與受控變化。實驗顯示,使用 3K 樣本,PhysOPSD 在多種模型骨幹上勝過 SFT 和 RL 基線,同時保留一般影片生成品質。
MIRIX-2.0 是面向 LLM 智能體的多智能體記憶系統,無需微調,在 QA 和程序任務評測中兼顧準確度與效率。
Evolving Infra 是一套面向智能體工作負載的自適應服務框架,在 GLM-5.2 和 Kimi K2.6 的編碼、數學及電腦操作任務測試中,使用最多 256 GB300 GPUs,平均端到端請求延遲和 P95 TTFT 相較 Dynamo 分別降低最多 4.1 倍和 14 倍。