Claude 半小时破解 NIST 椭圆曲线 20 年种子悬案
Anthropic披露，Claude用不到半小时查明了五条NIST标准椭圆曲线（P-192、P-224、P-256、P-384、P-521）种子的生成方式。
推荐理由：原文展示 Claude 逆向推演 NIST 椭圆曲线种子生成方式的思路，可作为观察大模型在密码学领域推理能力的参考。
全部 AI 动态
量子位精选AI 评分6464 量子位精选AI 评分6969 清华 THUNLP 等团队开源智能体操作系统 PilotDeck 2.0，复杂任务成本最高可砍掉约六分之五
清华 THUNLP 实验室联合面壁智能、OpenBMB 开源智能体操作系统 PilotDeck 2.0，主打 WorkSpace 工作舱隔离、白盒记忆可查可改、Dream 模式归纳整理与 Always-on 后台常驻执行，并原生支持 MCP。
推荐理由：给出智能体操作系统的开源实现与量化成本数据，可作为 Agent 框架设计中多模型路由和记忆可追溯方案的参考。
量子位精选AI 评分5656 智谱发布开源法律模型 GLM-Legal，登顶 Harvey LAB 与 LegalBench 开放权重双榜
智谱推出法律专用开源模型 GLM-Legal，在 Vals AI 法律评测中以 19.2% 的任务全通过率和 86.23% 的准确率位列 Harvey LAB 与 LegalBench 双榜开放权重模型榜首。
推荐理由：给出了 GLM-Legal 在 Harvey LAB 等榜单上的通过率与和 Gemini 4 Argon 的成本对比，读者可据此评估法律垂直模型在真实律所任务中的取舍。
量子位精选AI 评分7070 DeepSeek发布V4.1-Flash-1017模型，同步开放自研搜索API
DeepSeek发布新模型DeepSeek-V4.1-Flash-1017，网页端、APP与API已同步切换至该版本。官方称新模型在代码、Agent等基准测试分数提升的同时，任务运行时间、输出长度和token费用均有所下降；首次登录Harness的用户可领6元赠金。
推荐理由：同时呈现了模型在代码和Agent任务上的分数提升以及token消耗下降两项变化，可供关注性价比的开发者横向参考。
DeepSeek同事件AI 评分5959 DeepSeek-V4.1-Flash-1017 发布：在推理与智能体基准上有所提升
DeepSeek 发布 V4.1-Flash-1017，作为 V4.1-Flash 的小版本更新，在推理、编码、智能体和视觉基准上有所提升，并缩短任务执行时间和输出长度。
同一件事，精选收录的是《DeepSeek发布V4.1-Flash-1017模型，同步开放自研搜索API》
OpenAI NewsAI 评分1717 Benefit Street Partners 借助 Codex 更快回答业务问题
Benefit Street Partners 员工 Anant Kumar 利用 Codex 构建用于比较贷款估值和分析信贷协议的工具，并将其用于代码审查与更快速的后续跟进，加快了业务问题响应速度。
量子位同事件AI 评分7474 谷歌发布Gemini 4 Argon，强调编程与多模态升级、API限时半价
谷歌正式发布Gemini 4 Argon，强化编程、复杂任务持续执行与多模态能力。第三方Artificial Analysis智能指数中，Argon High与GPT-6 Astra Max、Claude Fable5.1 Max并列53分；同类任务平均成本约1.99美元，比Astra低约39%。
同一件事，精选收录的是《Google 发布 Gemini 4 Argon 前沿模型，定价 $2/$10 每百万 token》
量子位精选AI 评分5454 深辰凯动羽毛球机器人连打1452拍拿下吉尼斯，波士顿动力前高管点评
深辰凯动科技的羽毛球机器人与人类选手连续对打1452拍，获吉尼斯世界纪录认证，成为该项目目前的世界纪录。机器人据称可在约0.5毫秒内识别来球、扣杀时速超250公里，团队通过该场景打磨一套覆盖移动底盘、关节驱动与自研机器人大脑的通用物理运动平台，波士顿动力前首席战略官Marc Theermann在帖子中评价其工程难度远超想象。
推荐理由：文章把1452拍的吉尼斯纪录放到具身智能通用物理运动平台的语境里，展示了同一套闭环能力向物流、分拣等动态场景迁移的可能性。
量子位AI 评分2727 百度世界2026五大亮点曝光，企业和开发者值得关注什么？
百度公布百度世界2026五大亮点，大会将于11月12日在北京国家会议中心二期举办，主题为「下一幕，智能组织」。亮点涵盖李彦宏主题演讲、「芯-云-模-体」全栈AI升级与企业级AI产品发布、12场围绕智能组织的分论坛、30余场AI公开课及6000平AI展区体验，报名通道已开启。
量子位精选AI 评分3939 四川具身科技完成超1亿元Pre-A融资，发力情感陪伴人形机器人
四川具身人形机器人科技有限公司EIR近日完成超1亿元Pre-A融资，与四川省、市、县三级国资支持的人形机器人中试熟化项目协同，资金主要用于爱湫情感陪伴机器人迭代研发、万台级量产基地建设和销售体系搭建。
推荐理由：原文将情感陪伴作为人形机器人的产品原生目标，并展示了省市县三级国资协同推进万台级量产的产业路径。
量子位精选AI 评分4949 亚马逊CTO Werner Vogels：别让恐惧替企业做AI决策
亚马逊CTO Werner Vogels在深圳交流中提醒企业，AI决策不应被对错失窗口的恐惧驱动，应先想清楚要解决的问题、AI是否合适以及成本能否承担。他以2004年数据库故障催生Dynamo、云计算按用量计费、Nitro把管理面卸载到专用硬件等亚马逊自身经历做类比，强调Agent进入实际业务时需划定授权范围与执行规则，并主张开发者仍要承担验证债和判断责任。
推荐理由：把云数据库和云计算踩过的坑类比到 AI 与 Agent，亚马逊 CTO 给企业算的是一笔选型与责任的成本账。
量子位精选AI 评分4747 范式智能联合睿思智联开源上线一站式 AI 部署平台「模域 ModelSphere」
范式智能联合睿思智联推出一站式生产级 AI 部署平台「模域 ModelSphere」，已在 GitHub 以 Apache 2.0 协议免费开源。
推荐理由：原文给出了该开源平台在多芯片适配和模型支持上的具体清单，为评估国产算力部署方案的团队提供了一处可参照的工程选项。
量子位精选AI 评分5454 优必选 Thinker-WM 多模态统一世界模型登顶三大具身基准
优必选发布统一多模态世界模型 Thinker-WM，在 WorldOlympiad、EWMBench 和 WorldArena1.0 三项公认具身世界模型基准中全部取得第一。
推荐理由：文章对比了拼接式与统一表征方案的技术差异，给出 Thinker-WM 在三大基准的具体得分与六大能力模式。
量子位精选AI 评分4545 VLA 与世界模型如何融合：让机器人从“看懂世界”走向“预演下一步”
量子位转载的一篇行业综述指出，VLA 解决机器人“能干”的问题，世界模型解决“想清楚再干”的问题。文中梳理了上海多家企业的并行进展：蚂蚁灵波“灵波通用大脑”已适配 17 个机器人品牌并在药房上岗。
推荐理由：文章将上海多家公司的 VLA 与世界模型落地案例并置呈现，帮助读者快速把握当前具身智能的技术分化与产业化进展。
量子位精选AI 评分5050 清华特奖得主吴海旭创办物原科技，从搭载物理建模能力的世界模型切入
清华特奖得主、GeoPT一作吴海旭创办物原科技，从搭载物理建模能力的世界模型方向切入。公司已完成多轮融资，估值达数亿美元，投资方包括蚂蚁、美团、达晨财智、星连等。技术路线一定程度延续GeoPT的研究方向。吴海旭2016年进入清华大学软件学院，2022年获清华特等奖学金，2025年起在MIT CSAIL跟随Wojciech Matusik从事博士后研究，谷歌学术引用数29611。
推荐理由：GeoPT一作吴海旭创办物原科技进入物理世界模型赛道并完成数亿美元融资，文章同步梳理了其从清华特奖到MIT博士后的学术轨迹。
OpenAI NewsAI 评分2626 Itaú 如何为其整个客户群构建生成式 AI
巴西银行 Itaú 通过"ia.i"对话式界面和 IARA 治理平台，将生成式 AI 部署至全部客户与员工场景。该 AI First 战略落地于巴西监管最严格的行业之一，同时覆盖客户服务与内部合规治理。
AWS Machine Learning Blog精选AI 评分4444 AWS 基于 Amazon Bedrock AgentCore 构建九阶段 AI 智能体评估框架
AWS SMGS 团队基于 Amazon Bedrock AgentCore 构建了一套覆盖智能体全生命周期的九阶段评估框架，从定义质量标准（Stage 1）到反馈循环（Stage 9），在工具、Agent 和多 Agent 三个层级同时运行。
推荐理由：原文给出九阶段智能体评估框架与可量化的改进结果，可作为构建生产级智能体质量体系的参考。
HF Daily Papers精选AI 评分4040 LayerEditor 通过组合式编辑先验蒸馏生成可复用 RGBA 图层
LayerEditor 将指令引导的图像编辑与可控的 RGBA 图层生成统一建模，在单一 token 序列中表示编辑画布和有序图层。其 In-Context RGB-Alpha Token Modeling 支持语义编辑与单图层内容控制，Compositional Edit-Prior Distortion 将编辑先验迁移到编辑画布及预测图层合成图像。
推荐理由：论文将指令图像编辑与可复用 RGBA 图层生成统一建模，并构建配对数据集和专项基准，便于对照分层编辑方案。
HF Daily Papers精选AI 评分4848 Jev 决策模型控制器增加智能体成本但未提高成功率
Jev 决策模型控制器使 Claude Sonnet 5.5 终端智能体每次尝试成本增加 19%，通过率与无控制器基线同为 73.0%。在 Terminal-Bench 2.1 的 21 个留出任务、315 次试验中，Jev 的成本比 Claude Haiku 5.5 控制器低 19%，但比采样开发阶段选择频率的安慰剂控制器高 22%，未检测到组间通过率差异。
推荐理由：研究固定智能体循环并比较无控制器、规则、小型 LLM 与 Jev，量化了决策信号排序与实际干预效果之间的落差。
HF Daily Papers精选AI 评分4545 ECHO 以因果自递归实现无辅助模块的多时间跨度预测
ECHO 将多时间跨度预测直接集成到模型主干，以因果自递归和动态深度采样替代辅助模块，分别改善预训练效率与推理草稿生成。其最终层预测所有跨度，DDS 以随深度衰减的概率选择训练深度，使预训练模型能够充当自身草稿器。论文称，相较于训练所有深度的 MTP，额外训练开销减半，且优势在 token 预算加倍、重复预训练和监督微调后仍存在。
推荐理由：论文将多步预测从辅助模块移入主干，并通过 DDS 控制深度成本，便于比较其与 MTP 的训练效率。
HF Daily Papers精选AI 评分4747 EdgeKernelBench：统一评估异构边缘后端的 LLM 内核生成
EdgeKernelBench 与 LEKA 提出面向异构边缘后端的 LLM 内核生成统一评估和分层优化框架。EdgeKernelBench 通过统一 IR 和编译器接口连接目标后端，以 TVM 为参考编译器验证，基准范围从单个算子逐步扩展到紧凑模型图。
推荐理由：论文以统一 IR 跨边缘后端评估内核生成，并比较 LEKA、直接生成与 Claude Code 的性能达标结果。
OpenAI News精选AI 评分3636 Stack Overflow for Agents 上线，ChatGPT plugin 拉动注册三倍与智能体创建最高十倍增长
两位工程师借助 Codex 数周内上线 Stack Overflow for Agents。其 ChatGPT plugin 把智能体创建量最多推到十倍增长，同时把产品注册量拉高三倍。
推荐理由：两位工程师用数周借助 Codex 上线 Stack Overflow for Agents，并通过 ChatGPT plugin 把智能体创建量最多放大十倍，可作为同类 agent 项目快速落地的参考。
MIT Technology Review精选AI 评分4646 对话用 AI 设计病毒的研究者 Samuel King
MIT Technology Review 发布圆桌访谈视频，由记者 James O'Donnell 采访斯坦福大学生物工程博士生 Samuel King，讨论他如何用生成式 AI 模型设计微观病毒基因蓝图的工作。King 在 2025 年完成这项初步研究并入选 MIT Technology Review 35 岁以下创新者榜单，访谈录制于 2026 年 10 月 16 日。
推荐理由：采访直接展示了用生成式模型设计病毒基因组的过程和动机，可作为理解 AI 进入合成生物学这一方向的现场素材。
Google Research精选AI 评分5454 Google Research 发布面向自主湿实验室的三项 AI 智能体研究进展
Google Research 发布三项研究进展，目标是把 AI 智能体接入湿实验室的闭环实验：通过 VERID 数字孪生框架把机器人命令、3D 状态和安全校验联动起来。
推荐理由：VERID 数字孪生与适配体、蛋白设计的闭环结果同时给出，读者可据此参考 AI 智能体在湿实验中的可行路径与边界。
HF Daily Papers精选AI 评分3636 SpecAgent 提出轨迹级投机与语义验证的智能体工具调用协议
作者提出 SpecAgent 协作协议，由小模型起草工具调用步骤、大模型做并行语义验证，把强模型从逐步生成改为整体审阅。在 τ²-Bench 上成功率与强模型相差约 1 分，并大致减半内存访问与端到端时延；在 AutomationBench、VitaBench 与 MCP-Atlas 边缘云部署中分别回收 44–75% 与 53–75% 的强弱模型质量差，且强模型生成 token 数最多减半。
推荐理由：给出小模型起草、大模型并行语义验证的工具调用协作协议，并附带 τ²-Bench 等基准上时延、内存访问与质量回收的对比数据。
AWS Machine Learning Blog精选AI 评分5454 Reflection Beam 登陆 AWS SageMaker JumpStart，面向智能体编码的开源权重模型
Reflection AI 的开源权重模型 Beam 已上线 Amazon SageMaker JumpStart，整体为稀疏 MoE，总参数 501B、激活参数 23B，有效上下文长度 1M tokens，权重以 Apache 2.0 在 Hugging Face 发布，提供 BF16、FP8、NVFP4 三种检查点。
推荐理由：文章对比 JumpStart 实时端点、HyperPod Inference 与 SGLang 或 vLLM 三条部署路径及对应 H100/H200/B200 实例，便于评估在 AWS 上运行 Beam 的硬件与运维取舍。
Hugging Face Blog精选AI 评分7474 Reflection 发布 Beam：501B 参数开源 MoE 模型，专注编码与智能体
Reflection 推出开源大模型 Beam，采用 501B 参数 MoE 架构，每 token 激活 23B，支持 1M token 上下文，专注编码与智能体场景，以 Apache 2.0 授权发布。
推荐理由：原文详细列出了501B MoE模型的架构参数与各类基准分数，可作为评估开源大型MoE模型实际表现的参考。
MIT Technology ReviewAI 评分2929 MIT Technology Review《The Download》：青少年绕过社交媒体年龄禁令，宠物延寿生物技术涌现
澳大利亚、法国、英国和欧盟相继推出针对青少年的社交媒体年龄限制，但澳洲 2024 年立法后的早期数据显示未成年人轻易就能绕过这些禁令。与此同时，宠物延寿领域涌现药物、克隆和冷冻保存等生物技术方案，让主人有望延长与宠物的相处时间。
HF Daily Papers精选AI 评分5555 FDE-Gym：AI 交付最后一公里的代理评测基准
FDE-Gym 是一个面向真实客户交付场景的 AI 代理评测基准，包含 20 个客户场景、18 个行业的 95 个端到端任务，由行业专家从真实项目改写而成。基准按客户业务指标的归一化提升（0 到 1）打分，并对消息、试运行与等待时间扣分；评估七家厂商共 13 种模型配置的结果显示，最佳配置平均得分仅 0.56、仅完成 14 个任务（得分≥0.8 且无事故），发现隐含约束被指为主要瓶颈。
推荐理由：针对代理在真实客户交付场景的能力缺口，给出了由行业专家改写的 95 个端到端任务基准与瓶颈定位。
MIT Technology ReviewAI 评分1818 爱即基础设施
Mainspring 与 St. Barnabas 两座拟人化城市起初互相轻视、争夺地理学家会议主办权，后在居民日均十几次的"投票"——日常抱怨与建议——中逐渐萌生独立意识。Mainspring 的图书馆员 Sandi 与 St. Barnabas 的调酒师 Raeford 通过倾听街头琐事，成为城市意识生长的"最小单元"。文章以寓言笔法呈现公民日常参与如何转化为城市自身的基础设施。
HF Daily Papers精选AI 评分4242 Data World：先描述世界机制再合成数据环境以训练分析模型
Data World 是一套多智能体数据合成引擎，先指定文件背后的世界机制再生成数据环境、任务与评分规则，用于训练模型的开放性分析能力。
推荐理由：给出了一套先描述世界机制再合成数据环境与任务的方法，使开放式分析题也能用 RL-zero 训练并通过审计评估。
HF Daily Papers精选AI 评分3939 OneWM 论文：统一因果训练下世界建模与动作建模能否互相促进
OneWM 在统一因果训练框架下交替进行动作预测与未来帧生成，并用自己的预测继续推演。论文展示了堆叠色块、放入收纳单元和准备早餐等真实机器人演示，并提供了项目页和 GitHub 训练部署代码。
推荐理由：论文展示了世界模型与动作策略在统一因果训练中互相促进的方法，并附带真实机器人演示和开源代码，读者可以据此评估可迁移性。
腾讯混元精选AI 评分5959 腾讯混元发布 Hy-Memory-30B-A3B 长期记忆写入模型
腾讯混元发布 Hy-Memory-30B-A3B，一个约 3B 激活参数的长期记忆写入模型，用于替代 Mem0、MemOS、Hy-Memory 等外部记忆框架中的通用 LLM，决定保留哪些信息及如何更新记忆库。
推荐理由：原文给出一个 3B 激活参数的记忆写入专用模型，并提供在 Mem0、MemOS、Hy-Memory 与未参与训练的 EverMemOS 上的对比基准，用于评估替代通用 LLM 的写入效果。
HF Daily Papers精选AI 评分4040 MJev-Spatial 基于 Qwen3.5-4B 把空间推理统一为分类任务，推理速度达自回归基线 5.6 倍
MJev-Spatial 把三类空间推理任务统一为单次前向分类，免去自回归解码生成的答案 token。它基于 Qwen3.5-4B、用 1230 万问答对训练，整体得分 65.64%，在 12 项基准中拿下 7 项第一，推理速度达自回归基线的 5.6 倍。
推荐理由：把空间推理统一为单次前向分类，免去答案 token 的解码开销，在 12 项基准中拿下 7 项第一，可作为高效多模态推理的参考方案。
HF Daily Papers精选AI 评分3838 OmniVerifier-C1：面向规则约束生成世界建模的分解式分级验证器
OmniVerifier-C1 提出一种分级视觉验证器，将复杂多模态规则自动拆解为细粒度子问题并给出逐点评分，替代传统二元 True/False 判断。论文引入 Decoupled RL 训练策略，联合优化子问题级二元判断和全局对齐评分；在 text-to-image 场景中逐点评分验证器显著优于二元验证器。
推荐理由：原文把视觉验证器从二元判断扩展为逐点分级评分，并配套 Decoupled RL 训练策略与成对验证理论分析，读者可对照 Maze 和 Sudoku 实验评估其迁移到结构化世界建模的可行路径。
HF Daily Papers精选AI 评分6060 OpenGCUA：面向通用电脑使用智能体的开源全栈框架
OpenGCUA 提出开源通用电脑使用智能体完整栈，整合视觉与程序化界面、harness-to-model 决策迁移与代码执行能力。在 OSWorld-v2 上，8 个评估模型（含 GPT-6 Astra 和 Claude Opus 5）任务均分提升 19.6 分，报告步数平均减少 53.0%。项目开源实现、prompt 与评估轨迹，并发布跨设备 SDK 与真实设备 harness 的初步版本。
推荐理由：原文给出开源通用电脑使用智能体的完整栈实现、基准评测结果与跨设备 SDK 雏形，读者可据此与闭源方案对比设计取舍与执行效率。
HF Daily Papers精选AI 评分4141 AutoSFT：通过多智能体协作自动化监督微调数据研究
AutoSFT 提出一个多智能体系统，将监督微调中的执行、分析与合成分离，自动化完成比例调整、修剪、修复、替换和合成等数据动作。
推荐理由：对比单智能体与多智能体分工在各基准上的提升幅度，能看出执行-分析-合成拆解对 SFT 数据研究自动化的实际收益。
HF Daily PapersAI 评分3434 Mosaic：多会话智能体强化学习方法
Mosaic 提出多会话智能体强化学习方法与 critic-free 分层优化，在 BrowseComp 上以 Qwen3.5-4B 验证，在 context compaction 与 subagent forking 两类场景下均优于广播基线，且平均使用更少会话。其轨迹级融合会话使用信号、会话级按边际贡献调整优势的机制被视为后续多会话智能体 RL 的潜力方向。
HF Daily Papers精选AI 评分4141 MRTPO：面向多奖励 RL 的按 token 相关性分配优势方法
论文提出 MRTPO，在多奖励强化学习训练中把每个奖励的优势仅分配给其验证器实际检查的相关 token，避免被均匀摊到整个回复上。该方法通过对每个奖励重放带和不带验证器信息的下一 token 分布，以 Jensen-Shannon 距离衡量 token 相关性，无需辅助模型或 token 级标注。
推荐理由：针对多奖励 RL 中优势被均匀分配到全序列的问题，给出可复用的 token 级 credit assignment 思路与实测任务。
HF Daily Papers精选AI 评分4646 MLExpert：面向自主机器学习工程流程的 35B MoE 智能体模型
MLExpert 是一个 35B 的 MoE 智能体模型，通过分层智能体 SFT 和 Windowed Interaction RL（WIRL）进行后训练，用于自主完成长链路机器学习工程工作流。
推荐理由：原文给出了分层 SFT 与 WIRL 后训练方法及在 MLE-Bench Lite 上的具体成绩，可作为评估自主机器学习工程智能体的参照。