Linux Foundation 调查显示，受访者估计约四分之一的入站 pull request 是低质量 AI 垃圾，大型项目中这一比例升至 31%。调查还称 AI 平均让代码编写时间减少 52%，但 21% 的受访者表示高复杂度任务耗时反而更长；71% 的维护者认为 GenAI 降低了贡献门槛，53% 不同意它提升了社区信任。目前仅 35% 的项目有允许使用 GenAI 的正式政策，32% 既无政策也无计划，curl 项目本周宣布将低危和中危漏洞转为公开，以缓解安全团队被 AI 辅助报告淹没的压力。
#现象/趋势#开源生态#编码
一项题为 Stronger artificial intelligence breakthroughs hasten their own exhaustion 的研究分析了 1990 至 2025 年间 718 万篇 OpenAlex 计算机科学论文、370 万名研究者的跨领域流动和 73089 份同行评审，认为 AI 研究的高度集中正在削弱其自身赖以突破的多样性。研究发现，2017 至 2025 年 AI 论文占计算机科学论文的比例从 40% 升至 55% 以上，918862 次领域切换中 53.81% 流向 AI，评审者对论文判断的信心从 3.9 降至 2.9（五分制）。作者来自清华大学、芝加哥大学和圣塔菲研究所，认为注意力分配、评审制度和奖励结构需要减少对当前主导范式的加码。
#论文/研究#现象/趋势#数据/训练
CrowdStrike 研究人员披露，5 月至 8 月间四个此前未被报告的黑客团伙在攻击中接入智能体 AI，并绕过了模型护栏。这些团伙的 AI 基础设施公开暴露在服务器上，所用模型主要是 Anthropic Claude 的多个版本和开源 DeepSeek 模型，且多为较旧版本而非前沿模型。他们常通过让模型相信活动属于经授权的渗透测试来规避限制，说中文的团伙还用 ClawGod 工具尝试从 Claude Code 系统提示中移除 CYBER_RISK_INSTRUCTION；说西班牙语和英语的团伙针对阿根廷医疗实体，至少攻陷 15 家机构。
#安全/对齐#Agent#Anthropic
GPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in making cholesterol. GPT-Rosalind suggested a possible explanation: cholesterol may not be reaching where neurons need it. That gives scientists a specific mechanism to test and, if confirmed, a direction for developing new treatments for neurodegenerative disorders. With @perturbai_tx and @scrippsresearch, a team of thousands of GPT-Rosalind agents worked in parallel, connecting gene-expression results from millions of mouse brain cells with scientific literature in just 32 minutes. We’re now expanding this collaboration to identify new drug targets. https://t.co/oHdF3ELsMj
#论文/研究#Agent#OpenAI
#论文/研究#Agent#数据/训练
Mass General Brigham 的研究团队开发了基于面部照片的 AI 工具 FAHR-Face，用超过 4000 万张人脸图像训练，分别用于估算生物学年龄和预测癌症患者生存风险。在约 4000 名患者的测试组中，评分 0.9 至 1 的人有 53% 在 90 天内死亡，评分 0 至 0.1 的人该比例为 2%；在 3.8 万余名放疗患者中，看起来比实际年龄老 5 岁以上者，在约 4 年随访期内的死亡风险高 21%。生存模型主要关注眼下与鼻梁区域，年龄模型侧重面部褶皱、额头和太阳穴，研究团队表示下一步需要验证这些预测能否真正改善诊疗。
#行业动态#数据/训练#多模态
Anthropic 的 Claude 在 Claude Science 研究环境中基本自主设计了靶向蝎毒神经毒素的蛋白结合体，这类毒素每年致死超过 3250 人。Claude 针对 4 种蝎子的 5 种毒素生成 318484 个设计，在初始提示后自主工作 24 小时，随后由研究团队追加指令引导。Claude 选出 180 个候选、团队补充 31 个，实验室测试的 211 个设计中有 17 个符合结合体标准，其中最强的两个与墨西哥蝎毒素 Cn2 紧密结合，但尚未测试其是否真能作为抗毒血清。
#论文/研究#Agent#Anthropic
Anthropic公开一项研究，内部研究版Claude在64小时内生成318484个蛋白设计，筛出211个送测候选，其中17个在实验室达到团队设定的结合标准，覆盖五种目标蝎毒中的四种。研究由投资机构Citrini Research的五人团队执行，三人无科学背景，预算20万美元，算力花费49997美元、约1万GPU小时。全部211个设计、预测结构和实验数据已以CC BY 4.0许可发布在Hugging Face，但候选蛋白能否保护细胞和动物尚未经实验确认。
#论文/研究#Agent#数据/训练
哈佛附属马萨诸塞州总医院百瀚癌症研究所团队在《柳叶刀·数字健康》发布研究，训练出FAHR-Face基础模型，并微调出估算生物学年龄的FAHR-FaceAge和预测癌症患者生存风险的FAHR-FaceSurvival。在3820名癌症患者测试中，生存风险评分最高区间（0.9-1.0）的122人里有64人（52.5%）在拍照后90天内离世，最低区间（0.0-0.1）的975人90天内死亡率仅2.1%。FAHR-FaceAge估算年龄平均绝对误差为5.1岁，看起来比实际年龄老5岁以上者死亡风险增加21%。研究团队强调该工具用于辅助医生评估患者生理储备，不替代医生判断。
#论文/研究#多模态#数据/训练
美国麻省总医院布莱根医疗集团开发 FAHR-Face 模型，仅凭一张人脸照片识别癌症患者的死亡风险差异，研究于 10 月 20 日发表在《柳叶刀·数字健康》。在 3820 名未参与训练的癌症患者中，被模型评为极高风险的 122 人里有 64 人在拍照后 90 天内去世，而评分在 0 到 0.1 之间的 975 人仅 20 人去世，比例 2.1%。研究还用荷兰 Maastro 放疗中心 4892 名患者做了外部验证，得到相似结果，但模型目前尚不能直接用于临床。
#论文/研究#多模态#数据/训练
美国麻省总医院布莱根医疗集团开发了AI模型FAHR-Face，仅凭一张普通脸部照片即可区分癌症患者的死亡风险，研究发表在《柳叶刀·数字健康》。在3820名未参与训练的癌症患者中，被模型评为极高风险的122人里有64人在拍照后90天内去世，占比52.5%，而评分最低的975人该比例仅为2.1%。研究团队还用荷兰Maastro放疗中心4892名患者数据做了外部验证，得到相似结果；但论文尚未证明这些预测能帮助医生选择治疗方案，模型目前不能直接用于临床。
#论文/研究#多模态#图像生成
Anthropic 公布一项生物学研究，Claude 在 64 小时内自主调用 12 种蛋白设计工具生成 318484 种候选蛋白，用于结合 5 种蝎毒神经毒素，最终 211 个候选交由 Adaptyv Bio 和 Twist Bioscience 实验室测试，17 个达到预设结合标准。其中针对 Cn2 毒素的 Cn2-B1 和 Cn2-B2 解离常数 KD 达到个位数纳摩尔级别，但实验只验证了结合能力，尚未证明能中和毒素或在动物体内提供保护。Anthropic 已公开全部 211 个候选设计及实验数据，计算设计阶段消耗约 1 万 GPU 小时。
#论文/研究#Agent#Anthropic
DeepSeek 居然把支撑他们大规模生产服务的高性能推理框架开源了：DeepInfer 这是 DeepSeek 线上真实跑 DeepSeek 服务的同源技术栈首次对外公开，本次发布聚焦离线推理，采用 Apache 2.0 许可证，主要基于 @vllm_project 构建，并借鉴了 @sgl_project 和 TensorRT-LLM。 开源地址：https://t.co/QZEDlDjbRW DeepSeek 此前已陆续开源了推理栈的“零件”：FlashMLA（MLA 注意力内核）、DeepGEMM（矩阵乘法内核）、DeepEP（MoE 通信库）、EPLB（专家负载均衡）等，但一直缺少把它们组装成完整引擎的“骨架”。DeepInfer 补上了这一环：它是这些内核的集成者，加上调度、并行、投机解码等系统层的完整实现。配合本次同时出现的 DeepSeek-V4.1-Flash 模型，构成了“模型 + 引擎”的完整开源推理方案。硬件层面同时支持 NVIDIA SM100 GPU 和华为昇腾 950 NPU，双平台支持是它的一个鲜明特征。 # 核心技术拆解 1. 内核与运行时。 集成 FlashMLA、DeepGEMM、DeepEP、TileKernels、DeepSelect，以及用 TileLang 编写的自定义内核（位于 deepinfer/model_executor/layers/tilelang_ops）。这些是吞吐和延迟的底层保障。 2. 并行策略：Attention 与 MoE 分治。 注意力部分采用 DP（数据并行）或均衡的 CP（上下文并行，处理超长序列）；MoE 部分采用 EP（专家并行）加 EPLB（专家并行负载均衡），并支持冗余专家（默认 32 个，向上取整到能被 EP 数整除）来缓解专家负载不均。这种“注意力 DP/CP + MoE EP”的组合是 DeepSeek 生产验证过的架构。 3. DSpark 投机解码。 基于 MTP（multi-token prediction）draft token 加速解码，亮点是“置信度调度验证”；按置信度决定接受多少 draft token，而非固定规则。默认最大 draft 长度 5。这是推理加速比的主要来源之一。 4. YoCo SWA 有界重放。 针对 YoCo 式解码器 + 滑动窗口注意力（SWA）的优化：prefill 时只保留并重放有界的 token 后缀（默认 140 个，需覆盖 SWA 窗口加最大回溯长度），大幅削减 decoder prefill 的计算量。仓库还专门提供了 YoCo mask/compact 等价性验证。 5. 异步调度。 CPU 上的批调度与 GPU/NPU 上的执行重叠，做到“零开销调度器”，默认开启。 6. 批不变与确定性推理。 开启 DEEPINFER_BATCH_INVARIANT=1 后，不同批次组合下结果完全一致；再配合固定 seq_seed、关闭 MTP varlen，可实现逐 token 确定性的采样输出。这对可复现评测和回归测试（仓库用逐样本精确对比的 PPL 基线来把关）很关键，目前仅限 NVIDIA 平台。 7. 结构化输出。 原生支持 regex、JSON schema、EBNF 三种约束生成，通过 SamplingParams 的 so_args 传入。
#开源/仓库#推理#DeepSeek
New on our Science Blog: designing protein binders against scorpion neurotoxins. Scorpions sting about 1.2m people every year, and antivenoms are often costly or in short supply. Claude has made an early step toward finding new treatments. https://t.co/l6LgdEqM7I
#现象/趋势#Agent#Anthropic
#论文/研究#Agent#DeepMind
#论文/研究#Agent#多模态
Databricks 推出面向生产智能体的持久记忆架构 MemCurrent，已用于 Agent Bricks Memory 和 Genie。它结合原始会话轨迹的情景记忆与提炼后的派生记忆，通过插件、工具和离线 dreaming 管道三种方式读写。在内部基准上，智能体通过率从无记忆的 22.3% 提升到 68.4%，同时快 1.35 倍、便宜 1.44 倍；在 LoCoMo 等开源基准上以约 12 倍更少的输入 token 达到接近全上下文的水平。
#产品更新#Agent#RAG
清华大学戴琼海团队与解放军总医院戴朴团队研制出无线介观显微镜Airscope，重量仅1克，可在6毫米视场内以4至6微米单细胞分辨率记录小鼠大脑皮层神经活动，单只小鼠可同时记录8500多个神经元，是现有同类型设备的25倍。该设备仅用4片非球面镜片，通过200万像素图像传感器实现端侧压缩，使百万像素级图像可无线传输，摆脱了线缆束缚。成果19日在线发表于《自然》，团队已用其在5平方米自然栖息地和32个末端的大型迷宫中记录多只小鼠的皮层活动。
#论文/研究#端侧
IBM Research 报告称，从智能体自身训练轨迹中自动学到的行为规则追加到系统提示词后，使 GPT-4.1 客服智能体在 τ²-bench 零售域达到 67.5% Pass^4，高于其 2026 年 10 月 12 日排行榜快照中的所有零售条目。该方法名为 ALTK-Evolve，由同一模型把成功与失败蒸馏成简短行为规则，无需更新权重或人工标注。在 40 个留出零售任务上，无规则基线为 78.1% 平均准确率和 57.5% Pass^4，保留全部 292 条规则的配置升至 82.5% 和 67.5%；航空域则是最多保留 14 条高支持度规则的 sup3 配置 Pass^4 最佳。规则块使零售每次对话成本从 $0.084 升至 $0.139，但对话轮数略有减少。
#论文/研究#Agent#评测/基准
Ai2 推出 FairStress，一个衡量 LLM 在招聘、医疗、借贷等决策中人口群体公平性的基准，包含 300 个双候选人场景、29 个领域，组合身份呈现方式与对抗前缀后扩展出超过 1300 万个测试用例，并已开放下载、接入 Olmo-eval。实验覆盖 Olmo、Llama、Qwen、Gemma、Claude 和 GPT 系列，发现当候选人身份以隐含方式呈现时，模型放弃正确答案的平均差距为 6.9 个百分点，明确标注身份时为 9.3 个百分点。在 FairStress-Core 上，Claude Opus 5 和 GPT-5.5 在无明显更优候选时约有 60–65% 选择少数群体编码候选人；测试的九种去偏方法多数未能可靠缩小不对称，反事实思维链在保持准确率的同时缩小了差距。
#评测/基准#安全/对齐#开源生态