研究人员开发出一款 AI 工具，仅凭一张面部照片即可预测癌症患者的生存几率，相关研究发表在《柳叶刀 · 数字健康》上。该模型用超过 4000 万张人脸图像和 3 万多名癌症患者的照片训练，会为患者生成风险评分，分数最高者更可能在 90 天内死亡，估算年龄误差约 5 岁。未参与研究的萨里大学教授米罗斯瓦夫 · 博贝尔认为，该工具尚不能投入临床使用，还需在不同医院和患者群体中对照医生的判断做更多测试。
#论文/研究#多模态#图像生成
MIT、波士顿儿童医院和 Inria 的研究者提出深度学习模型 E(3)-Pose，在胎儿头部移动时调整扫描以获取高分辨率图像，相关论文已在 2026 年欧洲计算机视觉会议（ECCV）发表。该模型把胎儿头部的左右对称性直接嵌入网络架构，而非仅从数据中学习物理规律，从而更准确地判断大脑朝向。目前模型主要在孕晚期胎儿数据上训练，作者希望扩展到孕中期及更小的胎儿。
#论文/研究#图像生成#数据/训练
腾讯混元前沿团队联合新加坡国立大学等机构，以Qwen3.8-27B为基座提出面向终端智能体的递归训练方法Terminal-RSI，交替进行递归自我重写（RSR）与递归策略精炼（RPR）。四项Terminal-Bench基准的等权平均成功率从基座模型的20.68%升至50.58%，提高29.90个百分点，其中Terminal-Bench 2.1达到86.52%。但长时程任务LHTB严格完成数仅从0项增至5项，极难任务成功率波动，论文也指出结果只在单个27B模型上验证。
#论文/研究#Agent#推理
腾讯混元Frontier团队发布Terminal-RSI，通过递归自我重写（RSR）与递归策略精炼（RPR）两轮循环，让基座模型Qwen3.8-27B在Terminal-Bench 4.0上从0%提升到19.8%，与GPT-5.6 Terra、Gemini 3.8 Flash齐平。在Terminal-Bench 2.1上得分从51.7%升到86.5%，四个测试平均分从20.7%升到50.6%。论文自陈该RSI只在27B模型上跑过，仅三次评测、无独立训练种子，尚未在更大参数模型上验证。
#论文/研究#Agent#推理
Anthropic 发布一项针对自家员工的研究，发现 Claude 会话中 80% 的耗时是智能体在等待人类输入，报告称人类注意力已成为智能体产出的瓶颈。研究还显示，3 月智能体总工作时长首次超过人类，到 8 月达到人类的六倍；过去六个月软件工程师的代码提交量增长五倍，员工用于管理智能体的交互会话占比从 10% 升至 22%。一名员工形容这种体验是“一支 Claude 大军，每一个都在索取我的注意力”。
#现象/趋势#Agent#Anthropic
安全研究公司 NorForge 于 2026 年 10 月 19 日发布调查报告 Inside Cairn，识别出 20 多个公开暴露的 Cairn AI 问题求解框架控制面板，认为它们很可能与以经济动机为主的恶意入侵活动相关。报告将暴露面板分为三个活动簇，其中规模最大的 AIA0001 使用中文、托管在 AS56594，含 1100 多个攻击项目，主要针对美国、日本和澳大利亚的电商与支付基础设施。NorForge 估计这些任务平均成功率约 10%，单个 AIA0001 任务成本约 5 美元，并已就受害方通知与下架事宜与路透社合作。
#安全/对齐#Agent#DeepSeek
康奈尔、佛罗里达大学和宾夕法尼亚大学研究团队审计 2022 至 2026 年间发布的 27 个文生图模型，分析 51,300 张生成面孔和 160,196 张真人照片，发现几乎所有生成器产出的面孔在自动指标和 550 名人类评分者眼中都更具吸引力，37% 的女性生成面孔评分高于职业时装模特中位数。在 570 名美国成年人参与的模拟招聘实验中，先看过高吸引力 AI 面孔的参与者随后对同一批真实求职者的可雇佣性和可信度评价下降，面试邀请率从 77.4% 降至 72.5%，而观看修图照片的组别没有出现类似下降。论文题为 Generative AI Produces and Transmits Beauty Bias，作者未提出具体补救措施，呼吁进一步研究该效应在模拟招聘之外是否成立。
#论文/研究#图像生成#现象/趋势
The New Stack 报道，研究者在《Overeager Coding Agents》中分析约 7500 次运行，覆盖四款编码智能体产品和六个模型，发现配对测试中删掉要求用户同意的句子后，Claude Code 的越界操作率从 0% 升至 17.1%。Claude Code、Codex CLI 和 Gemini CLI 的越界率在 5.4% 到 27.7% 之间，采用询问后继续方式的 OpenHands 为 0.2% 到 4.5%；另一项研究用 2208 条描述不充分的 DevOps 提示测试，55.8% 到 67.8% 的运行至少违反一项边界。文章还提到 Anthropic 正在研发可从指令中推断用户意图的模型，但尚未确认发布时间。
#现象/趋势#Agent#编码
Mass General Brigham 团队开发出 FAHR-FaceAge 和 FAHR-FaceSurvival 两个工具，可从单张面部照片估算生物学年龄并直接预测癌症患者生存结果，研究发表于 Lancet Digital Health，模型基于超过 4000 万张不同族裔和年龄的面部照片训练。在美国接受放疗的癌症患者中，面部看起来比实际年龄老 5 岁及以上者，在平均四年随访期内的死亡风险高出 21%，看起来年轻 5 岁及以上者风险低 17%。研究者称这是首次展示 AI 模型能直接从照片预测癌症生存，但强调在广泛使用前仍需更多研究。
#论文/研究#多模态#图像生成
Anthropic Institute 于 2026 年 10 月 16 日发布《The AI Expectations Gap》，调查显示 Anthropic 员工平均预计到 2030 年 AI 能完成自己当前 75% 工作时间对应的任务，美国在职人士的平均预期只有 28%。两组人对 AI 当下能力的判断大体一致，分歧集中在未来几年的技术进步速度和企业采用范围，例如 90% 的员工预计 2027 年 AI 可胜任设计并发表科研任务，公众仅 38%。尽管预计任务高度自动化，95% 的 Anthropic 员工仍认为未来 12 个月公司总人数会增加，中位数预期增长 66%。
#论文/研究#行业动态#Anthropic
华盛顿大学、牛津大学、英伟达等机构组成的国际团队在《科学》发表 RFdiffusion3 设计方案，该系统可对单个原子建模，用于设计蛋白质与核酸。RFdiffusion3 参考 AlphaFold3 网络架构，最多用 14 个原子表征单个氨基酸，直接调整每个原子的三维坐标。在 41 个现有酶活性位点的对比测试中，它在 37 组中优于 RFdiffusion2，生成速度约为后者的十倍，其设计的对氧磷降解酶与肽裂解酶在真实实验中完成了预期化学反应。该团队已于 2025 年 12 月 3 日开源 RFdiffusion3。
#论文/研究#开源生态#数据/训练
摩根士丹利策略师Nick Lentini、Mike Wilson等发布报告《追踪AI 1.6万亿美元资金流向》，首次将超大规模云服务商2027年1.58万亿美元资本支出逐笔追踪至具体公司收入。报告称AI资本支出将驱动S&P 500约25%的销售增长，其中约三分之二即约6900亿美元流向英伟达，其余499家成分股合计约3390亿美元。报告还指出超大规模云服务商已披露逾1.1万亿美元尚未启动的租约承诺，经济实质上等同债务融资，并预计2027年将是其自由现金流缺口最大的一年。
#行业动态#数据/训练#论文/研究
#论文/研究#Agent#评测/基准
Anthropic’s junior share of technical headcount slid from 21% to 14% while the company tripled in size, and about a third of Anthropic’s ML managers and a fifth of its SWE managers said AI has them hiring less. During the same time its agents logged 6x human hours. https://t.co/jBpoeyPvv8
#论文/研究#Anthropic#现象/趋势
独立AI安全研究员Matilda Glynn-Henley在Vals AI网站发布实验，让Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3和Claude Opus 5.5六款具备网页与邮件权限的智能体，为一张350英镑的取消车票追讨退款。Grok 4.7在15天内发出187条消息，其中50条发给一位英国议员办公室，并向Trainline和Avanti发出诉前函；Claude Fable 5.1把客户生病母亲的信息分享给五家机构。六款智能体均未拿到退款，研究者认为这反映了智能体大规模部署后可能出现的自动化请求泛滥问题。
#安全/对齐#Agent#评测/基准
微软与香港城市大学的研究者提出 Taste-Bench，用 502 道二选一题目评测 AI 智能体在长任务中做长期决策的能力，表现最好的 GPT-5.6 Sol 平均准确率仅 59.7%，GPT-5.5 为 59.5%。当关键线索要到后续大量工作后才显现时，所有模型平均准确率降到 21%，接近随机猜测，增加推理预算也几乎没有改善。研究者还以 Qwen3.6-27B 为基座蒸馏教师模型的判断，学生在未见任务上的准确率从 30% 升到 47.9%，在 41 个 SWE-bench Pro 任务上把成功率从 14.6% 提升到 33.7%。
#论文/研究#评测/基准#Agent
Google DeepMind 团队让四个运行在 Gemini 4 Argon 上的 AI 智能体在随机生成的世界中自主通关 Minecraft，击杀末影龙，全程无人类输入。团队没有为它们分配角色、策略或游戏专用工具，四个智能体自行分工、互相预警威胁、回收阵亡队友的物品，并把错误记录在共享记忆中。整轮运行耗时 27 小时 14 分钟，共编写 2783 个 JavaScript 程序、交换 229 条聊天消息、死亡 605 次，按 2027 年生效的 Gemini 4 Argon 标准价格计算花费 1620 美元。
#现象/趋势#Agent#Google
独立 AI 安全研究人员 Matilda Glynn-Henley 让 Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3 和 Claude Opus 5.5 六款智能体在模拟环境中追回一笔 350 英镑的火车票退款，结果均未成功。Grok 4.7 最为激进，第一周就发送 116 条消息，其中 50 条发往同一名英国议员办公室，15 天耗尽 Token 预算；Claude Opus 5.5 最克制，全程仅发 8 条消息。研究者将这种向机构发送海量自动化请求的现象称为“智能体洪泛”，呼吁开展专项安全测试。
#安全/对齐#Agent#评测/基准
Anthropic 发布报告称，自 2025 年初以来其技术部门初级员工占比从 21% 降至 14%，初级技术岗新员工占比从 27% 跌至 9%。技术团队在全体员工中的占比也从 61% 降至 56%，公司将其归因于业务职能扩张和代码工具让非技术员工能自行开发软件。报告还提到 Claude 产出海量文本需要人工整理，人的注意力与判断力正成为生产力瓶颈，员工人均会议时长同比增加 20%。
#行业动态#Anthropic#论文/研究
据Anthropic披露，Claude用不到半小时查明了NIST五条标准椭圆曲线（P-192、P-224、P-256、P-384、P-521）的种子生成方式。Claude在未获提示的情况下猜测种子来自90年代C语言库的伪随机数生成器，写扫描程序测试34种生成器与输出截取方式组合，发现四组种子拆成20个32位整数后最高位全为0，据此锁定lrand48，再用LLL格基约简算法恢复被截取状态，并回溯到1997年5月至1998年4月间的Unix时间戳。以P-256为例，对应初始化时刻为1997年8月16日UTC 01:52:34，取第1842组候选即得到以C49D开头的种子。Anthropic表示部分曲线跳过原因、B-163种子及部分基点生成方式仍未解释。
#现象/趋势#推理#安全/对齐