OpenAI改写人类科学史！“王的猜想”全维度告破，30年铁律ETH塌了
新智元报道 说真的，人类科学史今夜彻底改写了！就在刚刚，OpenAI一口气连放三弹，官宣内部AI独立完成三大堪称「里程碑」新发现——数学： 证明全维度的「局部平滑猜想」，彻底终结困扰数学界百年的「挂谷猜想」；计算机科学：证伪了统治学界近30年的「指数时间假设」（ETH）；理论物理：给出了四维量子色动力学（QCD）与纯...
AI NEWS JOURNAL
全部 AI 动态
保留完整资讯流，用来源、主题和时间找到你关心的消息。
王的猜想，被 AI 一夜通关
AI 已经开始陆续交卷了，但人类可能连阅卷都快来不及了。#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
Okta 在大规模管理 AI 智能体上下文时所学到的经验
Okta 采用 dbt 作为单一事实来源，重新构建了其对 AI 智能体的上下文管理方式。
在 dbt Wizard 内部，用于展示其工作成果的 AI 智能体
dbt Wizard 的设计负责人和工程负责人展示了该代理在代码投入生产之前如何对其自身的工作进行验证。
dbt v2 登陆：解析速度更快、采用统一的适配器层，并提供无需庞大 manifest.json 文件的文档体验
dbt v2 将适配器打包，加快解析速度，并用更小、可查询的文件取代 manifest.json，供用户和 AI 使用。
Supabase 的十亿款 AI 构建应用计划
AI 智能体正在创造越来越多的软件——而这改变了后端需要承担的职责。Supabase 联合创始人 Paul Copplestone 和 Ant Wilson 做客 swyx，探讨如何在数据库旁运行长期运行的工作负载，并让模式更易于智能体理解……
展示我们的工作：一项关于情境工程的受控实验
我们针对四个上下文源运行了一项AI技能80次。经过工程化处理的摘要使成本降低了48.5%，运行时间缩短了43.2%。
Ramp 的内部 AI 智能体如何突破百万次会话
Ramp 通过将内部 AI 视作分析工程，共享了其构建的代理、沙盒和仪表板。
从大型机到人工智能驱动的成熟：Verisk 的数据现代化之旅
Verisk 将数十年的保险数据从大型机迁移至 dbt，实现了 AI 就绪。
从提示到PR：Careem的AI如何在人类看到之前编写并验证dbt模型
Careem 的 AI 智能体在有人审查 PR 之前，就已端到端地编写并验证 dbt 模型。
Kilo 的一位数据科学家如何构建了其 AI 智能体所缺失的业务上下文层
一位数据科学家如何为组织知识构建了一个AI上下文层，而仅靠一个dbt项目是无法承载的。
一群失控的 AI 智能体能教会我们如何产生更好的创意
本恩·斯坦西尔借助 Hugging Face 的这一技巧，阐释了为何最有用的创意往往源自最奇特的关联。
研究提出多模态方法预测自闭症与非自闭症个体双人对话的成功感知
一项发表于arXiv（编号2610.31682v1）的新研究，利用言语运动、面部表情、声学韵律及话轮转换等多模态特征，在三个包含自闭症与非自闭症参与者的自发双人互动数据集上，预测参与者自身对对话成功程度的主观感知。
推荐理由：该研究突破以往聚焦诊断分类或单模态分析的局限，首次系统整合互补性多模态行为指标来建模‘感知到的对话成功’这一社会沟通核心维度，为提升神经多样性人群交流支持技术提供新方法论依据；论文已公开发布，时间戳与当前系统时间一致，属最新学术进展。
研究发布拉丁语专用语言模型LAMB及两大新语料库Acervus与Corpus Trinum
2026年10月26日，arXiv发布论文arXiv:2610.31723v1，提出拉丁语专用编码器Latin Modern BERT（LAMB），基于ModernBERT架构，经两阶段预训练，使用超740亿拉丁语词元及新型形态学感知掩码策略；同时公开两个全新拉丁语语料库：含240亿词元的Acervus（含76万经ByT5修复的OCR损坏文本）和首个人工构建的拉丁语语义三元组数据集Corpus Trinum（超1亿强/弱三元组）。
推荐理由：该研究填补了古典语言NLP基础资源空白，首次系统构建面向拉丁语语义理解的大规模预训练模型与配套评测基准，并通过严谨实验验证LAMB在17个子任务中16项领先，具备明确技术贡献与可复现性；所有结论均严格对应arXiv论文摘要与事实提取内容，未引入外部信息。
研究利用BabyView数据集验证儿童跨情境词义学习机制
该论文（arXiv:2610.31842v1）于2026年10月26日发布，基于BabyView语料库——包含48名儿童共2441小时的纵向第一人称视角视频——训练对比式视觉-语言模型，检验‘跨情境学习’假说在真实儿童经验中的可行性。
推荐理由：研究首次在大规模自然主义发育数据上系统评估跨情境词义学习，揭示了预训练视觉表征的关键作用、学习信号的稀疏性，以及模型与儿童学习轨迹的本质差异，对发展认知建模和AI语言习得研究具有方法论意义。
StackGen3D：基于多视图轮廓的稳定三维块堆叠生成
arXiv：2610.31803v1 发布类型：新 摘要：从视觉规格生成物理上稳定的三维结构，需要在解决几何不确定性的同时考虑物体之间的物理相互作用。我们提出了 StackGen3D，这是一个框架，可根据给定的积木库存和三个正交轮廓图生成稳定的积木组合。我们的方法分为两个阶段。首先，我们开发了一种融合物理信息的图神经网络（PI-GNN），用于建模积木之间的支撑关系，并作为快速的稳定性预测器，以筛选出多样化的稳定结构数据集。其次，我们在该数据集上训练一个条件流匹配模型，以捕捉与目标轮廓图相一致的积木构型的多模态分布。在推理阶段，轻
研究揭示奖励模型评分存在显著提示依赖性：成对评估无法检测该偏差
一篇2026年10月24日发布于arXiv的AI研究论文指出，当前主流的成对（pairwise）评估方法会自动抵消同一提示下所有响应共有的评分成分，导致奖励模型中关键的‘提示级偏差’未被检验；作者通过人类评分作为参照，对18个已发布评分器开展审计，发现在HelpSteer2数据集上，6个模型高达34%–64%的评分方差源于提示本身，而人类评分几乎无此现象。
推荐理由：该研究指出了大语言模型对齐流程中一个被长期忽视的基础性缺陷——奖励模型评分高度绑定于提示文本而非响应质量本身；其方法论（人类参照审计、提示替换、方差分解）具可复现性，结论基于实证分析且覆盖多个主流开源评分器，对偏好优化、RLHF和安全评估实践具有直接警示意义。
WikiOriginQA发布：基于维基百科多语种版本创建时间自动构建的文化偏见评估问答数据集
研究团队于2026年10月24日在arXiv发布论文（编号2610.30677v1），介绍全自动构建的问答数据集WikiOriginQA，利用各语言维基百科版本的创建日期客观表征知识起源，旨在提升文化偏见评估的可扩展性。
推荐理由：该研究提出一种无需人工标注、可跨语言规模化生成文化知识溯源数据的方法，并通过实验证实大语言模型在 Anglophone 文化相关问题上存在系统性性能优势，为文化偏见量化分析提供了新工具。
微软与Hugging Face开源ThinkingBox框架：以数据库终态为确定性奖励信号推进智能体RL后训练
微软与Hugging Face联合推出开源框架ThinkingBox，通过比对LLM智能体执行后的真实数据库终态与预期状态生成0/1二元奖励，用于强化学习后训练；配套基准ThinkingBox-Bench含507个真实后端任务，全部任务均未参与训练；Qwen3.8-27B经50步GRPO微调后，在持留测试集上pass@1提升9.08个百分点，Observed 20/20翻近三倍，但部分领域pass@20下降，反映广度与稳定性权衡。
PHP‘末日漏洞’曝光：OpenAI与Wiz利用AI发现横跨20年的高危缺陷
美国国家安全局（NSA）紧急预警，OpenAI与Google旗下Wiz团队通过AI工具联合发现两个影响所有PHP 5及以上版本（自2004年起）的严重安全漏洞；漏洞可致服务器文件系统或数据库被远程渗透，目前尚无野外利用报告，但AI已大幅降低攻击门槛，全球数千万网站亟需紧急升级至PHP 8.5.12。