从原始来源出发，读懂值得关注的 AI 变化。
2026年9月初，逾300名波士顿动力员工签署请愿书，要求公司高层中止向美国移民与海关执法局（ICE）出售其四足机器人；该请愿半数签名匿名，并已提交至公司管理层及《波士顿环球报》、WBUR电台。尽管员工担忧伦理与声誉风险，公司仍确认执行交易，强调机器人不会被武器化。
推荐理由：事件反映AI与机器人技术在执法场景应用引发的内部伦理争议，具有典型性与时效性；信息源明确（Ars Technica，2026-10-26发布），关键事实（时间、主体、金额、立场）均来自材料且相互印证，无外部推断。
据钛媒体10月26日报道，宇树科技联合创始人王兴兴于2026年10月12日提出，明年发布的GPT-7可能“直接把具身智能问题打穿”；该判断较其8月“快则两三年”的预判大幅提前。同期，Artificial Analysis、RoboDojo等机构实测显示通用大模型（如GPT-6 Astra）已在仿真与真机任务中逼近甚至反超专用策略，但执行节拍、调用成本与可靠性仍存明显短板。Physical Intelligence等公司已开放API服务，推动机器人智能从自研重资产转向按需采购的技术服务。
推荐理由：材料基于多源可验证的近期事件：王兴兴公开表态（上证报，2026-10-12）、AA-Robotics v0.1真机评测（2026-10-14）、RoboDojo仿真榜单（2026-09）、PI API开放（2026-10-13）及Figure、银河通用与宇树等企业合作进展（均发生于2026年10月内），所有时间节点均不晚于当前系统时间（2026-10-26），且来源明确、交叉印证，具备强时效性与事实锚点。
Kimi于2026年10月25日发布K3.1 Pro模型，在Terminal-Bench 4.0终端任务测试中以67.2%成功率位列第一；其自主修复仿真器错误、完成物理模拟、音频分析、3D场景构建及视频剪辑等多任务能力，指向具身智能技术路径探索。
推荐理由：材料基于钛媒体授权发布的实测报告，涵盖权威第三方评测数据（Artificial Analysis、Terminal-Bench 4.0等）、官方自测结果及作者多场景功能验证，聚焦K3.1 Pro在执行能力、仿真闭环、多模态编程上的实质性进步，同时明确标注性能局限与未公开信息（如Flash/Ultra尚未发布），符合事实核查与信源标注要求。
2026年10月24日，arXiv发布论文arXiv:2610.30690v1，提出一种由两名临床医生主导定义、定稿与裁决的四条安全检查规则库，经形式化验证后作为守卫层应用于心理健康场景下的大语言模型（LLM）输出。该守卫层所有判断均可从一条命名规则和十六个事实复现，旨在提升安全性判断的可解释性与可检验性。
推荐理由：该研究提供了一种区别于主流prompt工程、LLM-as-a-Judge或Constitutional AI的安全增强路径，其核心创新在于将临床决策结构化、形式化并全程留痕；所有关键主张（如规则数量、验证方式、事实基数、对比实验数据及成本测量）均来自原文明确陈述，且发布时间（2026-10-24）与当前UTC日期（2026-10-25）一致，具备时效性与可信基础。
研究者提出SIM-UT（Simulation of User Behaviour for Triage），一种多轮次、基于真实用户行为模拟的评估方法，用于识别大语言模型（LLM）驱动的医疗分诊聊天机器人在低收入和中等收入国家（LMICs）实际场景中的生态有效失败模式。
推荐理由：该框架突破了现有单轮次、英语为主的评测局限，通过5000+轮多语种模拟对话，覆盖印度、南非、肯尼亚三地真实WhatsApp健康项目，首次系统揭示‘临床危险性降级’（de-escalation risk）这一关键失效行为，具有方法论创新性与临床安全警示价值。
