OpenAI 公布前沿模型在数学开放问题上的新结果

OpenAI 发布内部前沿模型在数学开放问题上的新结果，并公开 Lean 证明形式化及研究细节。相关材料已发布在 GitHub 上。

开源工具 BootLoops 让 Claude 完成精确科学计算，三个月产出 36 篇手稿

哈佛物理学家 Matthew Schwartz 在 Anthropic 客座博文中介绍开源工具 BootLoops，它让 Claude 完成精确科学计算，三个月内团队在 18 个领域产出 36 篇手稿、19 位合著者。

OpenBMB@OpenBMBAI 评分4747

清华 NLP（OpenBMB 成员）联合中科院大学、东北大学、UIUC 和约翰霍普金斯大学提出 One-Shot OPD，将 OPD 训练集压缩到一条查询：数学任务上从 59.1 提升至 68.5（300 步），达到全量数据 OPD 69.8 的 87% 增益，并在代码、指令跟随和智能体工具使用上跨 Qwen、Llama、OLMo 成立。

arXiv 论文发现 chat template 像开关一样切换 LLM 的自我指涉语气

一项 arXiv 研究（https://arxiv.org/abs/2609.25021）发现 chat template 像开关一样控制 LLM 的自指语气：8 个 9B 以下开源 instruct 模型加模板时免责声明语气（如"I'm just an AI"）达 53%、体验性语气（"I feel"）仅 1%，去掉模板后变为 36% 和 15%。

YuE2 论文提出统一符号与音频的歌曲生成模型

arXiv 论文介绍 YuE2，通过符号规划统一符号与音频音乐生成，单一 AR-NAR Mixture-of-Transformers 先生成可读乐谱，再扩展为语义音乐 token 并实现全曲音频。

Rufus-Air：基于 GLM-4.5-Air-Base 的开源 LLM 后训练配方

Rufus-Air 发布了在 GLM-4.5-Air-Base（106B-A12B）上可复现的开源后训练配方，按 SFT、Reasoning RL、Coding RL、Instruction-Following RL、通用 Agent、Coding Agent、Search Agent 和 RLHF 八个阶段串行组织。

Hunyuan-A13B 技术报告发布：80B 总参数、13B 激活的开源 MoE 模型

腾讯混元发布开源 MoE 大语言模型 Hunyuan-A13B，总参数 80B、推理仅激活 13B，以平衡能力、效率与部署成本。模型在经严格筛选的 20T token 语料上预训练并加强 STEM 数据，再经 SFT 和大规模强化学习；引入双模式 Chain-of-Thought 框架，简单问题用快思考、复杂多步问题用慢思考。

Anthropic：Claude 四周优化 30 多个开源生物分子模型，平均提速约 4 倍并开源代码

Anthropic 让 Claude 在不到四周内优化了超过 30 个开源生物分子模型，平均提速约 4 倍、精度损失极小，输出完全一致时也有近 2 倍加速。优化代码全部开源，还推出低内存 Big 模式，可在单张 NVIDIA GPU 节点上对超过 10,000 token 的生物分子系统做准确预测。

DAIR.AI@dair_aiAI 评分5555

NVIDIA 论文提出 Agora，把多个研究智能体的共享记忆记录为 Git 中只增不改的 DAG，每个结果、假设和验证都是不可变 commit，父边标明依赖关系，索引列出开放分支与验证状态。

Edge0 用预路由预测让 35B MoE 模型在 24GB 单卡从 SSD 流式推理

论文提出 Edge0，一种流式 MoE 推理引擎，通过每层提前一个 token 预测下一层路由的 prerouter，使专家预取与实际路由一致，解决 SSD 卸载无法提前读取的延迟问题。

Rohan Paul@rohanpaul_aiAI 评分6464

Mozilla 发布 91 页报告称开放权重 AI 目前仅落后前沿约 4 个月。OpenRouter 上 8 月 token 量前十的模型有 8 个是开放权重。

Rohan Paul@rohanpaul_aiAI 评分6161

Mozilla 发布 91 页报告称开源权重模型仅落后前沿约 4 个月；8 月 OpenRouter 按 token 量计前 10 模型中 8 个为开源权重、7 个为中国造，DeepSeek 成为首个在周请求数上居首的开源模型。

Agora 论文提出以 Git 作为共享记忆的集体 AutoResearch 系统

论文提出 Agora，用 Git 存储的只追加有向无环图作为智能体共享记忆，每条结果、洞察或验证都是可检出复现的 commit。

Artificial Analysis 评测蚂蚁集团金融模型 Ling-3.0-flash-Fin

蚂蚁集团发布基于 Ling-3.0-flash 的金融开源权重模型 Ling-3.0-flash-Fin，在 Artificial Analysis Intelligence Index 得 23 分，Finance & Accounting Index 得 24 分。

ZGCM-1：完全开源的 7B 数学与智能体搜索基础模型

ZGCM-1 是一个完全开源的 7B 稠密基础模型，从零训练，主打在 256K 上下文中结合内部思考与外部工具调用，在数学推理和智能体搜索任务上可媲美 Qwen3-235B-A22B、GLM-5.1 等更大的前沿模型。

Gander 全双工全模态交互智能体技术报告发布并开源

作者发布 Gander 技术报告，这是一个端到端模型，在单一框架内统一全模态感知、实时交互与智能体能力，支持视频、语音、文本流式输入与随时打断的全双工交互。其采用 Cerebellum-Brain 协同框架，小脑负责实时交互与对话，大脑负责复杂推理与智能体任务，并基于流式 Thinker-Talker 架构实现低延迟；模型、代码和数据将开源。

Miles v0.1 发布：面向生产级后训练的开源 RL 系统

Miles v0.1 是一个全栈、生产就绪的前沿后训练系统，围绕 slime 的设计，将 RL 训练循环各环节按可验证、干净、可定制的原则构建，并已在 https://github.com/radixark/miles 开源。

NVIDIA 发布 Nemotron IMO 2026 开源配方，纯自然语言证明拿下 30/42 达金牌线

NVIDIA 基于 Nemotron 3 Ultra 训练 SFT 与 RL 两个专精检查点，结合生成-验证-精炼的测试时推理流水线，在 IMO 2026 正式得分 30/42，超过 29 分的金牌线，全程不使用形式化证明器、外部工具或联网。

Feyospace-v1：七人独立团队训练出领先的开源网络智能体模型

论文提出以数据为中心的 Feyospace-v1 框架，通过五套系统与可重置的编码、漏洞、CTF、内核历史、完整利用、固件和设备环境生成数据，经执行验证和证据审计后保留 164,269 条轨迹用于长上下文监督微调。

Meta FAIR 联合牛津和 UCL 提出 AI Research Preference Models（RPMs）：在消耗 GPU 时数前排序 ML 实验

Meta FAIR、牛津大学和 UCL 团队提出 AI Research Preference Models（RPMs），在执行前对未运行的 ML 实验候选排序，只执行获胜者。

Rohan Paul@rohanpaul_aiAI 评分5151

上海人工智能实验室提出 Harness-of-Harness（HoH）框架，让编码智能体在多次迭代间持续携带代码、测试证据、已知问题和更新后的计划。

DAIR.AI@dair_aiAI 评分4949

arXiv 论文（2609.04010）提出 diffusion-augmented LLMs，即 Uno，一类在自回归模型分布上用扩散并行抽取多个 token 的新模型。

Rohan Paul@rohanpaul_aiAI 评分3535

MIT 论文 SwarmWorld 研究语言模型智能体群体能否通过共享环境实现累积式技术演化。论文中初始同质的 LLM 智能体在无预设角色的情况下自组织为技术社会，探索空间、测试材料、构建持久工件并编写可执行控制器，由确定性模拟器评估。

Anthropic@AnthropicAI精选AI 评分7676

Anthropic 宣布 Claude 上月完成了 Fermat 大定理的首个形式化证明，这是迄今最大的 Lean 证明。

DRACO：用动态评分标准做长程智能体训练的细粒度信用分配

DRACO 提出在结果信号缺失的长程智能体训练中，动态生成评分标准并按轨迹打分，再把判断以闭式方法重分配到相关步骤，在 GRPO 中产生差异化逐步优势，不引入任何训练的归因模块。

Compile by Training：将自然语言规格编译为可复用的本地神经函数

论文提出 compile by training，把自然语言规格编译为可复用的神经函数：编译时由教师模型生成任务样例，训练紧凑解释器的小型 adapter，运行时无需教师模型，可像普通软件一样存储、版本化和组合。

Minima 论文解释 Gated DeltaNet 为何能在 NVFP4 W4A4 4-bit 量化下保持性能

Minima 对 Qwen3.8-27B（48 层 GDN、16 层注意力）的全部 496 个线性层（含 GDN）应用 NVFP4 W4A4 量化，在 MMLU-Pro。

LLaDA-Image 发布：用完全开放的训练配方构建强图像生成模型

LLaDA-Image 是一个统一框架，包含从零训练的 6B Diffusion Transformer 和基于 LLaDA2.0-Mini 扩散语言模型骨干的冻结视觉语言理解模块。

AK@_akhaliqAI 评分2626

论文 Repo-To-Skill 研究如何将 GitHub 仓库蒸馏（Distilling）为 AI4AI Skills。论文链接：https://huggingface.co/papers/2609.02749。

Google 与 HHMI Janelia 发布完整雄性果蝇大脑连接组图谱

Google Research 与 HHMI Janelia、MRC 分子生物学实验室及剑桥大学等合作，在 Cell 发表雄性果蝇大脑和中枢神经系统的完整连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是目前按神经元数量计最大的大脑图谱。

DAIR.AI@dair_aiAI 评分4646

BAAI 等机构发布论文 Repo-To-Skill，提出技能驱动的研究智能体 DisCo。任务无关蒸馏将 1,000 个广泛使用的 ML 仓库压缩为 AREX-Skill Library，包含 5,000 多个已验证技能，按 20 个领域和 178 个能力族组织；任务导向蒸馏则按具体任务生成所需技能。

Qwen@Alibaba_QwenAI 评分5858

通义千问（Qwen）发布 E-Commerce Bench，用于评测 Agent 在长周期自主商业运营中的表现。智能体以 ¥100,000 启动资金在线上商店运营 365 天，处理采购、谈判、定价、促销、库存和现金流，市场由真实电商数据驱动。

Dongxi 东锡 NLP@dongxi_nlpAI 评分3939

@shannonzshen 分享了关于构建 Software World 的早期研究，这是一个由 Agent 运营的类似 GitHub 的系统。系统为依赖链中的 Python 软件包部署 Agent，每个 Agent 负责与其他 Agent 协作并优化自己所拥有的软件包。

DisCo 提出 Repo-To-Skill 方法，将 1,000 个 ML 仓库蒸馏成 5,000+ 技能并提升智能体研究表现

论文提出 Repo-To-Skill 与技能驱动的智能体 DisCo，将 GitHub 仓库中的操作性知识蒸馏为可复用技能，分为任务无关和任务导向两种形式。任务无关蒸馏产出 AREX-Skill Library，从 1,000 个常用 ML 仓库蒸馏出 5,000+ 个经核验的技能，按 20 个领域、178 个能力族组织。

SolarWM 发布开放数据与可扩展训练框架，仅用5秒序列训练实现小时级交互式视频世界模型

SolarWM 是一个全开源的交互式视频世界模型基础，包含可重构多源数据引擎和骨干原生适配框架，将10个数据集约143万片段（约25.85TB）转为统一的帧对齐训练契约，并基于 Wan2.2、LTX-2.5 和 MiniMax-H3 训练四个 5B–33B 模型。

Iris-mini 与 Iris-pro：开源搜索智能体在 BrowseComp 和 HLE 上取得强结果

论文提出 Iris-mini 和 Iris-pro 两个搜索智能体，分别以 35B-A3B 和 397B-A17B 规模训练，并公开其数据管线与训练配方。任务从网页超链接结构反向构造多跳问题，经轨迹级与轮次级过滤后 SFT，再用 SFT-RL climbing 交替优化。

Harness-of-Harness 论文提出多天自主软件开发框架，平均相对提升 52.25%

论文提出 Harness-of-Harness（HoH）框架，让基于 LLM 的编码智能体在无人工干预的自主开发中持续改进软件。HoH 运行在现有 coding-agent harness 之上，将执行组织为规划-编码-测试的迭代循环，平衡修复与能力增长，并把开发拆成小而可验证的增量。

elvis@omarsar0AI 评分5858

openJiuwen 是一个开源 Agent harness，在 SWE-bench Verified 上达到 82.6%、Terminal-Bench 2.1 上达到 87.19%，分别超过最强官方榜单成绩 3.4 和 3.39 个百分点。

DAIR.AI@dair_aiAI 评分5050

华为团队发布开源编码智能体 harness openJiuwen 的论文，在 SWE-bench Verified 上达到 82.6%、Terminal-Bench 2.1 上达到 87.19%，分别超过最强官方榜单成绩 3.4 和 3.39 个百分点。

DreamX-Creator 1.0 发布：7B 模型实现 2K 分辨率原生音视频联合生成

DreamX-Creator 1.0 是一个以 7B 生成器为核心的原生音视频联合生成系统，基于首帧和文本提示对音频与视频流联合去噪，通过 Gated Cross-Modal Attention 在网络后半段耦合两个模态。