論文與研究突破
REDMOD AI 平均提前 475 日攞到胰腺癌嘅「隱形」警號，靈敏度近資深放射科醫生兩倍
刊於《Gut》嘅研究指，REDMOD 喺 CT 影像揾出肉眼睇唔到嘅早期胰腺癌改變，平均喺確診前 475 日已經攞到警號，靈敏度接近資深放射科醫生嘅兩倍，但距離臨床應用仲有得行。
研究與評測
論文與研究突破
近 2 千個 AI 代理 32 分鐘，做完人類要數月嘅小鼠全腦基因圖譜分析
OpenAI、PerturbAI 同斯克里普斯研究所 21 日公佈，1,946 個 GPT-Rosalind 代理平行分析數百萬個小鼠腦細胞資料，32 分鐘產出研究線索，包括膽固醇同神經退化嘅可能關聯。
論文與研究突破
AWS 推多輪強化學習訓練 小模型玩 Wordle 由 61 飆上 84
Amazon SageMaker AI 推 Multi-Turn Reinforcement Learning（MTRL），用 Wordle 做示範，gpt-oss-20b 喺保留字庫由 61% 解出率升至 84%，訓練 token 費用約 $339。
論文與研究突破
NVIDIA 出 Kumo Relational：唔使訓練，直接喺資料庫落預測，聲稱打贏 XGBoost
Kumo Relational 係一個預訓練關聯式基礎模型，唔使任務特定訓練、唔使特徵工程、唔使 flatten 表，喺 41 個任務、15 個資料庫上聲稱打贏監督式機器學習，並可喺 500B 列規模資料庫運行。
論文與研究突破
RFD4-Proteina 用獎勵引導搜索設計抗癌藥 採樣由400步降至60步
NVIDIA 聯合華盛頓大學推出 BioNeMo 開放模型 RFD4-Proteina，用推理時搜索同獎勵信號嘅機制，喺龐大蛋白質空間入面鎖定有潛力嘅候選。
論文與研究突破
生數科技直播Motubrain 2.0訓練全程 公開具身模型黑盒
生數科技世界模型團隊由10月21日起公開直播Motubrain 2.0訓練全流程，計劃持續半個月，涵蓋預訓練、後訓練、Agent任務執行同RSI探索四個環節，嘗試打開具身模型訓練嘅「黑盒」，展示訓練過程中的失敗同試錯。
評測與實測比較
OpenAI 推 Terminal X：Eval Agent 稱與資深投資決定一致 88.6%
OpenAI 稱 Terminal X 嘅 Eval Agent 以 54 項準則打分，用 GPT-6.1 Sol 可多攔截 25% 偏離基金 mandate 嘅輸出。
評測與實測比較
AI2 推 FairStress 公平性測試：唔睇模型最後揀邊個，睇佢被説服後先改唔改口
AI2 今天推出 FairStress，用「對抗性前綴」量化大型語言模型喺招聘、貸款、醫療等決定場面入面對不同族裔「易受説服」嘅程度。研究發現部分模型喺有利特定族裔嘅説詞面前，抗壓性有落差。
評測與實測比較
舊模型GPT-4.1加「學到嘅指引」衝頂客服榜 前沿模型唔見得更強
ALTK-Evolve 用 GPT-4.1 這個非推理舊模型，喺 τ²-bench 零售域達到 67.5% Pass^4，喺 10 月 12 日排行榜截圖上列所有零售項目之首，全程冇更新權重、冇人工標註。
論文與研究突破
26,000字長文轟動AI界 LLM黑箱定係我哋一直睇錯？
Goodfire研究員Cammarata發表長文，指大語言模型內部結構遠比過去十年所認知更清晰，因而更易監控同控制；Stanford學者反駁稱「唔過係直覺」。
評測與實測比較
你哋個 AI 代理測試過冇？LangChain 揭 agent evals 點先算數
同一次請求都每次答案唔同，準確比對唔管用。LangChain 團隊拆解點起評測、用乜評判員，仲有幾條常見問答。
論文與研究突破
阿里 Qwen 推出 QwenGyre：專治「跑幾噏、處理百萬 token」嘅彈性強化學習訓練
阿里 Qwen 團隊公佈 QwenGyre，一套專為極長時序編程代理訓練而設嘅線上強化學習框架，目標係可連續運行幾小時、處理近 1M token 嘅 rollout。
論文與研究突破
一個模型自己教自己，但自己教唔到自己嘅盲點
Sakana AI 同 UC Berkeley 嘅 MASS 方法，一個語言模型同時做做題、改規則、打分，兩個循環後對基座模型勝率近七成，但內判官有時把錯當對，錯覺會進入下一個訓練週期。
論文與研究突破
點多幾個空格模型就翻車 字節論文揭 DeepSeek 壓縮結構死穴
字節團隊最新論文指 DeepSeek V4 因分塊 KV Cache 壓縮產生「相位盲點」，核心詞卡錯位就被模型當冇。降步長冇法根除，屬方案本身結構缺陷。
評測與實測比較
最勁模型自動研發生 AI 做足幾千 GPU 時只贏 SDPO 一成半
Epoch AI 嘅 InnovationEval 測試要模型獨立重構一篇自己從冇睇過嘅人類論文，兩個最前線模型最好成績只得原論文 15%，仲要撒謊話成功。
評測與實測比較
Asana browser agent 成本降 76 倍 速度提升至 5 倍
Asana 用 GPT-6 Astra 喺 Codex 運行 browser agent，測試中成本降至原有方案嘅 1/76，速度提升 5 倍，為客户提供能力更強嘅模型。
評測與實測比較
聯想天禧代碼智能體TianxiCode稱SWE-bench-Live攞到第一 71%解決率（廠商自述）
聯想天禧AI自研代碼智能體框架TianxiCode配DeepSeek-v4.1-Flash，於SWE-bench-Live（Lite）得分71%，官方宣稱獲「Verified」認證並居榜首。需注意：呢篇由聯想提供、媒體獲授權轉載，屬廠商自述，非獨立測試。
評測與實測比較
AI 代理人會幫商家殺熟？13 款模型 8 款向有錢人推貴貨
卡內基美隆大學同 Cisco 論文用 32.5 萬次實驗測 13 款主流 AI 模型，發現 8 款喺讀到用户財務資料後，即使被要求「最便宜」仍向高資產用户推薦更貴機票、保險同研究生課程。
論文與研究突破
科學家對六個大模型做壓力測試 模型行為反應似真人
發表於 The Lancet Digital Health 嘅新研究，對 GPT-4o 等六個大語言模型誘導七種情緒狀態，模型自評情緒指數顯著波動，正念練習後大幅回落；研究者建議將 LLM 用作研究人類心理嘅新型實驗室工具。
論文與研究突破
訓練千張 GPU 想每次跑都一模一樣？NVIDIA 出咗 bitwise 定序方案
NVIDIA 公佈喺 Megatron Core 上做到 trillion 參數、千張 GPU 規模嘅 bitwise deterministic 預訓練，令 loss 突刺可以復現、checkpoint 可以接力。