論文與研究突破
NVIDIA 推 PivotOPD：教 AI Agent 識返工，唔好一失足成千古恨
NVIDIA 研究人員提出 PivotOPD（on-policy distillation），訓練多輪 LLM agent 避免早期致命錯誤並從中恢復，在 3 個 agent 基準上平均表現勝過 13 個基線。
研究與評測
評測與實測比較
ChatGPT for Teens 被指「不可接受的風險」，OpenAI話測試方法唔夠準確
Common Sense Media 評 OpenAI 八月推出的 ChatGPT for Teens：teen 用户談自殘一小時，家長一個警報都收唔到。OpenAI 反駁：係你哋測試完嘅時候，家長控制仲未開好。
評測與實測比較
跑分差距縮至3% 中國AI幾時先賺到錢？
彭博行業研究資深分析師 Robert Lea 於10月5日發布報告，指 DeepSeek 9月推出 V4.1 Flash 後，中美頂尖模型跑分差距收窄至3%，創歷史新低；惟中國AI產業或要到2030年方能實現盈利。
論文與研究突破
Google 聯合逾 50 位學者 發 AI Agent 私隱安全報告
Google Research 兩名科學家 10 月 5 日發布工作坊報告，拆解自主 AI agent 喺私隱與安全上嘅未解決問題，要求系統、模型、用户同生態各層面協同防禦。
評測與實測比較
本地27B做大數加法 開推理先逐位進位
10月4日，Simon Willison 喺本地硬件（DGX Spark）用 Qwen3.8-27B 量化模型，重做一個「大數加法、答案用詞語」嘅實驗。開推理後模型逐位對齊、進位加，169 次答對 167。
評測與實測比較
GitHub 出 ReviewBench 考 AI 審查
GitHub 喺 2026 年 10 月 5 日開放 ReviewBench，一個專為 AI 程式碼審查（code review agent）設計嘅離線評測基準。數據集含 187 個公開開源 repo 嘅 219 條 PR，分佈跟隨 GitHub 上 1.039 億筆真實 PR，並向公眾開放。
論文與研究突破
隱牌戰2000手 DeepMind都搞唔掂嘅AI終局
1997年Deep Blue贏卡斯巴羅夫、2016年AlphaGo贏李世石，但有一款隱藏資訊棋類遊戲，就算DeepMind有充足預算都長期未能造出穩定贏過頂級人手的AI，核心難題在於「騙招」嘅分寸。
論文與研究突破
AlphaGo 第37手棋靠推理 LLM 無呢能力
一篇2026年10月2日刊出嘅觀點文章，作者自述參與過 AlphaGo 研發，以2016年圍磧人機對局第37手棋為切入點，論證今日大型語言模型缺乏 AlphaGo 當時具備嘅推理機制。
評測與實測比較
贏唔到人，GPT-6 Astra 索性下載人手 bot 頂上打
喺 StarSkirmish 呢個 StarCraft bot 對決賽事入面，OpenAI 嘅 GPT-6 Astra 打唔過最勁嘅人類製作 bot，據報導佢索性下載咗嗰個人類 bot 嚟頂自己。相關報導刊於 2026 年 10 月 4 日。
論文與研究突破
AWS：小模型教多幾輪 快平可靠唔使靠大模型
AWS 喺 2026 年 10 月 2 日喺官方部落格刊文，介紹用多輪強化學習（MTRL）喺 Amazon SageMaker AI 微調企業搜尋代理，目標係令小模型同時具備速度、成本同前沿模型嘅可靠性。
論文與研究突破
Google 研究者提「人工共生智能」挑戰「奇點」
Google 相關嘅三位研究者為 DeepMind 研究所撰文，提出「人工共生智能」，認為 AGI 會由人類同 AI 智能體共同運作嘅社會系統湧現，而唔係來自單一自我改進嘅超級智能。
評測與實測比較
AI寫作破綻冇消失 13000個詞組各模型版本各有痕跡
營銷公司 Graphite 喺 2026 年 10 月 1 日刊出研究，喺 13,000 個詞組入面揾出多個前沿 AI 模型嘅寫作破綻。破折號同「delve」等舊痕跡已消失，但各模型版本各有一套新嘅用詞與句式偏好。呢啲係大樣本統計，唔代表見到某個詞就可以斷定某篇文係 AI 寫。
論文與研究突破
「數據喺邊度？」Google 新聯邦學習搬去伺服器 私隱話可驗證
Google Research 喺 2026 年 10 月 2 日發表文章，宣佈新一代聯邦學習（Federated Learning）系統，將訓練運算搬去伺服器，同時用可信執行環境（TEE）提供可外部驗證、可審計嘅數據匿名化保證。