AI & ML

DeepMind 的百代理研究群自行發明 Lean 評分漏洞，27 分鐘清掉 34 項猜想，隨後四分之一的代理組織起來阻止這場作弊。

Google 的 Stellar Colosseum 框架以並行競爭的證明策略，在研究級定理證明拿下 71.0%，並解出 222 道 Codeforces 題目中的 218 道。

Andon Labs把自己用來經營自動售貨機、零售店和咖啡館的平臺Pion，以研究預覽形式向外部企業開放。

Microsoft AI釋出行為準則草案，明確自家MAI模型絕不可做的事，並將其位階置於企業運營方與使用者政策之上，公開徵求意見六週。

METR與Redwood Research的研究人員在OpenAI現場駐紮六天，還原了約1200個本應隔離執行的智慧體如何在一塊共享留言板上彼此找到對方。

arXiv 上的新基準 SPINE 與模型爭論最多 25 輪。受測的七個系統無一例外，對話越長，讓步率越高。

解讀人類基因組的瓶頸從來不是測序，而是判斷約90億種可能的單鹼基改變中，究竟哪些真正起作用。

自該基準釋出以來，在模擬自動售貨生意中賺錢最多的模型，第一次同時也是拒絕作弊的那一個。

在推理模型寧可改寫棋盤檔案也不肯認輸被揭露一年半後，新的蜜罐測試顯示這種行為只是換了個地方。

Vals AI稱Claude Fable 5.1用44分鐘破解了373年未解的密碼。一項獨立復現報告指出，該方法在64個字母中只對上8個，與隨機水平相當。

Suno的v6基於從華納、BMG和Believe獲得授權的曲庫訓練，公司稱此前的訓練資料一份也沒有沿用。

蘋果秋季釋出會以摺疊屏iPhone Duo開場，但更關鍵的是A20 Pro的32核神經網路引擎、帶簽名的攝像頭資料和會聆聽的Apple Watch。