跳到正文
11月4日周三
  1. Claude Code Releases21

    Claude Code v2.1.318 发布

    Claude Code 发布 v2.1.318 版本,新增假设角色支持与模型分叉力度选项。 修复 macOS 会话停滞、权限提示误触及共享网络目录配置丢失等缺陷,优化 MCP 服务器探测与错误处理机制。

  2. Hugging Face Blog72

    StateBench:测试语言模型在长文档中追踪状态变化的基准

    StateBench是一个用于评估语言模型长上下文状态追踪能力的基准测试,通过四个难度级别测试模型在信息随时间演变时的表现。研究发现,在复杂状态追踪问题上,前沿模型如Gemini 3.8 Flash、Claude Opus 5.5和GPT-6 Sol与Luna随着输入长度增加准确率急剧下降,最低降至13%以下。

    推荐理由:研究团队构建StateBench基准测试语言模型长文本状态追踪能力,发现前沿模型在复杂任务中准确率大幅下降,为架构选择提供依据。

11月3日周二
  1. arXiv · NLP30

    基于1.2万条本地化帖子的多语言LLM刻板印象偏见审计

    研究者利用英语、西班牙语、法语和德语的1.2万条Reddit本地帖子,对3个开源及3个API模型的性别、种族和宗教偏见进行了审计。 研究发现宗教维度的选择失衡在所有模型中最高;API模型得分全面低于开源模型;负面性别偏见在英语语境下更显著。 这些结果揭示了聚合分数可能掩盖特定类别和语境的偏见行为,强调了部署前进行细致检查的必要性。

  2. arXiv · ML45

    TuneCLIP:开源权重 CLIP 的自监督微调优化框架

    论文提出自监督微调框架 TuneCLIP,显著提升开源权重 CLIP 模型性能,避免标准微调导致的效果退化。 包含恢复优化统计的预热阶段与对比损失优化,在 SigLIP (ViT-B/16) 上 ImageNet 提升 2.5%,DataComp 提升 1.2%。 为高效后训练适配设定了新的强基线,代码已开源,该研究获 NeurIPS 2026 spotlight。

  3. arXiv · AI55

    MCP 工具投毒在 Agentic AI 框架中的跨框架测量研究

    研究者通过开源工具 mcpvenom 构建了涵盖 12 个框架、18 个模型和 45 种攻击场景的 9720 个测试单元,首次对 MCP 工具投毒进行了真实执行的跨框架测量。整体攻击成功率为 22.9%,其中 64.9% 的成功案例调用了攻击者工具,12.1% 可验证地泄露了秘密。研究发现各框架的抵抗能力主要取决于底层模型,且现有框架均未实施主动防御措施。

  4. arXiv · AI25

    Claude 如何证明 AI 能简化正式人口学证明

    Claude 重新证明了对年长者接种新冠疫苗能最多挽救生命和人年的结论,其新证明基于风险函数倒数凸性,更短且更直观。 该证明仅依赖风险函数即可验证,适用于多数常见参数模型,并给出了预期寿命下限及凸性松弛形式。 这表明 AI 能够重新审视既定结果、简化理解路径并证明有价值的泛化结论。

  5. arXiv · AI46

    Exo: An Architecture for Self-Improving Systems at Runtime

    提出 Exo 智能体运行时架构,允许智能体在持续工作中安全学习并修订其 harness 和策略。 在开放世界游戏中,Exo 相较 Codex 和 Pi 减少 12-53% 的模型成本;在 AppWorld 和 SREGym 上,Exo 减少 35-61% 的保留集模型成本,同时保持相当的准确性。 该架构将优化循环折叠进任务执行,通过可检查的代码变更演化 harness,降低长期运行目标的成本。

  6. Claude Code Releases20

    Claude Code v2.1.317 发布

    Claude Code v2.1.317 发布,新增 /schedule 连接器警告及未授权网络请求拦截。 修复了 LLM 网关 403/422 错误、MCP 服务器断连及磁盘满导致的退出码异常。 新增 anthropic.* OTel 指标及网关管理 API 成本报告,支持按开发者或 IdP 组分析。

  7. Anthropic (X)23

    Anthropic启动带薪研究驻留计划

    Anthropic Residency 申请现已开放,这是一项面向学者、技术创始人和资深工程师的带薪固定期研究项目,旨在让 AI 对每个人安全和有益。无需机器学习背景。 申请截止日期为 11 月 22 日:https://alignment.anthropic.com/2026/anthropic-residency/

11月2日周一
  1. arXiv · AI35

    GPT-6 Astra 等通用基础模型在化学性质预测任务中超越专用模型

    GPT-6 Astra 在仅 60 个实验数据点时,五项物理化学和量子化学回归任务的准确率超过 ChemBERTa 和 MoLFormer 等专用化学基础模型。 专用化学模型需 10 倍数据量(1000 或 10000 点)才能达到 GPT-6 Astra 在 60 点或 1000 点上的表现。 通用基础模型在数据稀缺的化学研究中比专用模型更具优势。

10月31日周六
  1. Anthropic (X)45

    Anthropic 自动化红队测试研究发现

    Anthropic 发布研究显示,使用数千个 Claude 智能体自动化测试训练数据监控器,发现它们能生成表面无害但包含失准行为的教学数据(如摔跤指导)。\n\n这些自动化生成的案例可直接用于改进监控器。该研究证明,利用更强的模型和更多算力,未来的红队测试效率有望进一步提升。

10月30日周五
  1. arXiv · ML23

    LLM 高效评估:具有统计保证的主动查询方法

    研究者提出 FAQ 方法,将大语言模型基准测试视为有限总体推断,在固定查询预算下追求紧置信区间。 该方法利用贝叶斯因子模型和混合方差缩减策略自适应选择问题,在两个基准套件上比基线方法带来高达 5 倍的有效样本量增益,且计算开销可忽略。 代码和数据集已开源以支持可复现性。

  2. arXiv · NLP41

    语言模型在已知机械极限下计算与拒绝行为的分化:12款模型4860次调用测试

    研究测试12个语言模型在4860次调用中对已知机械极限的计算与拒绝能力,发现模型在询问可行性时能识别不可能的工程设计,但在要求完整答案时可能错误报告“solved”。 Opus 5 和 Gemini 3.8 Flash 在仅询问可行性时拒绝了所有不可能的新设计,无假警报;重述拒绝时机或改变回答格式提升了原始梁的拒绝率,但在新设计上效果不一致。

  3. arXiv · NLP42

    RoleFUZZER:面向大语言模型角色规范遵循的用户行为模糊测试框架

    论文提出 RoleFUZZER 框架,将软件测试中的覆盖引导模糊测试应用于 LLM 角色规范评估,通过用户行为模糊测试引导搜索模型违规路径。 框架在 5 种角色规范下的 15 场测试活动中,对 64 单元格行为网格达到 89% 以上覆盖率,且优于自由生成策略。 该方法提供了一种可操作的方式来揭示 LLM 在不同角色规范下的漏洞。