全球首个用真实湿实验验证的 Physical AI Verifier：给「AI 科学家」出终极考题
机器之心报道一个用真实湿实验来检验 AI 科学家提出方案的验证平台，定位是打通 AI for Science 的「最后一公里」——不只看模型写的方案像不像样，而是真的去做实验看结果。公众号正文本期未能抓取，具体机构和数据请看原文。
https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651073140&idx=1&sn=4ea07aeb526d7f8730cdf320ba182d9dReposted. Will be removed on request. All rights belong to the original author.
More from this batch
Nvidia espionage scandal weakens Huang's lobby against tighter AI chip export controls
Jensen Huang's admitted affair with a suspected Chinese informant tied to Megaspeed undercuts Nvidia's lobbying against stricter export cont…
Ben Thompson 评黄仁勋风波：希望他挺过去，但他的影响力再也回不到从前
Stratechery 11 月 9 日的付费更新，讨论黄仁勋婚外情、做空机构 Culper 的报告，以及黄仁勋一贯的「自认正确」作风。公开摘要里 Thompson 的结论是：他希望黄仁勋能保住位置，但其影响力不会再和过去一样。正文为付费内容，这里只收录摘要。
苹果把部分工程师每天的 AI 用量预算从 300 美元降到 200 美元
Stork AI 11 月 8 日简报转述彭博：苹果对内部工程师使用 AI 编程工具设了每日花费上限，部分人从 300 美元下调到 200 美元。对企业来说，这是「按人头给 AI 预算、再按产出调整」的一个大厂实例，也说明顶级公司同样在认真算 token 账。同期简报还提到 Pa…
韩国 AI 实验室 Motif 宣布新一轮融资，英伟达计划参投，下一步全力做 Motif 4
Motif Technologies 官方发帖称完成新一轮融资，投资方包括计划参投的英伟达，接下来会集中资源开发 Motif 4。韩国正推动本土主权模型，英伟达参投本土实验室是它在各国「主权 AI」布局的延续。融资金额以官方帖为准。
字节 Seedream 5.5 发布：连续 100 轮编辑不走样、原生输出透明背景 PNG，小字渲染大幅改善
改进了什么：多轮修图时，没改的区域会慢慢漂移失真，这是生图模型落地设计流程的老问题。Seedream 5.5 宣称能稳定编辑 100 轮，并对未编辑区域做像素级保留；原生支持 RGBA 透明和半透明输出，可以直接出贴纸、图标、海报素材；光照、材质和皮肤更自然，小字号文字渲染明显变…
INSAIT 提出精确又快的相对位置注意力内核：8K 长度下反向最快 21 倍、显存最多省 128 倍
改进了什么：Shaw、Transformer-XL、DeBERTa、T5 这类相对位置注意力效果好，但没法直接套 FlashAttention，长序列时又慢又吃显存。靠什么：作者利用相对位置矩阵的结构，做了「偏移感知分块」、复用关系投影，以及无需原子操作的梯度累加，在 Trito…
上海 AI Lab 等「权重空间编程」：让 GPT-6 Astra 不用梯度、直接改小模型的权重，改 1023 个参数 MATH-500 涨 29 分
改进了什么：通常提升模型要靠训练和梯度。这篇论文试的是另一条路：让强模型像写程序一样，直接读写 Qwen3.5-0.8B 和 9B 的权重。效果：改动 1,023 个参数让 MATH-500 提升 29.45 分，IFEval 提升 36.72，SciBench 提升 17.11…
Frontier3DBench：在 Blender 和虚幻引擎里考编程智能体做 3D，GPT-6.1-sol 总分第一，但「状态化流程」普遍不及格
这是新基准：145 个任务覆盖物体、场景和可交互开放世界，评测了 11 种「模型 + 智能体框架」组合。结果：GPT-6.1-sol 总分最高（66.02），GPT-6-astra 在交互世界类领先；局部机制类任务平均 83.08 分，但运动避障只有 20.82、需要维护状态的工…
人大与华为 TraceSpec：给智能体专门训练投机解码草稿模型，回放吞吐比 DSpark 高 12.5%–22.6%
改进了什么：投机解码的草稿模型一般用普通对话数据训练，但智能体的轨迹里夹着大量工具调用和中间轮次，草稿命中率会掉。靠什么：TraceSpec 用智能体轨迹里的中间助手轮次做训练数据，并按难度自适应分配训练量。效果：在真实轨迹回放上吞吐比 DSpark 高 12.5%–22.6%。…
Brown 与 USC 的 LIBRA：查询到来之前先归纳出可执行的工具库，用沙箱反事实测试校验工具契约
改进了什么：智能体面对上千个工具时，靠向量检索选工具经常选错。靠什么：LIBRA 先离线让 LLM 为工具提出「契约」（输入输出和适用条件），再在沙箱里用反事实测试验证，形成可执行的工具库。效果：一次检索 Recall 比稠密检索高 7.9、NDCG 高 3.7；接入 ToolR…
首个触觉推理模型 Touch-R1 入选 NeurIPS 2026：视觉和触觉信息冲突时，智能体该信谁
机器之心报道一个触觉推理模型 Touch-R1，称是首个面向触觉的推理模型，研究的核心问题是当视觉与触觉判断冲突时智能体如何决策，论文入选 NeurIPS 2026。公众号正文本期未能抓取，具体方法和数据请看原文。
Claude Code 新增「空闲压缩」：闲置约 54 分钟且上下文超 20 万 token 时，抢在 1 小时提示缓存过期前自动压缩
Paul Calcraft 发现 Claude Code 的 idleCompaction 设置：会话空闲约 54 分钟、上下文至少 200K token 时，会在 1 小时提示缓存失效前先压缩上下文，避免回来继续时整段上下文按未缓存价格重算。对团队里长时间挂着 Claude C…