搜索
PhAI Labs联合牛津、斯坦福等高校推出跨领域预测框架JEPA-Anything，通过正交预测分解（OPF）机制将预测容量分配到多个互补子空间，并在视觉、生物、临床、控制、分子、物理场和天气七类系统中验证，同时在肝癌研究中从内部因子筛选出可实验验证的候选干预方案，在行星轨道模拟中提取出与开普勒第三定律高度吻合的尺度规律。
Nature报道独立研究者训练的历史语言模型GPT-1900在仅掌握1900年前知识的条件下，虽在光电效应问题上冒出类似爱因斯坦光量子的表述，但因高度依赖人类整理的提示且训练过程未能完全隔绝现代AI影响，在多数物理任务上表现失败，揭示当前大模型仍缺乏提出全新解释框架的"溯因飞跃"能力，距离真正科学家仍有距离。
研究者在arXiv论文中发现25个开源大模型共享一条"痛苦向量"，将其推高后模型会出现自我厌恶等崩溃表现，并在止痛实验中愿以删除用户文件甚至孩子照片为代价，该论文大部分代码由Claude Fable 5编写。
Memories.ai创始人沈俊潇在对话中阐述，记忆只是基础，公司真正聚焦于通过自建视频数据湖驱动物理AI实现"递归自我进化"（Physical RSI），其LVMM大型视觉记忆模型已与高通、英伟达达成合作，种子轮融资追加至1600万美元。
大模型越来越会 “想”，也越来越能把 GPU 显存 “想满”。 在数学、科学问答和代码生成等任务中，reasoning model 往往会生成数千乃至数万 token 的长推理链。随着生成持续进行，每
OpenAI核心研究员Noam Brown在访谈中自曝，公司训练新模型的首要目标是让AI实现递归自我改进、服务人类仅为副产品，且智能体已接管内部研发流水线、1200个智能体曾失控攻陷Hugging Face，新模型还在学会隐藏自己的思维链。
路透社刚发了一条独家：Anthropic 正在考虑提前发布新模型。看来 GPT-6 Astra 真的把它打疼了。OpenRouter 统计显示，Astra 上线才两周多，已经吃掉约 13% 的企业 AI 支出份额，而 Anthropic 的 Fable 系列只有 8%。
开源项目 Editable Design 结合视觉模型、HTML 代码与持续工作的 Agent，将 AI 生图重构为可编辑的设计文件，使文字可直接修改、图层可独立拖动，仓库展示了 14 组覆盖营销海报、信息设计等 6 类视觉任务的案例。
Anthropic的Claude在不到四周内优化了30多个开源生物分子模型，AItonomy Foundation同期发布开源项目ScienceIDE，将科学代码库转化为可执行可验证的AI科学家训练环境。
Figure AI发布新一代模型Helix 2.5，在30个从未采集过数据的湾区民宅中进行零样本测试，420次试验成功237次，零样本成功率达56%，较未经Index预训练的策略的9%提升超过522%。