Lazy loaded image
AI日报
11月21日AI资讯 | GPT-6.2 Astra具身成功率翻倍;混元Hy4回应技术路线;Claude黎曼证明待核验;TML开源循环Transformer
字数 1510阅读时长≈ 4 分钟
2026-11-21
2026-11-21

1、GPT-6.2 Astra再次暴击具身模型:16项任务成功率较GPT-6 Astra翻倍

机器人基础设施公司XDOF公布Ember-0基准实测:OpenAI GPT-6.2 Astra操控双臂机器人完成16项操作任务,综合成功率由GPT-6 Astra的19.6%升至41.2%,两个月翻倍;“给绳子打结”和“展开T恤”被突破,夹取面包成功率从10%升至90%;六台YAM工作站每项重复30次,平均预测延迟由15秒降至10.1秒,Greg Brockman转发称机器人技术表现出色。

2、姚顺雨团队首次公开AMA:混元为什么不做“更稀疏”的模型?|甲子光年

腾讯11月20日开源770B参数混元Hy4,次日姚顺雨团队在Reddit首次AMA,称Hy4在中国模型排第二、开源Agent Arena居首;团队不追求更稀疏MoE,认为过度稀疏损害推理深度、长上下文与工具调用可靠性,内部测试集仅测一次即封存,将走大模型探索上限与Mini/端侧覆盖低成本场景的分层路线,并推进图像视频模型和本地部署,对RSI保持克制。

3、Anthropic的数学家宣布用Claude证明了黎曼猜想,还给出了1737万行人类看不懂的代码。

Anthropic数学家Levent Alpöge称与Claude约六周证明黎曼猜想及广义黎曼猜想,未发表论文,公开14卷、175187个文件、约1737万行Lean形式化代码,称相当于25万页论文;突破口关联OpenAI 10月数学论文,Lean社区正在编译核查,结论尚未确认。

4、TML开源新模型,循环Transformer架构,笔记本就能跑

Thinking Machines Lab以Apache 2.0开源多模态模型Inkling 2 Mini,总参数26B,采用循环Transformer:24层中首尾各6层运行一次、中间12层循环三次,结合MoE激活约3.4B、计入循环约5.4B,支持100万token上下文;检查点约20GB,可在32GB内存Apple芯片本地运行,DeepSWE v1.1解决率48.2%、SWE-bench Verified 79.2%。

5、NeurIPS 2026 Spotlight | 西工大提出ROSE:多模态终身知识编辑新范式

西北工业大学团队提出多模态终身知识编辑框架ROSE,以风险感知正交编辑约束参数更新方向,结合多粒度知识整合缓解灾难性遗忘与局部性退化;论文入选NeurIPS 2026 Spotlight,在LLaVA-v1.5-7B上连续1000次编辑后可靠性95.24%,文本与多模态泛化92.74%/84.53%,单张RTX 4090单次编辑约1.31秒。

6、ChatGPT越改越卡?OpenAI派AI自己查,揪出600多个病根

OpenAI公开内部“性能工厂”,由Codex智能体自动调查ChatGPT线上变慢、报错并给修复建议;三个多月跟进1700多次故障调查、日均约17次,600多起锁定根因。早期AI根因判断准确率约70%,OpenAI引入第二个Codex做对抗性审查,修复方案仍须工程师审核上线。

7、米哈游发了个VLA论文

米哈游崩坏AI团队发布通用VLA基础模型Gamer,基于80亿参数Qwen3-VL-8B训练,仅凭屏幕画面、任务指令和记忆自主操作键鼠玩《崩坏:星穹铁道》;约50小时评估中自主运行时间占比超95%,采用持续预训练、监督微调与在线强化学习三阶段,跨游戏40个未训练任务表现49.7%,高于GPT-6.1-Sol的17.1%。

8、大规模封号来了!OpenAI开打反蒸馏战

OpenAI发布《打击对抗性蒸馏》报告,称今夏以来每周封禁数千至数万个协同蒸馏账号,可按账号网络整体封禁,并呼吁美国国会加强出口管制;报告称完整思维链比推理摘要更能提升学生模型,已部署模型训练、分类器、API级绑定和跨会话隔离四层防线,套取受保护推理成功率显著下降。

9、当蛋白质设计有了自己的「Claude Code」,AI Native生物科技公司开始交付「真实成果」

百奥几何发布GeoFlow V4药物研发引擎及智能体式设计编排体系GeoFlow Code,推动AI蛋白质设计从“能结合”走向“可成药”。湿实验覆盖13个靶点、15项从头设计任务,平均命中率34.6%,较上一代提升约85%;FoldBench-AB Top-1成功率75.4%,GeoFlow Code在PD-1跨种属IgG任务中自主编排通过率4.23%,约为专家规划26倍。

10、NeurIPS 2026 | 视觉语言大模型不关注场景中的人类,反而靠物体大小判断谁更关键

加州大学圣塔芭芭拉分校提出反事实语义显著性黑盒评估方法,通过移除物体观察描述变化,量化视觉语言模型场景理解;构建307张原始与1306张反事实场景、227名被试16603条描述,评测Qwen3-VL、GPT-5.4、Claude 4.x、Gemini 3.x等19个模型,发现模型显著偏离人类判断,更依赖物体大小、居中程度与低级显著性,对场景中的人不敏感。
上一篇
【紧急加更】谷歌Bard中文版火爆上架,畅享中文对话,一键登录,告别ChatGPT封号困扰!
下一篇
11月20日AI资讯 | Anthropic上市;OpenAI智能体开销超薪酬;清昴建Token工厂;ACE登顶音乐模型;DeepMind论ASI