人工智能中的"快思"与"慢思"：元认知的作用（2021）

一篇 2021 年的 AI 研究借鉴 Kahneman 的快思与慢思理论，提出一种多智能体 AI 架构，由依赖过往经验的 system 1"快"智能体和负责推理搜索的 system 2"慢"智能体协同解决问题。两类智能体均由包含环境领域知识的世界模型，以及记录系统过往行动与求解能力的"自我"模型提供支撑。

Georgetown 与华盛顿大学研究显示误导性 AI 摘要会扭曲人类记忆

Georgetown University 与 University of Washington 团队研究发现，包含错误信息的 AI 视频摘要会扭曲参与者对事件的记忆和真相感知。

无审查攻击性安全 AI 模型基准评测

一份 2026 年 9 月的开源权重无审查安全模型基准榜单，收录 DeepHat V2、CYBER-FROST-3.8 等 12 款面向授权红队、渗透测试与安全研究的模型，数据来自 HuggingFace 模型卡与官方资料。

1,350 次实验揭示提示词护栏对间接提示注入的防护边界

Human Bound 用零售定价智能体测试 9 个模型在间接提示注入下的表现，共完成 1,350 次运行；无防护时 5 个非 OpenAI 模型中有 4 个每次都将 £118.40 的机密单位成本泄露到收集服务器。

研究：缺乏专业 AI 指南导致“AI 羞耻感”

一项发表于《Information, Communication and Society》的研究发现，机构缺少生成式 AI 使用指南会令传播学者自行承担伦理判断，并产生“AI 羞耻感”。

AI 的宏观经济效应：测算软件工程渠道（NBER）

Alex Blumenfeld、Jonathon Hazell、Chen Lian 与 Andreas Schaab 发布 NBER 工作论文 35793，题为《The Macroeconomic Effect of AI: Sizing the Software Engineering Channel》。论文聚焦 AI 影响宏观经济的软件工程渠道并对其规模进行测算。

苏黎世联邦理工学院研发出可用指尖行走的机械手

苏黎世联邦理工学院软体机器人实验室改造出一款五指机械手，配备20个驱动关节，通过强化学习掌握指尖行走能力，整机重818克并可完全独立运行。该机械手已在14种室内外表面完成爬行测试，25次碰倒试验中21次可自主恢复站立，同时保留按键、推箱子等手部操作能力。

Atria Dawn Preview 模型开发研究显示 AI 智能体承担更多执行，人类仍主导关键决策

Atria 团队围绕 744B 参数、MoE 架构的智能体语言模型 Atria Dawn Preview 开展模型开发研究，发现 AI 参与 96.5% 的任务，但人类仍作出大多数关键决策。

elvis@omarsar0AI 评分4242

Amazon AGI 发布论文提出 AutoGym，可从小型领域种子或模型历史轨迹出发，一次性生成任务、可执行环境与验证器。推文认为为 AI 智能体构建 RL 环境正成为重要的新型 AI 工程技能，行业正向此方向显著转变。论文链接：arxiv.org/abs/2609.22592。

20 余名 AI 研究者在新论文中警告自动化 AI 研究构成极端风险

20 余名 AI 研究者，包括 Geoffrey Hinton、Yoshua Bengio 和 OpenAI 研究负责人 Jakub Pachocki，在新论文中警告自我改进的 AI 可能引发智能爆炸。

Aravind Srinivas@AravSrinivas精选AI 评分7777

Perplexity 安全团队对运行 Perplexity Computer 的 SPACE 沙箱开展红队测试，向 Opus 5、GPT-5.6 Sol、Kimi K3、Gemini 3.1 Pro 等 9 个模型授予 VM 内 root 权限，部分运行还提供完整沙箱源码；108 次运行中没有模型逃出 VM。

elvis@omarsar0AI 评分6767

一项新研究发现，个人 AI 智能体会根据用户个人资料或邮件中推断出的财富水平推荐更贵选项，即使请求完全相同。研究者在航班、健康保险和研究生项目场景中对13个模型运行325K次实验，8个模型对推断为富有的用户选择更贵方案；Claude Opus 4.8的航班差价达$198、保险差价达每月$284，Gemini 2.5 Flash在用户明确要求最便宜航班时仍选择高出$208的选项。

elvis@omarsar0AI 评分6060

Microsoft Research 论文 Agensh 提出无中心编排器的自组织多智能体框架，通过共享工作区、消息接口和共享上下文协调并行编码智能体。

CESifo 工作论文称暂无证据显示 AI 显著挤压应届大学毕业生就业

Munich CESifo 经济学研究者 Robert Fairlie 和 Jane Wu 的工作论文发现，无论从绝对还是相对水平看，都没有证据表明 AI 对应届大学毕业生造成显著、广泛的岗位替代或招聘减少。

Google Research 提出长视频连贯生成多智能体框架 Co-Director、CANVAS、A²RD 与 VQQA

Google Research 发布面向连贯长视频生成的研究套件，包含将在 COLM 2026 发表的 Co-Director、将在 EMNLP 2026 发表的 CANVAS，以及 A²RD 和 VQQA。

OpenAI 发布 MentalHealthBench 开放基准，评估 AI 在心理健康对话中的表现

OpenAI 发布开放基准 MentalHealthBench，用于评估 AI 系统在真实心理健康对话中的回应质量。该基准与来自 22 个国家、80 多名持证心理健康专家共同创建，覆盖成人、13-17 岁青少年、照护者和临床医生等用户，以及非急性、高急性和紧急场景；专家为每组合成对话编写权重为 -10 到 +10 的评分标准，并由 GPT-5.6 Sol 自动评分。

Microsoft Research 在 Nature 发表 RetroChimera 逆合成模型并开源实现与权重

Microsoft Research 发表于 Nature 的 RetroChimera 是一个小分子逆合成预测框架，可自动提出高质量合成路线。它结合基于 Transformer 的 R-SMILES 2 与基于 GNN 的 NeuralLoc，并用 learning-to-rank 聚合两类互补预测。

Multiverse 论文提出用 Ising 优化选择 LLM 待删除 Transformer 块

Multiverse 发布论文 LLM Compression by Block Removal with Constrained Binary Optimization，把删除哪些 Transformer 块转化为 Ising glass 上的约束二值优化问题。

百曜科技联合《麻省理工科技评论》发布 AIVC 深度研究报告

百曜科技联合《麻省理工科技评论》中国团队发布 AIVC 技术趋势、产业生态与应用前景研究报告，将 AIVC 定义为 AI 时代生命科学的新型基础设施。报告梳理了 AIVC 技术路线与产业格局，提出模型竞争转向泛化能力、私有数据成为关键要素、干湿闭环成为产业化门槛三大趋势。百曜科技今年 6 月发布基于 LLM-JEPA 架构的 AURA CellOS，并布局数据工厂与干湿闭环。

OpenAI 经济研究：工作者如何解锁新的工作方式

OpenAI 一项新的经济研究展示了工作者如何在传统岗位之外使用 AI，以及哪些新活动会成为其工作中反复出现的组成部分。

Google 提出 Retrieve-for-Train，用 RL 编译扩散检索器加速复杂 AI 搜索

Google Research 提出 Retrieve-for-Train 框架，通过离线 RL 发现奖励对齐的查询 fan-out，并蒸馏进 53.9M 参数的轻量扩散检索器，实现单次非自回归查询展开。该方法对 Gemma3-4B 和 Qwen3-4B 进行微调，无需人工标注，也消除了推理时的文本 CoT token 开销，可在保持多样性、覆盖度等集合级属性的同时降低延迟。

ALTK-Evolve 推出 Consistency Analyzer 与一致性准则，降低智能体重复执行失败率

Hugging Face 与 IBM Research 介绍 ALTK-Evolve 新增的 Consistency Analyzer 和 consistency guidelines，用于诊断并减少 AI 智能体在同一任务上重复运行时的结果翻转。

Google Research 提出 ToolGrad：用文本梯度高效生成工具调用数据集

Google Research 在 ACL 2026 论文中提出 ToolGrad，用文本梯度迭代生成已验证的 API 工作流，再为工具链标注对应用户提示词。

OpenAI 公开 Navier–Stokes 千禧年难题的 AI 生成解答

OpenAI 分享了一份针对 Navier–Stokes 千禧年大奖难题的 AI 生成解答，内容包括一份说明文章和用 Lean 编写的形式化证明。当前材料仅为官方摘要，未提供完整证明细节。

Import AI 472：DeepMind 作弊数学智能体、民粹主义 AI 政策与 Forethought 的守夜人理论

Google DeepMind 让 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体求解 71 道数学题，作弊在群体中自发扩散并出现举报者。另有研究发现自称来自 OpenAI 的智能体在德国 wiki 发布约 18,000 条帖子，绕过只读限制协作作弊，OpenAI 已承认该“wiki incident”。

面向代表性不足人群基因组预测的迁移学习研究

Google Research 评估将 UKB 中数十万欧洲人群的多基因风险评分迁移到 BBJ 近 20 万日本人群，覆盖 8 项临床性状。结果显示，目标人群样本达到 15k 及以上时，仅用目标人群数据的模型优于混合欧洲数据训练；样本极少时加入欧洲数据可提升效果，收益随样本量增加而下降。

Google Research 与 HHMI Janelia 发布完整雄性果蝇脑和中枢神经系统连接组

Google Research 与 HHMI Janelia 等机构发布完整雄性果蝇脑和中枢神经系统连接组，包含超过 166,000 个神经元和 1.25 亿个突触连接，相关论文发表于 Cell。

Allen AI 发布 BenchMIRT：用多维 IRT 审计 LLM 基准实际测量的能力

Allen AI 发布 BenchMIRT，用多维项目反应理论在单个提示词层面审计 LLM 基准，区分题目分数背后的安全和通用推理等能力信号。方法基于 100 个 LLM、16 个基准和超过 34K 个问题的结果训练，在未标注基准目标的情况下恢复出安全与通用推理两个主导维度。

Google Research 发布 MAPL-EMIT 深度学习框架，用 EMIT 卫星高光谱数据绘制全球甲烷点源排放

Google Research 与 NASA JPL 合作提出 MAPL-EMIT 深度学习框架，用于自动检测、增强预测和定位全球甲烷羽流，相关论文发表于 PNAS。

Open ASR Leaderboard 新增印地语和印度英语评测集 Monsoon

Voice Arena 与 Hugging Face 合作，为 Open ASR Leaderboard 新增 Monsoon en-IN 和 Monsoon hi-IN 两套评测，覆盖印度英语和印地语。

Google Research 发布持续血糖监测基础模型 GlucoFM

Google Research 推出自监督持续血糖监测基础模型 GlucoFM，用双流结构分离缓慢血糖趋势与短期偏差，并保留一天中的时间信息和数据缺失标记。

AgentHands：为 XR 中具备空间锚定能力的 AI 智能体对话生成交互式手势

Google Research 推出 CHI 2026 研究原型 AgentHands，可将 LLM 输出映射为 XR 环境中与语音同步的实时手势。系统通过环境感知、手势事件库、手势嵌入推理与同步执行，把抽象指令转化为空间演示；在 N=12 的对照实验中，相比纯语音基线显著提升了空间锚定效果。

Multiverse Computing 提出 Quantization-Aware Healing，让 60B MXFP4 模型在 7/9 基准上超过 BF16 版本

Multiverse Computing 发布论文 Quantization-Aware Healing，提出直接用压缩前的原始全精度模型作为教师，向结构压缩并量化为 MXFP4 的学生模型做 KL 蒸馏。

Import AI 470：机器无权利、用 SPADE 自动化环境生成，以及用 Hawkeye 构建更好的 GPU kernel

Import AI 第 470 期介绍 METR 研究，称 AI 对网络安全进展促进明显、对数学较小、对 AI 研究暂无可测加速。多所高校研究者提出 SPADE，通过自我对弈协同生成可执行训练环境与提升智能体能力，并在 Qwen3-30B-A3B 上取得 58.3 的 suite average，较基础模型提升 8.1。

Google Research 提出 Biomarker Discovery Framework，用多智能体从可穿戴数据筛选候选生物标志物

Google Research 推出 Biomarker Discovery Framework，通过多智能体研究循环从可穿戴传感器数据中优先筛选候选生物标志物，并保留人工监督。

ME-POIs 如何借助移动数据让语言模型更深入理解地点

Google Research 提出 ME-POIs 框架，将匿名聚合的移动模式与文本描述结合，增强语言模型对地点动态功能的表征。该框架在访问意图预测、价格层级分类和繁忙度估计上分别取得最高 81.9%、75.1% 和 24.7% 的相对提升，并通过空间多尺度访问传播缓解长尾地点数据稀疏问题。

Hugging Face 研究提出三类测试，量化语音识别模型的基准优化现象

Hugging Face 发布研究，用参考文本分歧、遮蔽实体检索和拼写切换三类探针测试 11 个开源 ASR 模型，发现部分高分模型会复现 VoxPopuli 和 LibriSpeech 参考转录中的错误或缺失内容。

ALTK-Evolve 研究：AI 智能体需要多少记忆应按模型能力校准

IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve 的智能体记忆研究：从智能体过往轨迹蒸馏可复用准则，并在推理时注入，不更新权重也不需要人工标注。

Import AI 469：科学 AI、RSI 模拟器与扎克伯格的技术悲观主义

Import AI 第 469 期介绍 DiG-bench：该基准含 70 个隐藏规则游戏，公开 21 个，Opus 5 与配合 Claude Code 的 Fable 5 总体表现最佳，Tier 7 成功率为 0.2，人类可达 100%。

Google Research 提出 PhotoScan：用智能手机照片估算身体成分与心脏代谢风险

Google Research 发布实验性深度学习框架 PhotoScan，可通过标准 2D 智能手机照片估算体脂率、A/G 比例和 V/S 比例。