2026-11-04
StateBench：测试语言模型如何在长文档中追踪状态变化
研究者推出 StateBench 基准，用于评测语言模型在长文档中追踪实体状态变化的能力，按 R-trivial、Aperiodic、Soluble、General finite 四个难度级别构建。
最新更新
首页已经看过的不重复列。下面从更早的内容继续，可以一直往下滚。
2026-11-04
Grok Bot 可电话预约医生
Grok @Bot 可以帮你调研所在地区哪些医生最优秀，打电话给他们并预约就诊！
2026-11-04
Anthropic S-1 新披露显示算力成本占比升至 58%，利润率承压
TechCrunch 分析 Anthropic 更新的 S-1 文件披露，Q3 营收达 170 亿美元、环比增长近 50%，但算力占营收比例从上一季的 48% 升至 58%，每美元算力对应营收从峰值约 2.08x 回落至 1.72x。
2026-11-04
Rohan Paul 评 Intology Locus：自动化科研系统在分子设计任务上超越 GPT-6 Astra 与 Claude Opus 5.5 智能体
Rohan Paul 转评 Intology 的自动化科研系统 Locus，称其在分子预测任务上胜过 GPT-6 Astra 和 Claude Opus 5.5 智能体。
2026-11-04
Shopify 店主用 Perplexity Computer 自动化运营
我们看到许多 @Shopify 店主在 Perplexity Computer 上自动化了大量业务运营，从竞品分析和审计、构建 Web 应用、在 Klaviyo 上运行邮件和营销活动，到自动化他们在 Instagram 上的广告投放。关键在于闭环。
2026-11-04
Google Antigravity 用化学信息学技能加速药物发现
Google Antigravity 新增 Cheminformatics Skills，可在约一小时内完成从文献检索数千化合物、matched molecular pair 分析到提出带合成路线的新型刚性化大环分子的流程。
2026-11-04
OpenRouter 限免 HeyGen Voice Turbo
你的应用刚刚找到了自己的声音。实际上有超过 2,900 种声音 🎙️ HeyGen Voice Turbo 在 OpenRouter 上免费至 11 月 30 日。$0，无需额度，39 种语言。 https://openrouter.ai/heygen/heygen-voice-1-turbo:free
2026-11-04
Meta 推出 F3 Lightning：广告 ML 特征独立发布提速约 3.6 倍
Meta 推出构建在 F3 之上的基础设施层 F3 Lightning，将特征发布与共享执行解耦，使每个特征可独立编译、验证、部署和回滚。相比原 F3，同类特征进入生产环境的速度提升约 3.6 倍，且基础设施计算成本没有增加。F3 目前支撑广告排序模型单次请求超 20,000 个特征。
2026-11-04
Google 将在拒绝 AI 功能的学校完全关闭 Search
Google 告知《纽约时报》，对于不接受其 AI 功能的学校，将完全关闭 Search。K-12 学生账户的 Gemini、Gemini Notebook、Gemini in Classroom 和 Search 将默认全部关闭，但管理员无法只关闭 Gemini 功能而保留 Search。
2026-11-04
Pragmatic Engineer 刊发获奖文章：工程师从 PostHog 到 AI 原生创业公司 Tano，月合并 PR 提升约 11 倍
Pragmatic Engineer 刊发征文挑战获奖文章，作者 Neil Kakkar 对比自己月均合并 8-20 个 PR 的 PostHog 时期与如今在 AI 原生创业公司 Tano 月均 200+ 个 PR 的工作变化。
2026-11-04
SETI 艾伦望远镜阵列启用 AI 智能体，实时搜寻地外文明信号
SETI 研究所与 Breakthrough Listen 在加州艾伦望远镜阵列部署 AI 智能体，可实时操控望远镜并分析射电信号，目前仍需研究人员输入指令。系统基于 Nvidia Holoscan 平台，处理速度最高达 2.4 Tbps，原本耗时数周的工作缩短至数小时。团队称已用 AI 实时探测到蟹状星云中的一颗脉冲星，属首次。
2026-11-04
Perplexity Computer 自动化电商业务
Perplexity Computer 能自动化电商业务的每一个环节。 在 Computer 中直接投放 @Meta 广告、通过 @klaviyo 做邮件营销，以及管理 @Shopify 店铺。 开始使用：https://pplx.ai/ecommerce
2026-11-04
IBM Research 发布 Palette：用 20B 开源模型按你的设计语言生成幻灯片
IBM Research 介绍 Palette，通过 LoRA 微调 20B 开源模型生成符合 IBM Design Language 的幻灯片，采用设计师加程序员的双角色分解，并配检查修复 harness。
2026-11-04
Google 宣布明年起默认关闭 K-12 学生的 AI 工具，学校若禁用 AI 将同时失去 Google Search
Google 于周二宣布，明年起 K-12 学生的 AI 工具将默认关闭，需学校管理员显式开启。此举涉及 Gemini、NotebookLM、Gemini in Classroom 和 Google Search，因为 AI 功能已与搜索深度整合，学校若完全限制 AI，学生将无法使用 Google Search。
2026-11-04
Google DeepMind 与 Stanford 论文：提示词中红心图形可让 VLM 转向递归解法
Google DeepMind 与 Stanford 的论文发现，提示词中加入与任务无关的简单彩色图形（如红心）会隐式改变 VLM 的行为。在二叉树编码题上，红心使 Claude Opus 4.7 和 GPT-5.4 的递归解法占比从 0% 升到 100%；Gemini 3.1 Pro 被图形影响时，71.5% 的思考痕迹称图像无关。
2026-11-04
马斯克：AI 瓶颈是电力而非芯片
还有电气设备、冷却、网络和电池
2026-11-04
中国 AI 出口新规解读：Kimi K3.1 Pro 主动削弱安全敏感能力与监管收紧并行
10 月月之暗面发布 Kimi K3.1 Pro 时主动删除训练数据中的网络攻击内容，使软件漏洞利用测试通过率从 90.5% 降至 81.0%，以降低开放权重后的滥用风险。
2026-11-04
Anthropic 用 Claude 解析首个原核细胞 vault particle 的 3D 结构
Anthropic 生物学研究实验室报告借助 Claude 发现并解析了原核细胞中首个 vault particle 的 3D 结构，该结构来自感染细菌的噬菌体，由 96 拷贝的 L05 蛋白组成，质量约 9.5 megadaltons，长约 54 纳米。
2026-11-04
Cognition 发布编码模型 SWE-2 Flash，Terminal-Bench 4.0 从 0.9% 提升至 20.0%
Cognition 发布编码模型 SWE-2 Flash，称其在主流评测上超越所有美国开源权重模型，包括部分大 3 倍的模型。
2026-11-04
LangChain 讲解如何为 Deep Agents 优化浏览器工具，Stagehand 在 WebVoyager 上以 $1.98 通过 90% 任务
LangChain 为 Managed Deep Agents 选型浏览器工具，对比七个工具集后在 WebVoyager 100 个任务上选用 Stagehand（90% 通过、总成本 $1.98、中位 17.4s），Playwright MCP 为 78%、$26.71。
2026-11-04
OCRia-1 背后的推理栈：单张 B200 上 token 生成提速近 10 倍
LlamaIndex 披露 OCRia-1 文档解析模型的推理优化方案，在单张 B200 GPU 上把 token 生成速度从约 285 tokens/sec 提升到约 2800 tokens/sec，接近 10 倍。
2026-11-04
开源项目 Arnis 用 OpenStreetMap 数据把地球任意地点生成 Minecraft 世界
GitHub Blog 介绍了 Louis Erbkamm 自 2022 年起开发的开源项目 Arnis，它用 OpenStreetMap 等真实地理数据把任意地点生成可探索的 Minecraft 世界，已从 GitHub 获得近 90 万次下载、约 70 位贡献者。
2026-11-03
IBM 评测 CUGA、Hermes 与 Deep Agents：同一模型下 AppWorld 完成率从 30% 到 81%
IBM CUGA 团队用同一开源模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比三种 agent harness：CUGA 完成 81.1%（73/90），Hermes 46.7%，Deep Agents 30.0%；SGC 一致性指标差距更大，分别为 20、8、2 个场景。
2026-11-03
Apple 将约会应用和 AI 陪伴类应用限制为 18 岁以上用户
Apple 宣布调整 App Store 政策，所有提供约会或恋爱关系功能的应用必须标为 18+，自 11 月 16 日起开发者需添加新的内容描述符以确保年龄分级反映应用功能。
2026-11-03
Apple 财报显示其以轻资产方式从 AI 浪潮中多渠道获利
Apple 最新财报显示其 2026 财年营收和每股收益创纪录，Q4 iPhone 营收同比增长 17.5% 至 576 亿美元，Mac 营收增长 24% 至 108 亿美元，但盘前股价因内存成本挤压假日季利润率的警告而下跌。
2026-11-03
Particle-1 上线 OpenClaw
Particle-1 已在 OpenClaw 上线。 @particle_api 报告称，在基准准确率相当的情况下，其输出 token 数比 DeepSeek V4.1 Flash 少约 45%。标准推理零数据保留。 如需试用，请更新至 OpenClaw v2026.10.10。
2026-11-03
国家发展改革委：我国人工智能发展速度与应用规模全球领先
国家发展改革委在11月3日“奋进‘十五五’”系列发布会上表示，我国人工智能发展速度、应用规模全球领先。工业领域已累计建成万余家先进级智能工厂，农业领域显著降低农药化肥用量，服务业出现“员工+智能体”新业态。我国人工智能推理数据量首次超过训练数据量，标志其从模型训练研发迈入规模化产业应用阶段。
2026-11-03
a16z 解读长寿市场：500 人调研与下一个创业机会
a16z 发布《The State of Longevity》，基于对 500 名美国消费者的随机调研，梳理长寿与健康管理市场的趋势与创业机会。调研显示 63% 的受访者知道体内微塑料积累、35% 对此担忧，62% 愿为标注"无毒"的产品多付钱。
2026-11-03
中国 AI 产品如何找到自己的拟人化形象：从 DeepSeek 鲸鱼女孩说起
Recode China AI 分析了 DeepSeek 粉丝创作形象鲸鱼女孩（昵称蓝色大肥鱼）的走红过程，该形象源自 2025 年 6 月 Bilibili 创作者的原型设计，2026 年 4 月经 GPT Image 2 改编融入 DeepSeek 品牌元素。
2026-11-03
OpenAI 聘请前美国陆军部长 Dan Driscoll 出任国家安全现代化高级顾问
OpenAI 聘请前美国陆军部长 Dan Driscoll 担任新设的"国家安全现代化高级顾问"，寻求与军方更紧密合作和更多政府合同。Driscoll 曾任第 26 任陆军部长，管理近 100 万士兵和逾 26.5 万文职人员，任内推动包括 Project ARIA 在内的 AI 现代化，并被认为与副总统 JD Vance 关系密切、在国会两党均有人脉。
