Anthropic 开源可证明推理系统 FlashProve，基于零知识证明，在不公开模型权重的前提下证明某段回答确实出自所承诺的模型；但该方案只证“来源”不证“正确性”，且当前开销与适用范围限制明显。
本条来自腾讯研究院 AI 速递（20261105）的第二条简讯。核心问题是：如何在模型权重不公开的情况下，让外部方验证某条输出确实由某个承诺的模型生成。FlashProve 给出的路径是零知识证明——验证者无需看到权重即可核验来源。
腾讯研究院（搜狐同步）
查看来源原文本期 22 件事。点击标题可查看卡片、来源与相关知识点。
腾讯发布混元Hy4正式版，通过扩大预训练与后训练规模并首次引入视觉与电脑操作能力，在游戏开发、逻辑评测与金融任务众测中表现提升，自称跻身最强开源模型之列。
据腾讯研究院AI速递（20261105）报道，腾讯发布Hy4正式版。相较预览版（preview），Hy4扩大了预训练与后训练规模，并首次引入视觉与电脑操作能力。材料称其已上线腾讯云与OpenRouter，API价格不变，并计划开源权重。
腾讯研究院（搜狐同步）
查看来源原文微信视觉团队开源 WeVisOne-VL，用统一输出格式在一个模型内完成框选定位、计数、读字、分割与抠图，并以约 960 万参数的小模块替代外接 SAM；目标不在图中时可直接返回 None。
据腾讯研究院 AI 速递（20261105）报道，微信视觉团队开源视觉模型 WeVisOne-VL，核心问题是把传统上依赖多个模型或外接分割模块（如 SAM）的视觉任务，收敛到单一模型的统一输出格式中完成，覆盖定位、计数、读字、分割与抠图等能力。
腾讯研究院（搜狐同步）
查看来源原文OpenAI 提出“国家社区契约”（National Community Compact）与“计算园区政策蓝图”（Compute Campus Policy Blueprint），试图为 AI 基础设施的本地资源保护、就业创造与负责任开发建立政策框架（正文未抓取，细节待核实）。
据元数据，OpenAI 发布题为 “Setting a new standard for responsible AI infrastructure” 的内容，围绕 AI 基础设施建设的社会与政策影响提出两项框架性倡议：National Community Compact 与 Compute Campus Policy Blueprint。其核心议题包括保…
OpenAI
查看来源原文Cognition 于 2026 年 11 月 5 日发布 Devin Review 2.0，宣布自 8 月以来单次 PR 审查成本下降 82%（典型审查降至 $0.25–$0.75），并成为配合 Devin 使用时的默认 PR 审查工具。
发布方：Cognition（Devin 产品方）。 发布时间：2026 年 11 月 5 日（博文标注）。 核心主张：代码审查已成为 SDLC 的新瓶颈——PR 吞吐量上升，但人工审查能力未同步增长。 产品定位：用智能体辅助审查，自动发现 bug 并提供 PR 导览，使所有 PR 更安全、人工审查更快。
Windsurf 博客
查看来源原文Merge 将 GPT-6 Astra、ChatGPT 和 Codex 用于产品代码审查与营销支持，并让 AI 参与高管晚宴策划和销售更新准备（据元数据摘要，细节待核实）。
本条为 OpenAI 官网客户案例条目，主题为 Merge 将 OpenAI 技术嵌入产品与业务工具链。由于正文未能抓取，以下内容仅基于已知元数据（标题、候选摘要、主题标签）整理，具体产品模块、部署规模与量化效果无法确认，标注为待核实。
OpenAI
查看来源原文百度Apollo发布世界模型ApolloWorld，通过多智能体驱动的可交互虚拟交通环境，支持完整Robotaxi行程级别的虚拟路测，已用于萝卜快跑全球化测试，宣称一天虚拟路测里程相当于真实测试车约三年。
百度Apollo正式披露全新世界模型ApolloWorld，目标是解决L4无人驾驶规模化验证中真实路测费时费力、复杂场景难以按计划复现的问题。系统构建持续变化的虚拟交通环境，让无人车在其中经历不同天气、道路和交通参与者，完成完整Robotaxi行程。ApolloWorld已开始应用于萝卜快跑无人车的全球化测试与验证，将部分原本需在真实道路完成的训练和验证转…
量子位
查看来源原文LiberAI 发布世界动作模型 Liber-0，在无目标任务示范条件下完成 GPT-6 随机生成的 60 项任务，整体成功率 36.0%，远高于 Astra 直接做策略的个位数水平。
据腾讯研究院 AI 速递（2026-11-05），LiberAI 推出世界动作模型 Liber-0。该模型经少量后训练后，能按订单组合技能完成长程奶茶制作。研究问题聚焦于：在无目标任务示范的零样本条件下，世界动作模型能否泛化完成随机生成的多项任务。
腾讯研究院（搜狐同步）
查看来源原文NVIDIA 提出以“每个字节能产出多少有效工作量”为衡量标准，通过 GPU 架构、NVLink 扩展域、服务软件、CPU 和存储五个层面的协同设计，在 HBM 容量基本不变（每 GPU 288 GB）的条件下，使 Vera Rubin NVL72 相比 GB300 NVL72 达到最高 30 倍的每兆瓦吞吐量。
AI 工厂中 HBM 是最快、最贵、竞争最激烈的内存层级。冗余的权重副本、空闲会话的 KV 缓存、被重复计算的 prefix，都占用本可用于生成 token 的字节。问题已不再是“GPU 有多少内存”，而是“每个字节完成多少有用工作”。NVIDIA 技术博客（2026 年 11 月 5 日，作者 Eduardo Alvarez、Jamie Li、Ronil…
NVIDIA 博客
查看来源原文根据 OpenAI 官网元数据，印度健身与健康服务平台 Cult.fit 正在使用 Codex 帮助跨职能团队构建工具、加快工作节奏并改变工作方式；具体落地机制与量化效果待核实。
OpenAI 官网发布客户案例，标题为“Cult.fit builds operational muscle with Codex”，属于 OpenAI 面向企业客户的 Codex 应用叙事。从元数据看，该案例的核心问题是：非工程背景或跨职能团队如何借助 Codex 自行构建内部工具，从而提升运营效率。由于正文未能抓取，案例中涉及的具体团队、工具类型、部署…
OpenAI
查看来源原文ChatGPT消费者产品负责人Adam Fry公开表示，ChatGPT的搜索类查询量已达到谷歌约五分之一，周活跃用户在两个月内从10亿增至12亿。
本条为腾讯研究院AI速递（20261105）收录的行业动态之一。OpenAI旗下ChatGPT的消费者产品负责人Adam Fry对外披露了两项关键指标：一是搜索类查询量与谷歌的相对比例，二是周活跃用户规模及其近期增速。该数据用于说明ChatGPT在搜索场景与用户规模上的进展。
腾讯研究院（搜狐同步）
查看来源原文澳大利亚多所大学正在扩大 ChatGPT 的获取渠道，并将 AI 引入教学与学习环节，以帮助学生为 AI 时代的劳动力市场做准备；具体合作院校、部署范围与实施效果因原始正文未能抓取而**待核实**。
本条材料来自 OpenAI 官方页面（标题：Australian universities are creating AI-native graduates），主题为澳大利亚高校在 AI 教育领域的布局。核心议题是：高校如何通过提供 AI 工具访问权并把 AI 融入课程与教学，培养所谓“AI 原生”（AI-native）毕业生。由于未能抓取正文，涉及哪些大…
OpenAI
查看来源原文腾讯研究院基于2026年全球数字生态大会及内部HR实践提出：AI原生组织是以AI为核心生产力、围绕其执行能力重新设计业务与运行方式的组织，传统企业同样可以通过“从高频重复任务切入、逐步扩散”的路径转型，而非初创企业专利。
材料由腾讯研究院专家吴朋阳、腾讯云资深云产品策略专家季新苏撰写，核心问题是：如何将AI的生产力效应从个体扩展到组织？文章引用OpenAI 2026年9月数据（使用量前10%企业每活跃用户输出Token为中间10%企业的8.3倍，1月仅为2.6倍）与麦肯锡2026年调查（80%受访者称AI提高个人效率，但仅37%称AI改善了企业EBIT，与2025年基本持平…
腾讯研究院（搜狐同步）
查看来源原文2026 年 11 月 5 日，Agility Robotics 完成与 Churchill Capital Corp XI 的业务合并，在纳斯达克以“AGLT”挂牌，成为首家拥有活跃商业部署的美国纯人形机器人上市公司，合并及相关融资合计募资约 4.65 亿美元（毛额，未扣交易费用）。
来源为 Agility 官方新闻稿，标题即宣称“首家美国上市纯人形机器人公司”，并称其具备“经过验证、正在运行的商业部署”。 普通股与认股权证分别以“AGLT”“AGLTW”交易。 公司以“近三年真实场景部署经验、超过 65,000 小时运行、多年期客户订单、美国本土制造与部署基础设施”作为上市叙事的差异化基础。
agilityrobotics.com
查看来源原文NVIDIA 发布 Factory Operations Blueprint（FOX）参考架构，用“工厂经理代理”统一连接工厂数据、编排视觉检测/车队管理/根因分析等专业子代理，并以 SMT 产线 AOI 告警为参考案例演示从二次检测、返修搬运到根因报告的端到端协同。
问题背景：Siemens 报告估算，受访行业的大型工厂每年因非计划停机平均损失 2.53 亿美元；工厂数据虽在，但跨系统取证、咨询专家、协调下一步耗时费力。 FOX 定位：在既有工厂系统之上增加“工厂经理代理”的参考架构，开发者接入既有数据与工具、配置专业代理，并定义哪些决策需要操作员复核。 参考案例：一条 PCB 生产的 SMT 组装线，从 AOI 告警…
NVIDIA 博客
查看来源原文OpenAI 发布 GPT‑6 Cyber，一款面向网络安全的专用模型，宣称能发现可利用漏洞并协助开发修复方案，且经训练被约束在授权范围内行动；由于正文未抓取成功，具体能力与评测数据待核实。
据标题与元数据，OpenAI 推出名为 GPT‑6 Cyber 的网络安全模型，定位为“推进对齐网络安全智能体（aligned cybersecurity agents）的前沿”。其核心问题指向：如何让智能体在漏洞发现与修复这类高敏感安全工作中既具备实战能力，又始终停留在被授权的操作范围内。
OpenAI
查看来源原文Claude Code 工程师 Addy Osmani 提出，使用 Agent 编程时要主动设置“理解关卡”：让 Agent 在完成大改动后总结改动并出题考人，答对才合并，避免从“认知卸载”滑向“认知投降”而积累理解债。
提出者：Addy Osmani，前 Google Cloud AI 总监，现为 Claude Code 工程师（据材料表述）。 核心问题：开发者过度依赖 Agent 后，可能把模型产出直接当作自己的理解，交付变快却说不清系统如何运作，形成“理解债”。 他区分了两个阶段：认知卸载（把部分思考外包给工具）尚属正常；认知投降（放弃对结果的理解与判断）则是需要防范…
腾讯研究院（搜狐同步）
查看来源原文《Nature Methods》于 2026 年 11 月推出一项月度教育专栏“AI Bytes”，用通俗语言向生命科学研究者解释人工智能与深度学习核心概念，并附权威延伸阅读指引，首篇文章聚焦生物基础模型。
这是一篇编辑部社论（Editorial），并非研究论文。它宣布《Nature Methods》开设新专栏“AI Bytes”，定位为面向生命科学研究社区的教育性栏目。社论指出的问题背景是：深度学习与 AI 已深刻改变生物学研究（如蛋白质序列、基因组、单细胞数据的建模），但现有文献大多假设读者具备较强数学或编程背景，专业术语构成理解门槛，尤其对生物学背景的研…
nature.com
查看来源原文深度学习训练结果难以预测和复现，可能源于参数空间中“千疮百孔”（riddled）的吸引盆地几何：通向不同解的初始化点在任意精细尺度上交织，形成“胖分形”，因此即使大幅提高初始化精度，对结果预测能力的提升也微乎其微。
论文追问一个现代AI的基础问题：当所有外在随机性（随机初始化、小批量顺序、数据增强、GPU数值误差等）都被控制之后，训练结果是否仍然存在内在的不可预测性极限？已有经验证据显示，即便消除外在非确定性，仅改变一个比特的参数就可能产生与多种噪声源叠加相当的变异性，但其机制不明。作者提出用动力系统理论中的“riddled basin geometry（千疮百孔的盆…
nature.com
查看来源原文《Science》2026年11月的一篇短评（第575页）提出了“人工智能能否与原住民科学相一致”这一问题；由于正文未能抓取，其具体论点与论证均有待核实。
该文发表于《Science》第394卷第6824期，页码575，属于单页篇幅的评论/观点类文章（Page 575-575）。从标题看，文章追问的是：人工智能的发展与应用是否能与原住民科学（Indigenous science）相容或相互校准。文章是否给出明确答案、提出何种框架或政策建议，均无法从现有元数据确认，**待核实**。
science.org
查看来源原文《Nature Methods》2026年11月刊载的这篇评论短文将“基础模型”界定为：先在大规模广谱数据上训练以学习通用模式、再适配到多种下游任务的模型，并将其置于生物学语境下讨论（正文细节需订阅获取，待核实）。
文章为“AI bytes”栏目下的一篇短文（第23卷，2116–2117页），作者为斯坦福大学生物工程系的 Zijian Ma 与生物医学数据科学系的 James Zou（通讯作者）。 研究问题可概括为：基础模型这一范式如何应用于生物学数据与任务（具体论述因全文付费而无法确认，待核实）。 文章配有图1“Anatomy of a foundation mod…
nature.com
查看来源原文Nature Methods 发表的一种机器学习流程，通过“位置预测”任务训练卷积神经网络提取鸣声特征，再经降维与聚类，可在被动声学录音中识别未参与训练的个体，准确率达 96%，并在 4 年、126 个地点上追踪了 405 只雄性橙顶灶莺（ovenbird）。
被动声学监测（passive acoustic monitoring）与相机陷阱等自主传感器目前多只产出“物种级”检测结果；若要追踪个体，通常仍需侵入性、高成本的“捕获–标记–重捕”（capture–mark–recapture）。本研究提出一种自动化、可推广的方法，利用动物个体独特的鸣声在被动录音中完成个体识别，从而把“重捕”从物理捕获转为声学识别。
nature.com
查看来源原文