OpenAI 公开 722 篇内部模型数学论文
2026年10月11日，OpenAI 一次性公开了由其未发布内部模型完成的 722 篇数学手稿，覆盖约 4,000 个研究问题，整理为 372 组相关结果，每项成果平均消耗约 3 小时 ChatGPT Pro 级思考算力，但模型本身仍未对外开放。同日，Anthropic 将 Claude Code Projects 从限量 beta 扩大到全部 Pro 和 Max 用户，并新增数据看板与动画讲解功能；小米发布 MiMo-V2.6 技术报告，通过智能体自动构建训练任务，其 Pro 版 DeepSWE 分数在 260 万美元 RL 训练后从 58.4 升至 72.6。此外，Sakana AI 的多智能体审稿系统对核心论断错误检出率达 73.43%，远超此前最佳的 14.81%，凸显 AI 在科研质量评估上的潜力。
模型发布/更新
5 篇
SenseNova 团队不改模型权重，只改智能体系统设计，就让机器人 RoboDojo 分数翻倍，还带递归自我改进循环，做法值得细看。
产品发布/更新
5 篇
Claude Code Projects 推出正式版了，Pro 和 Max 用户都能用，多个线程并行干活还共享记忆，冲突会走 merge 处理。
Anthropic 给 Claude 智能体加了动态工作流，一次能同时跑 1000 个子智能体，找 Bug 测试里单智能体只找到 14-27 个，它稳定找到 66 个，很直观。
OpenRouter 自曝内部案例：5 个销售加一个 AI 智能体 Rasp，每月省 600 小时，连踩坑经验和模型省钱套路都写清楚了。
Claude Code 现在能让 Claude 自己写调度程序，一次指挥最多 1000 个 Agent 分阶段干活，还能查进度、设预算，做批量材料处理的可以试试。
行业动态
5 篇Nathan Lambert 聊了 RL 训练数据为什么质量差、怎么用评估基准来倒逼数据质量，还提到他在给 Mercor 做顾问。做后训练或数据标注的可以看看他的思路。
Stripe 的 Collison 提出个观点：以后 AI 帮你比价调研，商家会像刷 SEO 一样去迎合模型的偏好，质量信息成新战场。
Nvidia 可能拿下 Reflection AI，用授权加挖人的方式绕开反垄断审查，Beam 这模型用更少算力对标 GLM 5.2，值得看看细节。
论文研究
3 篇Meta 开源的 IdeaScientist，一个 27B 模型自动写科研提案，居然比 Claude Code 和 Codex 的方案还高近 6 个点，做法拆成三个 RL 角色，做 AI-scientist 的必须看。
技巧与观点
5 篇Raschka 的 RLVR 系列第二课，用 GRPO 亲手训推理模型，讲透 clipped ratio、KL 损失和 reward hacking，代码全给，适合想上手 RL 后训练的人。
搞本地推理的可以看看，它把 prefill 和 decode 的瓶颈讲得很清楚，还给了排查清单，比如响应慢先测 TTFT，输出慢就量化或换硬件。
Lee Robinson 把 Grok Bot 这类常驻 agent 的内部机制讲得很直白，从 harness 到 context 工程都有拆解，想搞懂 agent 怎么跑起来可以看看。
LangChain 把 Open SWE 改成按任务自动挑最便宜够用的模型，成本直接砍掉 64%，还能看看 DeepSeek v4.1 flash 当编排器的实际体验。
