视频世界模型物理一致性评测：40项任务最高57.76分
alphaXiv 上的一项论文预印本提出“物理终极考试”基准，用40项可测量物理任务评测视频世界模型，八款模型在1280段生成视频中普遍出现物理不一致，最高综合分仅为57.76。
分类： AI 资讯
DAEDALUS 让智能体从自生成任务中自举记忆，成功率提升最高 15.9 分
Hugging Face Papers 收录的 DAEDALUS 提出一种让 LLM 智能体在没有现成任务和验证器的情况下，通过“探索者+求解者”自我对弈生成可复用记忆的方法，在多个智能体基准上提升了成功率。
OpenAI的Dots发布数日后，产品负责人将登TechCrunch Disrupt谈聊天机器人之后
OpenAI 产品负责人 Alexander Embiricos 将在 10 月 13-15 日于旧金山举行的 TechCrunch Disrupt 2026 上，讨论新发布的常驻个人 AI 代理 Dots。Dots 可拥有云端计算机、连接日常应用并后台持续推进目标，是 OpenAI 在聊天机器人之外的重要下…
Google 推出 AI 游戏平台 Playground，文本提示即可生成浏览器游戏
Google Labs 于 2026 年 10 月 7 日上线 AI 游戏创建平台 Playground，用户用简单文本提示就能搭建并发布浏览器游戏，无需编程基础。
GPT-6.1 Sol 七天内接替 GPT-6 Sol：智能逼近 Astra，成本不到四分之一
Artificial Analysis 评测显示，GPT-6.1 Sol 在 GPT-6 Sol 发布仅 7 天后接替上位，智能指数只比 GPT-6 Astra 低 1 分，但每任务成本不到其四分之一。对开发者和企业来说，这意味着接近顶级能力的模型正在快速降价。
ROAR 提出统一 AI 研究系统运行数据框架，聚合超 900 次运行
arXiv 新论文提出 ROAR，用关系型数据模型和解析层统一异构 AI 驱动研究系统（ADRS）的运行输出，并基于 900 多次运行展示跨系统分析的可能性，相关代码和产品尚未公开。
单图生成完整3D场景：新方法让Trellis 2从室内走向室外
一篇新论文提出把以物体为中心的3D生成器（如Trellis 2）改造成单图场景重建工具，通过自适应分块和可见性提示，在室内外场景中同时提升几何精度与视觉质量。
NeMo-DCR发布：万亿参数Agentic RL的增量重拟合提速40倍
英伟达提出NeMo-DCR方案，通过只传输权重变化量而非全量检查点，将万亿参数强化学习跨区域同步时间从87.5分钟压缩到150秒，并保证比特级精确。
Tony Fadell 批评首波 AI 硬件：没解决真实需求，苹果可能最有戏
iPod 之父 Tony Fadell 在 MIT Future Fest 上直言 Rabbit R1、Humane Ai Pin 等第一代 AI 硬件失败原因是没解决真实痛点，并认为苹果最有机会做出可信的 AI 助理，前提是数据留在端侧。
CheckerBench 发布：300 个静态分析检查器任务，顶级智能体通过率仅 45%
Hugging Face Papers 收录的 CheckerBench 提出 300 个从真实 CVE 衍生的静态分析检查器合成任务，用于衡量编码智能体能否完整走完从读规范、看仓库到实现并反复调试的分析器开发流程。目前公开信息显示，表现最好的配置首轮通过率也只有 45.33%，说明这类长周期任务对现有智能体…