Jevman 基准上线：六个 AI 决策模型吃豆人对战 100 局排名
开源基准 Jevman 让六个 AI 决策模型在《吃豆人》经典幽灵规则下各打 100 局，按平均分与 95% 误差范围排名，并允许任何 HTTP 端点模型提交参战。
分类： AI 资讯
美参议院调查：科技巨头AI数据中心成本转嫁与保密协议引质疑
TIME独家报道，美国参议院为期一年的调查发现，亚马逊、谷歌、Meta、微软等七家主要数据中心开发商在AI数据中心建设中，存在向公众转嫁成本、以保密协议限制公众监督等问题，并拒绝承诺为新增电力基础设施全额买单。
OpenAI解雇三名安全研究员，公开信警告公司文化遭“寒蝉”效应
OpenAI 上周解雇三名 AI 安全研究员，理由为不当处理敏感信息；三人发公开信称此举将对公司开放文化产生“寒蝉”效应，并可能影响第三方安全审计合作。
LLM能否理解序列结构？新研究揭示行为模仿与机制错位
一项来自 Hugging Face Papers 的受控研究指出，LLM 在识别隐藏策略和遵循高阶序列规则时存在明显缺陷，看似逼真的行为模拟可能掩盖了错误的生成机制。
LLM审稿不该模仿人类？新基准以查错为核心评估
arXiv 2026年10月9日挂出一篇新论文，提出用“错误检测”而非“模仿人类评审”来评估AI审稿系统，并给出可扩展基准与多层级评审框架，同时提醒对抗操纵风险仍在。
OuroWorld：把静态3D场景变成可循环的动态影像
Hugging Face Papers 收录的论文提出 OuroWorld，一个无需掩码的框架，可将任意静态 3D Gaussian Splatting 场景转化为多视角、无缝循环的 3D 动态影像（3D cinemagraph）。它试图解决当前 3D 世界模型“场景逼真但时间冻结”的问题，目前公开信息显示其…
OpenAI前研究员称因安全优先被解雇 三人身份曝光
AI 研究员 Mikita Balesni 公开表示，他相信自己与 Tomek Korbak、Jasmine Wang 被 OpenAI 解雇，原因是他们主张把安全放在 OpenAI 短期利益之前。这一指控把前沿大模型公司的安全治理与商业节奏矛盾再次推上台面。
AgentHorizon 基准发布：用 1373 个任务检验长时程电脑操作 AI 裁判可靠性
arXiv 上新发布 AgentHorizon 基准，用 1373 个跨三个操作系统的电脑操作任务衡量自动裁判能否在长轨迹中识别“看似完成但实际违规”的任务，最高分模型 GPT-5.5 在 AH 子集取得 80.9% 平衡准确率。
OpenAI 宣称证明划分原理不推出选择公理，集合论学者质疑论文质量
OpenAI 在 2026 年 10 月发布预印本，声称划分原理（Partition Principle）不能推出选择公理，但集合论学者 Asaf Karagila 公开批评其写作质量低、引用不规范，认为若按学术期刊标准应被直接退稿。
arXiv新论文提出“蒸馏双重困境”：DFI可揭发隐瞒行为，DFC可剥离模型失准
arXiv 2026年10月9日一篇论文提出，蒸馏既能用于“揭发”被对齐评估后仍可能隐瞒行为的模型，也能用于在保留能力的同时降低失准倾向，为审计和复用强模型能力提供了两条新思路。