七款大模型写数据科学项目：三轮反馈后平均分从59%升至76%
一项 arXiv 新论文用“写作模型+评分模型”三轮迭代，测试代理式 AI 能否独立完成从下载数据到写出短论文的完整数据科学项目，结果显示反馈能显著提分，但效果高度依赖模型分工。目前公开的只有摘要，全文实验尚未核验。
分类： AI 资讯
TurnWise提出回合级信用分配，改进流式视频理解强化学习
Hugging Face Papers 收录的论文提出 TurnWise，将流式视频理解中的 GRPO 强化学习从“整条轨迹共享奖励”改为“按回合分配信用”，在摘要所述的实验中优于此前的强化学习方案。
Gemini 4 Argon 11 小时优化谷歌 ADK 20 万行代码，会话准备提速 40%
谷歌用 Gemini 4 Argon 对自家 Agent Development Kit（ADK）代码库做了一次 11 小时无人值守优化，两项改动被采纳，使长会话内存会话准备开销降低约 40%、冷启动包导入时间缩短 21%。它说明 AI 智能体已能改动真实的大型现有代码库，但落地仍卡在评审、调试与测试上。
快手等团队提出MIS框架：整页排序推理提速最高4倍
arXiv 2026年11月5日发布的一篇新论文提出 Multi-Item Scoring（MIS）框架，试图在不反复跑完整模型的前提下，让整页排序同时兼顾点击质量和推理效率。
MA-SafeDiffuser 将扩散规划器扩展到多智能体，引入有限时间不变性保证
arXiv 新论文提出 MA-SafeDiffuser，把 SafeDiffuser 的单智能体安全扩散规划扩展到多智能体场景，在去噪过程中嵌入控制屏障函数约束，为联合安全规格提供有限时间不变性保证。
H2RB框架让人类演示数据可用于VLA机器人策略适配
Hugging Face Papers 收录的论文提出 H2RB 框架，试图用人类演示数据帮助预训练视觉-语言-动作（VLA）模型适配目标机器人，减少对昂贵机器人专用数据的依赖。
webAI 发布 TwIL-8B 推理模型：MATH-500 得分 98.2，4-bit 可本地运行
webAI 于 2026 年 11 月 4 日发布 8.79B 参数稠密推理模型 TwIL-8B，基于 IBM Granite 4.2 8B 后训练，主打数学与代码任务，量化后 4.98 GiB 即可在 CPU 或小显存 GPU 上本地推理。
SlackBench发布：用真实科研协作场景评测AI智能体，最强系统仅80%
arXiv 2026年11月5日上线论文提出 SlackBench，用真实学术项目的多轮对话、代码仓库和文档来评测 AI 智能体，33 个前沿模型与工具链中最好成绩约 80%，多数低于 66%。
FrontierPhysics 发布：42位物理学家设56项端到端科研任务，22个模型无一通过过半
Hugging Face Papers 收录的论文提出 FrontierPhysics 基准，用 42 位物理学家设计的 56 项真实研究任务检验 AI 智能体，结果显示 22 个模型在 26 种配置下无一能在 168 次运行中通过超过 46 次，主要短板是推理严谨性和专家直觉。
AI政治行动委员会国会选举投入数百万美元，重点候选人却纷纷落败
2026年美国中期选举中，支持与反对AI行业的政治行动委员会合计投入数千万美元，试图影响国会席位归属与AI监管走向，但多个重金押注的候选人落败，整体效果参差。