分类： AI 资讯

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。

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。

arXiv 上一篇新论文用 102 篇“西班牙羽流”天气模式综述文献做基准，测试六款 AI 工具在发现、解读、综合与提出新方向四个阶段的文献综述能力。结论是：AI 能显著帮忙找文献和读文献，但在证据评估与研究综合上仍不能替代专家判断。

美国11月3日中期选举后民主党全面掌控国会，而选民对AI数据中心的反对情绪在多个州转化为选票，可能带来建设限制与电力成本新规。

arXiv 2026年11月5日发布的一项研究提出 ReScopeBench 基准，用18个交互环境测试AI智能体如何获取、复用和修正经验，发现留存经验能提升任务表现，但智能体难以随环境变化及时更新经验。

据彭博社报道，苹果已下调内部工程团队的每日 AI 使用预算，部分额度还在继续收缩。这意味着连一家力推 AI 落地的大公司，也开始用“限流”控制 token 成本。

arXiv 于 2026 年 11 月 5 日发布的一篇 cs.AI 新论文，提出一个闭式可行性条件，用来判断“置信度门控的分级 LLM 推理”在什么情况下根本不值得做，并给出无信号下限与完美信号上限。

雷军在微博发布小米机器人在公寓场景做家务的测试视频，其背后依赖 Xiaomi-Robotics-1 具身基础模型，单次测试连续运行超过 30 分钟、覆盖 3 个房间、完成 50+ 项任务，展示长程任务的连贯执行能力。

arXiv 上出现的一篇新论文主张，医疗多智能体系统不应在答题前一次性选专家、取知识，而应由外部“挑战者”在推理过程中发现知识缺口、再定向补料；摘要称该策略在 MEDAGENTSBENCH 难题集上优于前置检索。

字节跳动豆包工作团队版和企业版已默认启用Kimi K3.1Pro、GLM5.3、DeepSeek V4.1Flash三款第三方大模型，企业用户无需额外购买，调用消耗直接从账户AI积分扣除。这打破了办公Agent产品只依赖自研模型的惯例。