RSI-Dojo：用281个训练环境教LLM Agent做模型后训练，9B与35B微调模型超基线
arXiv 上的一篇新论文提出 RSI-Dojo，用 281 个可执行训练任务和轨迹数据，把“做后训练”这项能力教给 LLM Agent；基于此微调的 Qwen 模型在 PostTrainBench 上超过各自基座。
分类： AI 资讯
AI审稿人看不懂论文的改进？大规模研究揭示评审打分与修改脱节
一项基于6959篇论文轨迹的研究发现，AI审稿人在多数实质性修改上不打分变化，且分数容易受用户简短负面评价影响。这提醒我们，AI评审的结论未必反映论文质量的真实提升。
纽约市长 Mamdani 推市政 AI 新政：部分学生禁用 AI，支持数据中心暂停一年
纽约市长 Zohran Mamdani 公布一组市政 AI 政策，包括对部分学生禁用 AI 工具、支持数据中心暂停一年，并配套其他监管安排，显示一线城市正在把 AI 治理落到具体人群和基础设施上。
LOLPlay 英雄联盟实时视觉Agent基准发布：GPT-6 Astra任务成功率25%
arXiv 2026 年 11 月 4 日上线的一篇论文提出 LOLPlay 基准，在《英雄联盟》原生环境中评测实时视觉智能体，覆盖 36 个英雄专属任务。GPT-6 Astra 在摘要报告的评测中取得最高 25.0% 任务成功率，但提高推理强度并未带来收益，暴露出“想得越多、动手越慢”的实时控制难题。
17个Claude Code机器人月成本100美元：一家B2B公司公开账本
韩国一家B2B分销公司的运营负责人公开：17个Claude Code机器人在真实业务中日运行，每月账单只有100美元的Claude Max订阅费，API支出为零。这一案例把“AI自动化”帖子里最常被省略的成本项摆上了台面。
模型「知道」却「说不出」？新研究发现化学官能团知识先于输出形成
一项 arXiv 新论文通过读取五个开源模型的内部表示发现，语言模型在「开口回答」之前，就已经按化学家族组织好了官能团知识；输出错误未必等于模型不懂。这为评估化学类 AI 智能体提供了新维度。
PrimeSim 世界模型模拟器开源：3 万小时机器人演示，10.1 FPS 长程稳定
Hugging Face Papers 收录的论文提出 PrimeSim，一个基于约 3.01 万小时、22 种机器人平台演示训练的动作条件多视角世界模型模拟器，并开源模型权重与训练推理代码。它的看点是把视频生成器改造成能跟随指令、在多相机视角间保持一致、并能长程稳定推演的“机器人模拟器”。
帆软给AI业务单独划地：事、人、组织三关怎么过
帆软CPO张驰将在2026年AICon北京站分享内部AI转型实践：把AI业务从原有体系中独立出来、独立核算，并靠工具使用而非履历来识别人才。
MCPGuard 检测官方 SDK 规范缺口：Python 确认 13 处、TypeScript 确认 19 处
arXiv 新论文提出 MCPGuard，用结构比对加 LLM 行为审计的方式，检查 MCP 官方 SDK 是否漏掉了协议规范中的约束，并在 Python 1.26.0 与 TypeScript 1.29.0 SDK 上分别确认 13 处和 19 处问题，而这些缺口未被两个黑盒基线发现。
YANAMI多轮多模态数据集发布：评测统一模型能否跨轮保持对话状态
研究团队在 Hugging Face 发布 YANAMI，一个面向“多轮状态化交互”的大规模多模态对话数据集与评测基准，包含 40 万条对话、超过 200 万张图像和 260 万轮对话，用来考察统一多模态模型能否在多轮对话中理解、保持、更新并忠实画出不断变化的对话状态。