标签： GPT-4

思科联手OpenAI用前沿模型防御机器速度攻击，Daybreak与GPT-6 Astra成关键

思科将把自身网络遥测数据与 OpenAI 前沿模型结合，用来在“机器速度”下识别、关联并响应攻击；OpenAI 官方页面于 2026 年 11 月 3 日发布了这一合作案例。

OpenAI于2026年11月3日公布模型在机械、电气与系统设计中的工程能力进展，并用Astra（GPT‑6）在一周内完成一台对话设备的设计与原型验证，显示大模型正切入实体产品研发流程。

艾伦人工智能研究所（Ai2）于2026年11月3日发布StateBench，用四个难度层级评估大模型在长文档中追踪实体状态变化的能力；结果显示Claude、Gemini、GPT等前沿模型在复杂形式下仍会随上下文变长而失效。

MIT CSAIL 团队用 GPT-6 Astra 直接修改开源小模型 Qwen3.5-0.8B 的权重，在 MATH-500 上把成绩从 7.9% 提升到 48.1%，只动了约 0.016% 的参数，未走常规训练流程。

一项名为 DeFT-RAG 的检索增强生成框架在 Hugging Face Papers 公开，提出把多跳问题拆成自带实体的“自包含子问题”，以降低大模型在推理链中的任务负担。按论文摘要，它在三个多跳问答数据集上取得优于 13 个基线的准确率。

arXiv 新论文提出 NURESA 神经层，把持久记忆从突触权重中分离出来，使一个模型能在约一分钟内把学到的能力零样本转移给未训练过的另一个实例。这触及了大模型“无状态部署、灾难性遗忘、重训昂贵”的老问题。

arXiv 11 月 3 日公开的论文提出 MemU-Bench，用 118 个“含糊且依赖历史”的移动端任务检验 GUI 智能体，并给出免训练的 AppMem 记忆框架；目前最强系统在没有用户历史时 SPL 仅 16.4%，说明“记住过去操作”是这类智能体的明显短板。

OpenAI 员工 Thibault Sottiaux 在 X 上只发了“Le GPT Fat”四个词，这条无上下文的帖文获得约 773 万次浏览和数千次互动，社区随即围绕其含义展开猜测。

一篇近期论文称 GPT-6 Astra 能直接读取和修改神经网络权重，包括找出小网络训练的游戏、以及修复 0.8B Qwen 的数学任务循环问题；博主 Sean Goedecke 认为这些任务聪明的人类研究员也能完成，不应视为超人类能力。

Hugging Face Papers 收录的一篇论文提出跨仓库联合开发基准 CrossSWE，用 171 个真实案例检验编码代理能否协调多个相互依赖的代码库；摘要显示最强模型 GPT-6.1 Sol 的通过率仅 58.48%。