GroundAnything 用并行扩散做视觉定位 4B 模型挑战快速推理
Hugging Face Papers 收录的论文提出 GroundAnything，一个 4B 参数视觉定位基础模型，用块级并行扩散解码替代传统自回归逐 token 输出，在延迟敏感场景下尝试兼顾定位精度与推理速度。
标签： GPT-4
4B 模型 GroundingPI 在 34 项评测超越 GPT-6 Astra，视觉定位成具身智能新底座
Hugging Face 论文页面 9 月 30 日收录的 GroundingPI，用 4B 参数把点与框统一成量化坐标输出，在 34 个定位基准上平均拿到 73.68%，高于论文对比中更大的 GPT-6 Astra。它试图证明：专门做“看清楚目标在哪”的感知预训练，可能比通用视觉语言骨干更适合机器人和自动驾…
CASE：让医疗智能体主动寻找证据，纵向推理准确率提升超16%
研究者提出CASE临床智能体框架，让视觉语言模型学会在长周期病历与多序列MRI中主动搜寻证据，而不是只对预先筛选好的资料作答。在UK Biobank构建的纵向基准上，其Qwen3-VL-8B智能体在匹配条件下答案准确率相对GPT-5.4和Claude Opus 4.8分别提升超16%和10%。
Meta发布Muse Wonder与Muse Wonder Full，智能指数6周内提升至52和56分
Meta在2026年10月发布Muse Wonder和Muse Wonder Full，Artificial Analysis智能指数最高分分别达52和56，较6周前的Muse Spark 1.3（48分）明显提升，重点强化了Agent任务能力。
Cognition推出FrontierCode评测：AI写代码能过维护者合并关吗？
Artificial Analysis 上线了 Cognition 的 FrontierCode 1.1 代码评测排行榜，考察 AI 模型改动的开源代码能否被维护者真正合并。领先模型仍有超过 40% 的尝试被判定不合格。
GPT-6.1 Sol默认上下文升至500k，研究称依赖AI十分钟削弱专注力
GPT-6.1 Sol 在 Codex 与 Work 中的默认上下文从 272k 提升至 500k，约增 80%；同日多项研究提醒，依赖 AI 工具可能削弱专注力，多智能体协作也未必更划算。
OpenAI三十天连轰数学界：陶哲轩提”数学2.0″，722篇AI手稿引发争论
据社交平台账号 @MillerAurval 整理，OpenAI 在约一个月内接连公布千禧年难题证明与 722 篇 AI 生成的数学手稿，引发陶哲轩等数学家公开质疑，也让"AI 做数学"的评估方式与学术规则成为争议焦点。
SWE-Duel提出自扩展代码竞技场：11个模型1500回合互评
Hugging Face Papers 收录的一篇论文摘要提出 SWE-Duel，让两个代码智能体通过红蓝互评动态生成任务与判定标准，试图缓解静态编程基准被训练数据泄漏和饱和的问题。目前公开信息仅来自摘要，尚不代表已上线产品。
OpenAI上调GPT-6.1 Sol默认上下文至500k，长文本不再单独收费
OpenAI 将 GPT-6.1 Sol 在 Codex 和 Work 环境中的默认上下文从 272k tokens 提升到 500k，并取消长文本额外收费，手动最高可调至 1M。
TIPS用结果奖励RL训练过程奖励模型，ProcessBench达85.2 F1
一篇投稿于 Hugging Face Papers 的论文提出 TIPS：只用结果标签做强化学习，就能训练出具备步骤级判断能力的过程奖励模型（PRM）。若结论成立，PRM 的数据标注成本可能明显下降。