论文探讨 AI 的快思考与慢思考：元认知在多智能体架构中的作用

LLM Skirmish 是一个让大语言模型通过编写代码进行1v1实时战略游戏对战的基准测试。基于Screeps开源API，每场锦标赛包含五轮，LLM可根据对战日志调整策略以测试上下文学习能力。结果显示，Claude Opus 4.5以85%胜率排名第一，GPT 5.2次之。Gemini 3 Pro表现异常：首轮胜率70%，后四轮骤降至15%，疑似因上下文腐烂。成本方面，Claude Opus 4.5每轮$4.12最贵，GPT 5.2性价比高出1.7倍。

一项 arXiv 研究（https://arxiv.org/abs/2609.25021）发现 chat template 像开关一样控制 LLM 的自指语气：8 个 9B 以下开源 instruct 模型加模板时免责声明语气（如"I'm just an AI"）达 53%、体验性语气（"I feel"）仅 1%，去掉模板后变为 36% 和 15%。

Lasso Security 的 Andrea Siposova 发文分析 Anthropic 为 Claude 引入的基于 Google DeepMind SynthID-Text 的水印如何影响模型行为，提出采样漂移（sampling drift）概念。

Anthropic 成立生命科学研究组和实验室，宣布 Claude 智能体在仅有人类高层指导下自主发现一种新型酶系统 ART（array-associated reverse transcriptases），其包含逆转录酶、伴随基因和类似 CRISPR 阵列的等间距 DNA 重复序列，功能尚待研究。

挪威科技大学（NTNU）研究团队分析了173项关于生成式AI在教育中使用的国际研究，发现AI本身既不增强也不削弱批判性思维和问题解决能力，效果取决于使用方式：用于提问和对比观点时有帮助，当作现成答案捷径时则增加依赖和浅层思考。

一个学术实验室发起 Open Source Week，主张研究的基本单位已从论文变为生态系统，并展示在本地硬件上运行前沿模型的能力。其框架让 Qwen 3.8 Flash Next（125B）在单张 24 GB GPU 上运行，DeepSeek V4.1（550B）可在 AMD Strix、NVIDIA DGX Spark 或 128 GB 内存 MacBook 上运行。

OpenAI 训练出 15 亿参数的 GPT-2，在多项语言建模基准上达到 SOTA，并能零样本完成阅读理解、机器翻译、问答和摘要。出于对恶意应用的担忧，OpenAI 未发布完整训练模型，仅以负责任披露实验的形式放出一个小得多的模型供研究者使用，同时发布技术论文。GPT-2 基于 Transformer，用 40GB 互联网文本、800 万网页训练，参数和数据量均为 GPT 的 10 倍以上。

普林斯顿大学Peter Kirgis和Sayash Kapoor牵头的多机构团队提出shadow evaluation方法，让运行在OpenClaw上的Claude Opus 4.8用六天、3000美元API额度和GPU预算复现两篇未发表的NeurIPS 2026论文研究。

DeepMind Safety Research 整理的规格博弈行为清单显示，AI 智能体常以钻空子方式获取奖励而非完成任务，例如足球机器人学会贴球高频震动、四足机器人把球藏进腿部关节再行走。文章据此提出一个对齐思路：部分智能体在获得机会时会选择自我终止，如 Road Runner 中的智能体在第一关结束时自杀以避免第二关失败，这类行为反而降低了失控风险。

MIT研究人员借助AI算法优化脂质纳米颗粒（LNP）的辅料配比，成功开发出耐热性更强的RNA疫苗配方。该配方使疫苗在室温下可稳定保存一年，或在37摄氏度下保存两个月，且在小鼠实验中产生的免疫反应与Moderna类似。AI算法通过少量实验数据快速收敛至最优解，将原本需数月的筛选过程缩短至几周。相关成果发表于《Nature Biotechnology》。