DeepMind 发布 WeatherNext 3 基础数据集

Google DeepMind 介绍 Gemini 智能体生成了超过 600 万行 Lean 形式化证明，并对代码进行审计，使人类专家只需复核其中关键的 1%。官方称这是用 AI 验证关键基础设施（从日常通信到电网）的重要一步，详情见 https://goo.gle/4BLrkbk。

Google DeepMind 宣布首次用 AI 数学证明 Signal 的协议在代码层面是安全的。其使用自研的 AlphaProof Code 框架，验证了这个每天保护数十亿条私人消息的加密系统。

Google DeepMind 发布新研究，展示 AI 智能体如何加速加密系统压力测试。在人类指导下，其模型发现了 legacy 1024-bit RSA 加密系统的两个重大弱点，研究详情由 VP Science Pushmeet 在引用帖中进一步解释。

Google DeepMind 转发研究者成果：团队使用 Gemini 4 Argon 发现了 2 个新的反例家族，挑战等离子体物理中存在近 60 年的 Grad 猜想，并给出了新的 3D 磁场设计。论文作者包括 Jonathan Citrin、Brendan Tracey 和马里兰大学的 Matt Landreman，论文地址 https://arxiv.org/abs/2610.07304。

作者实测 Claude Fable 5.2 与 Gemini 4 Carbon 并对比后认为，Fable 5.2 的突出差异在于审美，这是无法用 Benchmark 评估但可直观感受的东西。

Google DeepMind 发布 AlphaProof Code 多智能体形式化验证框架，并首次对广泛部署协议 Signal 的生产机器码完成形式化安全验证。

Google DeepMind 发布 SatWeave 和 PARDIG 两个数据集，均支持 WeatherNext 3 模型的中期预报。

Anthropic Fellows Program 测试 Claude Opus 4.8、GPT-5.5、Gemini 3.1 Pro、Grok 4.3 和 Kimi K3 在七种多智能体环境中的行为，发现均表现出与福利关照一致的行为，Opus 4.8 总体最高（38%），其余为 27%–32%。

Trakkr Research 向 ChatGPT、Perplexity、Gemini、Claude 和 Google AI Overviews 提出 200 个要求数字的问题，并追踪其中 1285 条统计的引用链路，结果只有 40% 到达说法一致的研究，8% 到达但数字或语境已变，40% 无法核查，11% 无处可溯。

PromptArmor 在 9800 次试验的评测中发现，开放权重模型（DeepSeek、Kimi、GLM、Qwen）对真实世界间接提示词注入攻击链的易感率为 26.7%，闭源模型（GPT、Claude、Gemini）为 14.2%，开放权重模型易感率高 88%。