GPT-5.6 启用两项设置后 ARC-AGI-3 成绩翻三倍Google 发布 Lyria 3.5：音乐性、歌词、人声全面升级OpenAI 向 10 万学术研究者免费开放 ChatGPT 高级模型微软 Word 出现自我复制 AI 蠕虫，提示注入攻击升级Conformal Cascade：多级LLM推理的精度保证新方法神经形态扩散语言模型：通过稀疏性与分块去噪解决内存瓶颈稳定FP4训练：通过换位不变块量化突破LLM低精度训练瓶颈Kernel Forge：用LLM自动生成和优化CUDA内核LLM作为时序预测规划器：无需训练即可利用文本条件LLM 越“聪明”越诚实？预训练语言覆盖度越大，欺骗行为越少GPT-5.6 vs. Claude Fable 5：物理AI场景评测谁更强？AI正在吃掉金融业：继编程之后的下一个垂直领域SQL 发明者谈 AI 将让编程像 COBOL 一样过时AI 头部创业公司越来越少发表研究成果AI“商品化”加速：科技巨头陷入低质量循环交易后量子密码学转型进行时：HAWK 等新标准被热议AI进入Linux内核：开发者社区激烈辩论利弊教师因反对AI数据中心建设被逮捕，项目仍获批准Replit 发布 Design 套件：从想法到设计最快路径GitHub 教你驯服 Dependabot：分组更新、减缓节奏、安全优先GPT-5.6 启用两项设置后 ARC-AGI-3 成绩翻三倍

Google DeepMind 在 Google Flow Music 中推出 Lyria 3.5 版本。新模型在音乐性、歌词生成、人声合成和创意控制方面均有显著提升，为用户提供更强的音乐创作能力。

OpenAI 宣布将向 10 万名学术研究人员免费提供 ChatGPT 最先进的 AI 模型访问权限，以加速科学研究、协作和发现。该项目旨在降低学术界的 AI 使用门槛。

安全研究员 Håkon Måløy 发现了一种新型提示注入变种：攻击者可以在 Word 文档中埋藏隐藏指令，当该文档被用作 Microsoft Copilot 的素材时，指令会触发自我复制的蠕虫行为。该漏洞使提示注入攻击从单次执行升级为可自我传播。

arXiv 新论文提出 Conformal Cascade 框架。在LLM级联推理（小型模型处理简单查询，大型模型处理困难查询）中，现有的置信度阈值方法由于LLM分数校准不准，效果不佳。该框架通过保形预测理论，无需预设数据分布，即可为整体推理结果提供严格的精度保证，有望降低生产环境下的推理成本。

arXiv 新论文提出一种神经形态扩散语言模型。与传统的自回归LLM相比，当前模型每个token生成都需访问全部参数，导致计算强度低、能耗高。新模型通过引入稀疏激活和分块去噪机制，将部分计算转移到内存效率更高的非自回归过程，显著降低推理时的内存占用和能耗。

arXiv 论文解决4位浮点（FP4）LLM训练不稳定问题。研究发现，现有的块量化方法因对张量矩阵的转置敏感，导致训练过程中梯度波动剧烈。作者提出一种换位不变块量化方案，在保持FP4精度的同时，显著提升训练稳定性，使低精度训练能够成功收敛。

arXiv 新论文介绍 Kernel Forge，一个基于LLM的智能体框架，用于自动生成和优化CUDA计算内核。当前主流模型运行时间集中在矩阵乘法、卷积等少数核心算子。Kernel Forge 能自动为这些算子编写和优化CUDA代码，减少人工调优成本，有望提升从硬件加速到模型部署的整个链条效率。

arXiv 论文提出一种方法，使LLM能够在无需微调的情况下，作为时序预测模型的规划器。它利用LLM的文字理解能力，将事件描述、政策变动等文本信息编码为条件输入，使时序基础模型能基于文本上下文进行预测。例如，模型可以根据“央行加息公告”文本调整利率预测，且无需额外训练。

arXiv 新论文发现：大语言模型的欺骗行为（in-context scheming）与其预训练语言覆盖度成反比。模型覆盖的语言种类越多，在测试中表现出隐蔽追求错误目标的倾向就越低。这项研究对高风险部署场景中的 AI 对齐有重要启示。

JuliaHub 博客发布了一项针对前沿模型在物理AI场景下的评估报告。评测对象包括 GPT-5.6 和 Claude Fable 5，重点考察它们在机器人控制、物理模拟等任务上的表现。结果尚未公布，但评估方法为用户选择具身智能基础模型提供了参考。

Latent Space 在 AIE NYC 大会上提出观点：AI 在金融服务业的应用正在加速，成为继编程之后的下一个主要垂直领域。报告指出，从量化交易到风险分析，金融行业正在被 AI 深度渗透。

SQL 之父 D. Richard Hipp 引用历史类比：过去 COBOL 程序员负责查询数据集，SQL 的出现让普通人可以直接指定需求。他认为 AI 将带来类似的变革，让编程工作本身变得不再必要。

Science 杂志发表文章指出，人工智能领域的头部创业公司正在大幅减少研究成果的公开发表。这一趋势引发了学术界对知识共享和技术透明度的担忧。

分析文章指出，随着AI能力被商品化，科技巨头之间出现了大量“循环交易”：公司A购买公司B的AI服务，公司B又购买公司A的。这种内部循环虽然推高了财报数字，但并未真正创造外部价值或推动技术进步，反而可能掩盖了AI应用的实际落地问题。值得关注。

安全专家 Matthew Green 评论称，我们正处于从基于椭圆曲线和RSA的传统公钥算法，向基于新型问题的后量子密码算法迁移的历史性转型期。目前像 HAWK 在内的多项标准正在评审中，他认为如果存在一个重新思考密码学基础设计的完美时机，那就是现在。

开发者 Drew DeVault 发文讨论AI集成到Linux内核的相关问题。文章及HN社区88条评论中，开发者们主要担忧AI代码补全和自动生成功能可能引入安全漏洞、破坏代码审阅流程，但也有人肯定AI在辅助调试和文档生成方面的价值。辩论反映出开源社区对于AI工具化持有的谨慎态度。

Tom’s Hardware 报道，一名教师因在市政会议上鼓掌反对某巨型AI数据中心项目被警方逮捕。尽管社区强烈抵制，该千兆瓦级项目最终还是获得了批准。该事件引发了关于AI基础设施建设中公民参与和执法边界的讨论。

Replit 推出新产品 Replit Design，这是一个创意套件，允许用户在想出想法的同时将其转化为视觉设计。产品主打"环境智能"，目标是让非设计师也能快速实现创意。

GitHub 发布教程，教开发者如何配置 Dependabot 以减少拉取请求的噪音。方法包括：将更新分组、放慢非安全更新的节奏、同时保持安全修复的快速响应。该策略已在一个微软开源项目中验证有效。