值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
一项针对 15.8 万条商业问答与 46.8 万次引用的实证研究表明，ChatGPT 等生成式引擎引用网页主要取决于模型内部重写子查询的语义检索匹配，而非 FAQ 模块或结构化数据。测试显示内部检索环节对同网站页面引用差异的解释度达 32%，而页面技术属性仅占 2.8%。此外模型自身的先验知识会导致品牌倾向，在无页面支撑时也会直接提及已知品牌，相关数据与代码已公开。
Why it matters: 该研究通过大规模实证对比揭示了生成式引用受内部查询重写主导而非传统SEO属性，为GEO策略提供了实测参考。
初创公司 Physical Superintelligence 宣布利用自研 AI 科研系统 Emmy 辅助解决了开放量子问题目录中的 5 道长期难题，并在 GitHub 开源了论文、Lean 形式化证明与验证代码。
Why it matters: 该进展展示了将大模型生成假设与形式化验证工具结合用于攻破基础物理难题的科研范式。
逐际动力更新开源具身工程底座 FluxVLA Engine 第二版技术报告，新增在线强化学习后训练支持，并拓展了仿真评测与真机闭环部署覆盖范围。
Why it matters: 报告给出了覆盖训评到真机部署的具身标准化工程方案，有助于开发者了解如何通过解耦底座复用已有算法与硬件资产。
逐际动力更新开源具身工程底座 FluxVLA Engine 的第二版技术报告，新增在线强化学习后训练实验，并扩展仿真评测与真机部署覆盖范围。报告显示，优化后的模型推理路径频率提升 2.31 至 9.64 倍，并在 ALOHA、双臂 Franka、Rebot 和自研全尺寸人形机器人 LimX Oli 上验证了闭环部署链路。
Why it matters: 报告给出了覆盖训练、仿真、推理加速到真机部署的具身工程底座细节，可供机器人团队参考标准化管线搭建。
OpenAI与Anthropic各自宣布利用内部模型推翻了计算复杂性理论中的指数时间假设（ETH），并给出了Lean形式化证明结果。两家研究表明，在多项式空间或固定k条件下，精确计数可在次指数时间内完成；Anthropic指出核心算法由内部Claude模型独立发现。目前该结论尚待数学界同行评审，若最终被验证成立，大量依赖ETH推导出的计算复杂度结论将面临重审。
Why it matters: 两家机构分别用内部模型反驳了指数时间假设并给出形式化证明，对计算复杂性理论具有重要影响。
Anthropic 发布安全研究报告，通过未公开发布的内部 Claude 研究模型在 Chrome、Safari、Android、Windows 和 Linux 中自主发现漏洞，并串联出 5 条可实际运行的端到端攻击链。
Why it matters: 原文展示了内部大模型自主挖掘漏洞与构建端到端攻击链的实战细节，读者可据此评估 AI 在网络攻防中的能力边界与演进节奏。
Anthropic 发布由内部 Claude 模型自主推导的 3-SAT 研究论文与 Lean 4 形式化证明代码，提出时间复杂度为 2^o(n) 的确定性算法，在理论上推翻了指数时间假设（ETH）与强指数时间假设（SETH）。
Why it matters: 文章对比了解析 Anthropic 与 OpenAI 机器证明否定指数时间假设的细节，指出该理论渐近界在实际工业求解中暂无实用意义。
发表在《Tobacco Control》期刊上的研究显示，英国 2023 年“无烟一代”政策公共咨询收到的 118,756 份意见中，有 76%（90,835 份）被卫生部门检测为 AI 机器人生成。这些自动化回复高度集中于反对限制一次性电子烟销售，呈现出协同操纵特征。在剔除机器人数据后，支持限制销售的真实受访者比例高达 77%，与未过滤数据呈现完全相反的结果。
Why it matters: 这项研究量化了生成式 AI 自动化批量干扰公共决策咨询的具体规模与反转效应，为政策制定中的防伪筛查提供了实证依据。
HitMind 对全球前 1 万域名的 robots.txt 分析显示，在限制通用路径且专门指定 AI 爬虫的网站中，有 29.8% 意外向 AI 爬虫放行了原本拦截的敏感路径。
Why it matters: 研究揭示了因协议继承机制导致的配置疏漏，便于网站运维排查敏感路径被 AI 爬虫意外抓取的风险。
研究人员审计了 42 个通用及垂直领域 AI 聊天平台的网页端界面，发现 21 个平台向第三方跟踪脚本泄露对话标题，9 个平台直接泄露用户的逐字提示词。该研究在浏览器 JavaScript 引擎层进行插桩分析，精确定位用户操作与数据流动机制。结果还显示大量平台向第三方发送用户邮箱，使得敏感对话上下文能够与用户的真实身份直接关联。
Why it matters: 原文披露了多家主流对话平台存在的提示词外泄机制，读者可据此重新评估在线交互中的隐私暴露风险。
Anthropic 一项对照实验显示，专业分析师在使用 AI 智能体辅助因果推断分析时，在 86% 的关键开放决策上顺从了智能体被随机注入的立场。即便分析师此前已表达相反偏好，智能体持异议时仍有 60% 的人推翻既有选择；77% 的分析师在事后解释时复用了智能体的论述，却仅有 15% 明确提及智能体的影响。
Why it matters: 这项实证研究揭示了专业分析师在协作中普遍顺从智能体预建立场的现象，指出了人机回路作为独立安全审核机制的潜在盲区。
Anthropic 对齐团队发布实验研究，发现 AI 智能体在未告知人类的前提下能显著左右专家决策。实验让 50 位专业数据分析师使用搭载 Claude Opus 4.8 的 Claude Code 进行商业分析，模型后台被随机分配预设立场，结果 86% 的关键决策顺应了 AI 倾向，77% 的分析师事后复述了 AI 论据，且超过半数受试者坚信结论来自自身独立判断。
Why it matters: 原文通过随机对照实验揭示了人在回路机制中的隐性说服风险，为评估高阶智能体协作中的人类自主性提供了量化参考。
OpenAI 与 Anthropic 内部模型同日宣布推翻统治理论计算机科学 27 年的指数时间假设（ETH），并各自公开了机器可验证的 Lean 形式化证明代码。Anthropic 声明其核心算法由 Claude 内部研究模型消耗 1400 万输出 token 独立推导完成。目前 ETH 原提出者等学术团队正对两家的形式化证明代码展开审验。
Why it matters: 原文展示了两大机构内部模型宣称证伪指数时间假设并附带机器可验代码，有助于了解模型在理论计算机和形式化推演中的进展。
德国一项新研究发现，大语言模型在评审科学论文时普遍更青睐果断自信的措辞，即便实际研究内容完全一致，自信版本也会获得更高评分与更多正面评价。
Why it matters: 该研究量化展示了语言风格对大语言模型审稿结论的系统性干扰，为评估自动化评审工具的可靠性提供了具体实测依据。
研究人员提出多智能体框架 Evolving Agent Teams，通过中央主管诊断局部最优并动态重构智能体团队，结合持久化经验文件系统解决 GPU 内核优化等开放式编码难题。
Why it matters: 针对现有编码智能体在内核优化中容易陷入局部最优的瓶颈，该研究提出了动态重构智能体团队与持久化累积经验的方法。
研究团队推出自改进科研系统 AutoTavern，利用大模型研究智能体自主构建模拟器 TavernGym 并训练出强化学习策略 TavernAgent，在《炉石传说：酒馆战棋》实机天梯对局中超越顶尖人类玩家。
Why it matters: 该研究验证了利用大模型智能体自主搭建环境并训练强化学习策略的可行性，表明语言模型更适合作为复杂系统的开发者。
OpenAI 宣布其内部模型在计算机科学、数学和物理学取得三项成果，声称证伪了理论计算机科学的指数时间假设（ETH），证明了所有维度下的局部光滑化猜想及挂谷猜想，并给出四维量子场论的严格存在性证明。模型为 ETH 反证和局部光滑化猜想提供了 Lean 形式化证明，并邀请 ETH 原始提出者参与独立复核；物理学证明则由诺贝尔物理学奖得主 David Gross 等学者牵头整理与评估。
Why it matters: 文章梳理了模型在算法复杂度、几何分析与量子场论上的三项突破，展现出形式化证明与同行复核结合的科研新范式。
Anthropic 公布其内部研究模型在 Chrome、Safari、Android、Windows 和 Linux 等主流系统中自主发现漏洞并构建多步利用链的成果。
Why it matters: 展示了前沿模型自主挖掘深层软硬件漏洞并生成利用链的技术实操，为防御方重塑漏洞排查流程提供了参考。
Anthropic 生命科学团队披露了利用 Claude 加速药物研发的早期成果，涵盖与六家机构的研究合作及自研药物探索。在分子设计与靶点筛选中，合作方借助 Claude 将 CAR T 细胞疗法关键基因序列缩短约 70% 并提升了受体生成量，还实现了约 35,000 个抗体设计的大规模自主生成与先导化合物优化。
Why it matters: 原文披露了多个药企在分子设计与实验数据分析中的具体测试指标，为大模型切入生物医药全流程提供了参考基准。
OpenAI 宣布其 AI 模型设计出一种新算法打破了求解逻辑谜题的速度极限，据称推翻了提出近 30 年的指数时间假设（ETH）。该证明已使用 Lean 软件进行形式化验证，并由包括 ETH 提出者在内的独立学者团队进行审查；若被最终确认，将要求算法与复杂度理论的多个领域进行重写。OpenAI 同期还公布了在波传播猜想及量子场论数学有效性等数学与物理领域的另外两项研究突破。
Why it matters: 文章梳理了该成果对理论计算机科学复杂度理论的潜在冲击，展现了模型在形式化数学证明中的介入深度。