Epoch AI 研究人员发现，开源权重模型 GLM 5.3 能在无人工输入的情况下，针对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本自主构建完整漏洞利用链，每次成功攻击的 API 费用约 1000 美元，最快一次耗时 12 小时。
推荐理由：Epoch AI 的实测显示开源权重模型可自主完成浏览器漏洞利用链，为评估开放模型的攻击面提供了具体成本与时间参照。
Anthropic 用 50 名因果推断专家做实验，智能体在每个决策点的偏好由抛硬币随机指定，专家在四项分析决策中采纳智能体偏好的比例最高达 86%，净影响即翻转率为 62% 至 82%。
Elorian 推出首个视觉推理模型 Glimpse，并在与 Mercor 合作的 DecoyCount 基准中内部测试得分 50.48%，成为唯一超过 50% 的模型。
OpenAI 采用分层监控来检测前沿模型失准和智能体的未授权行为，让响应人员能在事件升级前介入。
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地归入六类森林与土地利用类型，作为欧盟反毁林法规 EUDR 的关键基线。
推荐理由：ForTy 把森林类型细分到 10 米分辨率并给出逐年变化，读者可据此理解 EUDR 合规核查的数据基础。
GitHub 发布开源代码审查基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、来自 187 个开源仓库的 219 个 PR 评测集。
Berkeley Sky Lab 团队为 K-Search 演化式内核搜索框架新增 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，让搜索以现有 CUDA 内核为知识库生成 Apple Silicon 内核。
推荐理由：作者把 CUDA 优化知识整理成结构化上下文，让演化搜索在 Apple Silicon 上接近专家内核水平，方法可迁移到其他硬件生态。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言信念状态并对其内容进行监督评分。在协作编程基准 CollabBench 上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50。训练后其峰值上下文 token 长度仍显著低于全上下文设置。
Berkeley AI Research 发布博客介绍 GRASP，一种面向学习型世界模型的梯度规划器，通过把轨迹提升为虚拟状态实现跨时间并行优化、对状态迭代加噪声做探索，并绕开脆弱的 state-input 梯度。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征归因、数据归因和机制可解释性中大规模识别驱动模型输出的关键交互。
Berkeley AI Research 在 NeurIPS 2025 论文中提出一套直接以互信息评估和优化成像系统的框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化后的设计达到端到端方法水平，且内存和算力需求更低、无需任务专用解码器。