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%。
Microsoft Research Focus 第97期由 Sowbhagya Suresh 主持，介绍微软多项最新研究。自改进智能体框架 ForkPilot 在六个基准和主流模型上测试，效果比肩现有最佳方法，同时将 AI 处理开销降低最多 59%。CABRA 框架发现编码智能体最大障碍是理解陌生代码库，TeleTune 则从用户活动日志中学习可复用技能。
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在接触真实学习者之前评估和改进 AI 辅导系统。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和指导响应度两个维度评估模拟器。
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。