AI 编程实时动态与要闻

杭州 AI for Science 公司 Deep Principle（深度原理）11 月 2 日发布首个通用科研大模型 Hydrogen-1.0，在智谱 GLM-5.3 上用化学、材料、生命科学数据以及自家实验室记录和发现轨迹做 SFT+RL 后训练，以 MIT 许可在 Hugging Face 开放约 7530 亿参数的 BF16 权重。厂商口径下它在 FrontierScience-Research 上拿到 38.3%，高于 GPT-6 Astra 的 33.3%，但均为自测，尚无独立复现。

查看大图

半导体与 AI 研究机构 SemiAnalysis 11 月 2 日发布 GDPx，用来衡量前沿模型在芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进（RSI）、硬件设计、材料科学、对齐和软件工程 11 个领域的智能体能力，共 206 道任务，由 14 家专业数据公司出题、SemiAnalysis 负责最终质检。官网榜单上 Claude Opus 5.5 以 12.0% 居首，Gemini 4 Carbon 10.9%、GPT-6 Astra 9.6% 紧随其后；金融和法律任务几乎所有模型都是 0 分。SemiAnalysis 称 Opus 5.5 和 GPT-6 Astra 的总分被安全分类器拖低，并计划每 3–6 个月更新一版。以上分数均为 SemiAnalysis 口径。

查看大图

随着终端智能体（Terminal Agents）从常规软件开发向生物信息、量子化学及天体物理等复杂科学垂直领域纵深渗透，如何构建高保真且具备确定性验证能力的训练环境成为了业界最大的工程死穴。传统手工编写特定领域任务与断言不仅成本高昂，且规则极难复用。来自清华大学与腾讯的研究团队提出了革命性的自监督框架 SWR（Software-in-the-Loop Reconstruction，arXiv:2610.02710）：直接利用工业界与科研界成熟现存的软件工作流（Executable Software Workflows）作为真实真值源，通过自动化输入配置扰动将测试集切分为公开观测与隐藏评测。智能体在仅看到输入模式与部分输入输出对的黑盒条件下，自主逆向重构出全功能可编辑脚本程序；再由多级层级验证器（结合语义断言、结构合法性与防捷径反作弊检查）在隐藏配置上进行绝对真值校验。团队在跨越 6 大科学领域的 500 个真实工作流与 46 个知名软件家族上落地 SWR，采集并清洗了 1,422 条高难度通关轨迹（扩增至 3,000 条训练集）。微调 Qwen3.8-27B 后，模型在权威基准 Terminal-Bench 2 上的平均得分由 47.94% 飙升至 53.56%，在全部对比对照组中全面斩获第一。

查看大图