AI 编程实时动态与要闻

webAI CEO David Stout 于 11 月 4 日（UTC 17:37）在 X 上宣布开源 TwIL-8B。官方 Hugging Face 模型卡显示：它基于 IBM Granite 4.2 8B，经全参数 SFT、GRPO/DAPO 强化学习和长度感知 RL 训练，分 balanced 与 verbose 两个版本；自报 LiveCodeBench 81.6（verbose）、MATH-500 98.2、IFBench 74.4，约为前沿模型 93%/92% 的水平，但 GPQA Diamond 仅 70.2。提供 4.98 GiB 的 Q4_K_M GGUF，可在本地运行；许可为 webAI 非商用协议。

查看大图

Axiom 于 11 月 4 日（X 官方账号 UTC 17:13 发帖，帖子浏览超 200 万）发布整部 Stacks Project 的 Lean 形式化。这部约 7500 页的代数几何开源参考书由 Johan de Jong 于 2005 年发起，形式化后约 1600 万行代码，官方称是迄今最大的一体化、可复用形式化数学库。工作由分层协调的 AI 智能体集群完成，过程中发现了原文数十处需要局部修正的命题，并给出反例。成果开源，可在 stacks.axiommath.ai 对照原文浏览。

查看大图

MIT CSAIL 博士生 Rikiya Takehi 11 月 2 日在 X 上发布「Weight-Space Programming（权重空间编程）」研究：作者团队（Takehi、Jayden Teoh、Alex Zhang、Omar Khattab）让 GPT-6 Astra 不用梯度、不做训练，直接阅读和修改神经网络权重。博客称 Astra 只改了 Qwen3.5-0.8B 的 13.1 万个权重（0.016%），修复了思考死循环，MATH-500 从 7.9% 升到 48.1%。原帖约 2.4 万赞、177 万浏览，Ethan Mollick 转评「等复现，但这很重要」。以上均为作者自报结果，尚未独立复现。

查看大图

a16z 10 月 30 日发布的 Charts of the Week（作者 Moses Sternstein）讨论了「Rack Spread」：GPU 租金在涨，token 价格在跌。a16z 官方 X 账号 10 月 31 日总结：5 月以来 token 均价下降 67%，token 花费增长超过 120%；按文章的粗算，用 Ramp 数据得出约 122%，用 Ornn 混合单价乘 OpenRouter 用量得出约 160%。另一条帖子给出 7 月中以来 B300 租金涨 106%、B200 涨 66%、H100 涨 17%。a16z 同时强调这些指数样本小且有偏差，不能代表真实总需求。

查看大图

Anthropic 宣布把 2025 年 5 月启动的 AI for Science 计划从个人研究者扩展到机构层面：6 家科研资助方（含美国国家科学基金会 NSF、Simons、Sloan、Schmidt Sciences）将向研究者分发 Claude 额度，6 家研究机构（如 STScI、Sanger、Crick、EMBL）在内部使用，另有 6 个公共科研项目（如 gnomAD、FlyWire、Lean 数学库 Tau Ceti）直接获得支持。官方未公布额度总金额。

查看大图

AI 数学公司 Axiom 10 月 27 日宣布，用数十个 AI Agent 组成的集群，在 24 天内把有限单群分类定理（CFSG，原证明约 1.5 万页、500 多篇论文、约 100 位数学家）完整形式化到 Lean 证明助手，产出约 4310 万行 Lean 代码、205 万条声明，并在 GitHub 开放仓库。过程中发现文献里 34 处值得注意的偏差，AxiomProver 还为「不平衡群定理」给出新的替代论证。

查看大图

OpenAI 10 月 26 日发布博文，称其内部模型在数学、计算机科学和物理上各得到一项新结果：证明 Sogge 局部光滑化猜想在所有维度成立（进而推出 Kakeya 与 Stein 限制猜想）；证明指数时间假设（ETH）为假，并已用 Lean 验证；给出四维 QCD 及含 Yang–Mills 在内的量子场论的严格存在性证明。数学和 CS 结果的论文与 Lean 证明已放到 GitHub 的 openai/math 仓库，物理结果由 David Gross 牵头的外部小组先行整理、暂不公开。这些都是官方口径，尚待学界独立验证。

查看大图

印度券商 Zerodha 创始人兼 CEO Nithin Kamath 10 月 26 日在 X 上发帖，问大家在 Kite API 免费之后，怎么把它和 AI Agent 结合、做出了什么。他认为 Claude Code、Codex 等 AI 编程 Agent 让没有太多编程经验的交易者和投资者也能自己搭工具，并称 Zerodha 观察到因为这些编程 Agent，使用 Kite API 的人在变多。帖子约 10 小时内获得 2,200 多个赞、2,000 多次收藏和 200 多条回复。这是 X 上的讨论和 CEO 本人观点，不是新产品发布。

查看大图

微软 GitHub 旗下创新实验室 GitHub Next 正式发布 PDD Kit（Property-Driven Development Kit）。针对当前自主编程智能体（Coding Agents）虽然能写出通过基础单元测试的代码、但在边界复杂条件下依然频频崩溃的行业顽疾，PDD Kit 引入了基于形式化数学证明的属性驱动开发规范。系统不再依赖概率性或有限用例的样本测试，而是自动从数学上证明 AI Agent 生成的代码在所有可能输入（For Every Input）下均严格满足预设规约，从根本上杜绝潜在的运行时 panic、越界与逻辑回退，推动 Coding Agent 从“概率代码生成”跨越至“形式化保真交付”。

查看大图

循环语言模型（Looped Language Models）通过在逻辑深度上反复复用物理 Transformer 块大幅缩减权重规模，但过往架构将循环位置、输入注入与隐状态设计深度纠缠。卡内基梅隆大学（CMU）与复旦大学联合发表 Looped Models Done Right 第一部分（arXiv:2610.23036）。团队提出“前奏-循环块-尾声（Prelude-Recurrent-Coda）”三明治架构，在 5000 亿 Token 严苛预训练中，仅含 8.0B 常驻/7.94 亿激活参数的 Huginn MoE 在 MMLU、GSM8K 与 MATH500 上全面追平 32.0B 常驻/32 亿激活的前馈 MoE 基线。

查看大图

针对大模型数学证明缺乏步骤级验证标签与上下文精确复制存在 LM Head 梯度瓶颈的两大难题，今日两项基础研究给出突破：NYU/UCLA/Stanford 联合推出 LeanPRM（arXiv:2610.17697），利用 Lean 4 证明助手自动构建含 10,634 篇证明与 15.2 万个步骤标签的零人工标注数据集，将 Qwen3-4B 步骤验证准确率从 48.2% 拉升至 74.7%（远超 PRM800K 的 60.3%）；康奈尔大学提出复制粘贴语言模型 CPLM（arXiv:2610.19247），以仅约 3% 算力开销打破 LM Head 梯度瓶颈，使窗口仅 w=128 的滑窗模型追平全注意力困惑度并在 4 倍外推长度（16K）持续收益。

查看大图

无 Critic 群组强化学习（GRPO 等）在长程 Agent 与高难数学推理中极易陷入“采样轨迹高度同质化、全组零奖励无梯度信号”的探索死局。今日两篇前沿论文从轨迹续写与输入嵌入两端破局：SERO（arXiv:2610.19397）从策略真实到达的状态恢复环境并执行多步 Oracle 续写，使 7B 模型在 ALFWorld 分布外泛化暴涨 11.20 个百分点；UNSW 提出的 EDEN（arXiv:2610.16105）在输入末尾追加单个锚定高斯噪声嵌入位，在同等采样预算下令 Qwen2.5-Math-7B 的 AIME 2025 Pass@256 飙升 13.33 个百分点（达 66.67%）。

查看大图

今日 Hugging Face 每日论文榜前排由两项重磅研究领跑：获 451 赞榜首的《Waypoint-OPD》（arXiv:2610.21601）利用教师模型在强化学习过程中的中间检查点（Waypoint），根据早晚期策略偏移方向一致性对在线蒸馏施加门控，在 Qwen3-8B/14B/30B-A3B 代码与数学六大蒸馏设定中全线夺冠；获 230 赞的《FDE-Gym》（arXiv:2610.22350）首次构建面向驻场工程师（Forward-Deployed Engineer）真实客户交付的 95 任务基准，揭示顶尖智能体在需要挖掘隐性约束的真实交付中仅能圆满解决 14/95 项任务。

查看大图