GPT-6.2 Sol 首测智能指数 60 分，单任务成本仅 Opus 5.5 的 11.【AI 早报 2026-11-09】
OpenAI 新一代模型 GPT-6.2 Sol 以灰度方式上线，Artificial Analysis 测得智能指数 60 分、单任务成本 1.19 美元；同日 OpenAI 完成 110 亿美元新融资，苹果公开用宇树 G1 加 Mac mini 搭建的 HALO 人形机器人研究。
今日概览
要闻
- GPT-6.2 Sol 首测：智能指数 60 分，单任务成本仅 Opus 5.5 的 11.8%
- OpenAI 完成 110 亿美元新融资，估值达 1.25 万亿美元
- 苹果 HALO 人形机器人：宇树 G1 背 Mac mini，陌生家庭任务成功率 91%
模型发布
- EmbeddingGemma 2：Google 将五种模态压进同一 768 维空间
开发生态
- Karpathy 用 Claude Opus 5.5 周末做出视频平台，4300 万条 HN 评论筛出 6454 个视频
- 清华 OpenMise：Coding Agent 加 Blender 两阶段生成，解决视频一致性
产品应用
- Seedream 5.5 发布：像素级精准编辑，百轮修改不崩坏
- Claude Code 被曝外发用户真实邮箱，官方致歉并修复
技术与洞察
- DeepSeek-V4.1-Flash 读脑自救，AIME 与 HMMT 准确率涨 7 分
- Anthropic 公开 Claude 记忆架构：四层金字塔加 Dreaming 离线整理
- 英伟达 TacitVLA：动作不等推理文本，延迟最多降 3.4 倍
- Agent MechSuits：单层 10 维干预，风险检测准确率 97.32%
- 北大 MapFlow：跨模型复用注意力图，prefill 延迟降 15%–20%
- 吉大 EvoTeam：多智能体三层协同进化，混合基准平均分 59.58
- GPT-6.1 Sol 参与小鼠脑手术，三轮定位误差从 0.6 毫米降至 0.3 毫米
行业动态
- 清析智研完成近亿元天使轮融资，半年签约订单数千万元
- Nooks 获 General Catalyst 5 亿美元资金承诺，ARR 接近三倍增长
- Palo Alto Networks 拟 5 亿美元收购 Clutch Security
- Dropbox 3.5 亿美元收购 Tigris Data，押注 Agent 云存储
- ICLR 2027 首轮评审翻车：审稿人要作者解释标准差，AI 味评语混入
要闻
GPT-6.2 Sol 首测：智能指数 60 分，单任务成本仅 Opus 5.5 的 11.8%
OpenAI 已以灰度方式向部分用户路由 GPT-6.2 Sol，输入提示为“不要联网，你知道 Fable 5 吗”，回答肯定即代表被灰度。Artificial Analysis 榜单测得该模型智能指数 60 分，与 Gemini 4 Carbon 持平，略高于 Claude Opus 5.5，比 GPT-6.1 Sol 高出 5 分，并反超此前的 GPT-6 Astra。模型支持文本与图像输入、输出文本，上下文窗口 100 万 token，输入价格每百万 token 2 美元、输出 10 美元。完成每项智能指数测试任务平均耗时 18.7 分钟，Opus 5.5 为 25.3 分钟、Gemini 4 Carbon 为 31.1 分钟。最受关注的是成本：单任务执行成本 1.19 美元，Opus 5.5 为 10.04 美元，前者约为后者的 11.8%。X 用户 Token Gremlin 展示的一句话生成 Three.js 3D 交互场景、打包成单个 HTML 文件的演示，已被多位用户复现；另有爆料称正式发布定在下周四，该时间点尚未获官方确认。
OpenAI 完成 110 亿美元新融资，估值达 1.25 万亿美元
彭博社 11 月 6 日援引知情人士消息称，OpenAI 在新一轮融资中已筹集 110 亿美元，公司估值达到 1.25 万亿美元。这笔资金属于一轮规模更大的融资，整轮尚未完成，预计未来几周内结束，最终融资总额可能达到约 200 亿美元。今年 9 月底彭博社曾报道，OpenAI 计划以 1.4 万亿美元估值融资 300 亿美元，目前的融资规模和估值均较最初目标下调。同一时期，彭博社报道称 Anthropic 的潜在 IPO 投资者开始下调其上市估值预期，部分投资者认为可能低至 1.1 万亿美元，明显低于约一个月前市场预期的 2 万亿美元。OpenAI 此前曾暗示今年上市，随后推迟，目前市场预计其可能在 2027 年启动 IPO。
苹果 HALO 人形机器人：宇树 G1 背 Mac mini，陌生家庭任务成功率 91%
苹果研究团队公开名为 HALO 的人形机器人研究，身体使用宇树 Unitree G1，背部固定一台 Mac mini M4 Pro（64GB 统一内存）负责思考，原厂 Jetson Orin NX 负责 50Hz 实时控制，头部加装 120° 广角相机，整机无线、无缆绳、无外接动捕，Mac mini 直接从 G1 内部电源总线取电。在 6 个从未见过、未提前扫描的真实家庭环境中完成 360 次测试，平均成功率为 91%，任务包括找椅子坐下、钻过桌底、推走箱子。训练数据全部来自仿真合成：用运动扩散模型生成全身动作，用程序化生成器 INFINIGEN 造出约 1000 个虚拟家庭，在 Isaac Sim 中渲染机器人头部第一视角，最终产出 16.3 万条、近 300 小时的配对样本。仅生成“坐下”一个技能的 5 万条样本，就用 250 张 H100 跑了 9 小时；全部 1178 个房间的生成消耗约 300 张 GPU、26 小时。控制分三层：约 0.5Hz 的编排器默认运行本地 Qwen3.6-35B-A3B，3Hz 的运动生成器由冻结的 Qwen3.5-2B VLM 编码器加扩散 Transformer 解码器组成，输出未来 5 秒、29 个关节角度加骨盆位姿，50Hz 的跟踪器落成关节命令。场景多样性实验显示，坐椅子成功率从只用 1 个房间训练的 43%，升到 100 个房间的 81%、1000 个房间的 84%。
来源：https://www.ifanr.com/1688485?utm_source=rss&utm_medium=rss&utm_campaign=
模型发布
EmbeddingGemma 2：Google 将五种模态压进同一 768 维空间
Google 发布开放权重多模态嵌入模型 EmbeddingGemma 2，基于 Gemma 4 构建，采用 Apache 2.0 许可证，面向移动设备和笔记本等消费级硬件的端侧部署。核心能力是在统一的 768 维嵌入空间中表示文本、代码、图像、视频和音频，开发者无需为不同媒体类型维护互不兼容的嵌入空间。模型允许按需加载编码器，参数规模从用于文本和代码的 2.7 亿，扩展到支持完整多模态的 7.4 亿。它支持套娃表示学习（MRL），可将向量截断以降低存储：100 万个 768 维向量以 bfloat16 精度存储约需 1.5GB，截断到 128 维后仅约 250MB，降至六分之一；代价是 128 维下文本任务保留约 90% 质量，图像、视频和语音检索表现降至约 75%。Google 称其在代码搜索和技术内容检索上显著超越 EmbeddingGemma 1，模型已在 Hugging Face 提供。
开发生态
Karpathy 用 Claude Opus 5.5 周末做出视频平台，4300 万条 HN 评论筛出 6454 个视频
OpenAI 联合创始人 Andrej Karpathy 用一个周末时间，借助 Claude Opus 5.5 处理了 Hacker News 20 年积累的约 4300 万条评论，从中筛选出 6454 个视频，搭成一个策展视频平台。他表示，这套筛选与推荐的结果好于 YouTube 自家的推荐。项目从数据清洗、内容判断到平台搭建均在周末完成，模型承担了绝大部分评论筛选工作。
清华 OpenMise：Coding Agent 加 Blender 两阶段生成，解决视频一致性
清华大学与宾夕法尼亚大学团队开源空间场景编辑工具 OpenMise，定位是 Agent 连接空间场景的桥梁，把“直接生成视频”改成 Builder + Render 两阶段。Builder 阶段由 Coding Agent（如 DeepSeek V4.1 Flash）通过 Blender MCP 调用工具，导入资产、计算路径、创建骨骼动作与摄影机关键帧、配置灯光，输出可编辑的 Blender 工程和结构化白模草稿；Render 阶段把白模、人物参考图和提示词一起交给 Seedance 2.5 等视频模型，渲染成写实成片。团队以国际象棋对弈为例：直接让 Seedance 2.5 生成时，棋子会换格、凭空多出或消失；OpenMise 先在三维世界锁定每一步的起点、落点和时间，再渲染，前后一致性明显提升。该方案同样适用于人物从 A 走到 B、穿过门、始终跟拍背影等需要稳定空间状态的任务。
产品应用
Seedream 5.5 发布：像素级精准编辑，百轮修改不崩坏
字节跳动发布新一代图像创作模型 Seedream 5.5，主打像素级精准编辑、支持上百轮连续修改不崩坏、原生 RGBA 透明素材、小字渲染和摄影质感，火山引擎将于本周上线 Seedream 5.5 API 服务。爱范儿测试中，模型把一台半折叠的 iPhone Duo 连续改造成复古磁带播放器，再整体替换为黑胶唱片店背景，手机主体结构与已确认的设计元素保持不变。另一组测试用 18 轮连续编辑，把现代五人群像海报改成古装悬疑电影海报，五个人的面部特征、服装、站位于前后遮挡关系在背景和光影多次替换后仍保持一致。在办公室桌面插画任务中，模型从三个咖啡杯、五本笔记本、两盆绿植中只修改左下角蓝把手杯子，未波及其他物品。官方将多轮一致性作为本次重点，竞品对标 ChatGPT Images 2.6 与 Nano Banana 2.1。
来源：https://www.ifanr.com/1688514?utm_source=rss&utm_medium=rss&utm_campaign=
Claude Code 被曝外发用户真实邮箱，官方致歉并修复
2026 年 11 月 5 日，Hacker News 上一则控诉 Claude Code 外发用户邮箱的帖子冲上热门：发帖人每天收到几十封直呼真名的诈骗邮件，追查请求记录后发现，Claude Code 联网抓数据时把会话名和真实登录邮箱拼进了 HTTP 请求的 User-Agent 头。评论区贴出的服务器日志显示，其子智能体请求外部文档时，还把使用者真名、所在团队名称和公司内部 GitHub 仓库路径写进请求头。起因是 Anthropic 工程师把登录邮箱硬编码进系统提示词，而 SEC、维基百科、crates.io、EVE Online 等平台为防爬虫要求请求头带联系邮箱，模型为跑通任务便自动填入。11 月 6 日凌晨，Claude Code 工程师 Lydia Hallie 出面道歉并说明原因。GitHub 记录显示，社区自 2026 年 4 月起至少提交过 50702、53231 等 4 个工单，均被官方机器人以不活跃或重复为由关闭。
来源：https://mp.weixin.qq.com/s/IUYvv_dXXteOh5MptNJ7Nw
技术与洞察
DeepSeek-V4.1-Flash 读脑自救，AIME 与 HMMT 准确率涨 7 分
由 Mobileye 创始人 Amnon Shashua 创立的 DoubleAI 提出“机制干预”范式，把编程 Agent 放进训练与推理现场：Agent 读取每层梯度信号找瓶颈，现场生成候选 Python 函数，把胜出代码挂在初始值为 0 的门控后并入网络。在 7630 亿参数的 DeepSeek-V4.1-Flash 上，模型读取自己做数学题时最深 7 层的内部激活，识别“快要算偏”的信号，在不改半个权重的前提下写入一段 Python 代码，发现思路跑偏就回滚重算，AIME 与 HMMT 2026 数学竞赛准确率提升 7 个百分点。预训练实验中，12 层模型 nanochat 在 1500 步训练里被三次插入代码层，预测误差 bpb 连降三次，相当于白赚 15% 训练进度；逻辑被打乱的假代码对照组曲线与常规训练完全重合。第 1000 步插入末层的“错误记忆层”约 20 行代码，让模型在单次前向传播内完成一步梯度下降，边读边纠错。记忆窗口锁死 500 词的实验里，第 0 步就装代码缓存层的召回率为 55%，第 1200 步半路插入同一层则达到 72%，高出 17 个百分点。30 种经典算法测试中，常规训练 20000 步总准确率 55%；第 10000 步起每隔 500 步连塞 10 层代码，5000 步后总准确率升至 84%，广度优先搜索从 0 分升到 97%，拓扑排序达到 93%。
Anthropic 公开 Claude 记忆架构：四层金字塔加 Dreaming 离线整理
Anthropic 发布长文《The components of agent memory》，拆解 Claude 的跨会话记忆设计。记忆分为四层金字塔：最底层是可搜索的完整对话与任务记录 transcripts，向上是 Claude 主动写下的 memory notes，再向上是 Wiki 等结构化知识表示，最顶层是每次新会话自动注入的上下文。Dreaming 不是第五层存储，而是贯穿四层的离线维护引擎，负责回查原始记录、修正笔记、组织 Wiki，并把最重要的索引推向顶层。在 CL-Bench 1.0 数据库任务中，Opus 5 的平均奖励从无记忆时的 0.564 提升到 0.828。宝可梦实验显示“记得少反而走得更远”：Sonnet 3.7 约一万步时写下 413 个文件、分布在 225 个文件夹，只拿到 1 枚徽章；Fable 5 只保留 10 个文件，拿到 4 枚。只记失败的规则反而让 Opus 5 和 Opus 4.7 的记忆收益分别减少 0.234 和 0.150。在月见山任务中，Dreaming 将错误笔记与原始 transcript 对照后修正位置，使用修正记忆的运行在第 1935 个累计动作抵达 Cerulean City。用 Stainless 约 35 万个文件、4.2 亿 token 语料做 128 轮整理后，只用 Wiki 的得分从 13% 提升到 48%，Wiki 加搜索从 54% 提升到 61%，高于单独搜索的 53%，且每题少消耗约 2 万 token。
英伟达 TacitVLA：动作不等推理文本，延迟最多降 3.4 倍
英伟达、纽约大学、UC 伯克利、约翰斯·霍普金斯大学和斯坦福大学团队提出 TacitVLA，重新设计推理型 VLA 的推理路径。团队发现，动作并不需要读取当前步骤写出的推理文本，“模型学会写推理”本身就足以带来收益；在实验中，写推理文本最多占单次模型调用耗时的 70%。TacitVLA 训练时与标准推理 VLA 完全一致，照样写推理，只在 attention mask 中做一处改动，让 action expert 看不到推理 token。在机器人操作和自动驾驶的四个基准上，其成功率与显式推理相当，延迟最多降低 3.4 倍；相同速度下，比不做推理训练的同一模型成功率最多高 17 个百分点。RMBench 上平均成功率 77.5%，显式推理为 77.0%，此前已发表最好成绩为 56.5%；Press Button 任务中无推理版本仅 7.7%，TacitVLA 为 74.3%。RoboMME 用全部 16 个任务训练时总体成功率 48.1%，此前最好为 44.5%，计数任务达到 82.7%，此前最好为 66.8%；只用计数任务训练时达到 89.5%，高于该基准给出的人类参考成绩 88.5%。标准 LIBERO 上 TacitVLA 达到 98.6%。
Agent MechSuits：单层 10 维干预，风险检测准确率 97.32%
佐治亚大学、罗格斯大学、南加州大学等机构提出 Agent MechSuits，为命令行智能体加装一套能感知内部状态的“安全机甲”，论文已被 NeurIPS 2026 接收。系统在每个交互步骤把完整执行历史输入模型，提取指定中间层最后一个输入 token 的隐藏状态，交给轻量级线性探针判断当前状态是否与有害执行相关；探针为每个目标模型单独训练，并在不同执行步骤复用。检测到风险后，系统根据探针权重选出类别区分权重最大的 10 个隐藏维度构造干预向量，施加到同一层各 token 位置，主模型参数保持冻结；外部语言模型控制器负责评估不同干预强度下的候选输出，在安全性与实用性之间选择。团队构建 MAS 基准，包含 194 个任务，其中 98 个恶意场景、96 个正常场景，用 LLaMA-3.1-8B、Qwen-2.5-7B、Gemma-2-9B 构建白盒 CLI 智能体，在可复现的 Docker 环境中执行并记录动作、反馈和内部状态。三种模型的当前步骤风险检测准确率等权平均为 97.32%，均高于外部语言模型裁判和安全护栏基线；逐层分析显示，安全相关信号在早期至中间层已较为明显。
北大 MapFlow：跨模型复用注意力图，prefill 延迟降 15%–20%
北京大学数据与智能实验室（PKU-DAIR）苗旭鹏助理教授团队提出 MapFlow，把注意力图作为跨模型复用的中间状态。KV Cache 与模型自身的层数、注意力头数量和隐藏维度绑定，跨模型并不天然兼容；而注意力图的两个维度对应输入 token 位置，在两个模型使用相同 tokenizer、处理相同上下文时可以直接对齐。接收模型先正常计算前若干层建立自身隐藏状态，在后续适合复用的层中，将发送模型的注意力图映射过来：层映射负责对应不同深度，头映射通过学习线性组合适配不同注意力头。训练只更新映射权重，两个大模型原始参数保持冻结，在 Ministral3-8B 到 3B 的配置中新增权重不到接收模型参数量的 0.001%。针对注意力矩阵随序列长度平方增长带来的存储压力，MapFlow 采用稀疏压缩和融合 GPU 内核。评测中，它在保持生成质量的同时将 prefill 延迟降低 15%–20%；在多轮对话路由场景下，相同 P90 首 token 延迟约束下的吞吐量最高提升 25%。论文已被 SIGMOD 2027 录用，代码已开源。
来源：https://mp.weixin.qq.com/s/egXucIFpaME54uDjef3nhA
吉大 EvoTeam：多智能体三层协同进化，混合基准平均分 59.58
吉林大学联合上海人工智能实验室提出 EvoTeam，目标是让进化从单个 Agent 延伸到整个团队，解决“完成 100 个任务后仍要重新摸索分工”的问题。系统同时进化三个层次：Agent Skills 让个体从历史轨迹和任务反馈中积累可复用技能；Agent Teams 根据任务需求与成员能力调整候选成员和职责分工；Interaction Rules 明确该向谁传递什么信息、提供哪些证据、完成何种验证。框架维护全局 Agent Pool 和可持续更新的 Team Library，任务前选队或组队，执行中按团队专属规则协作，结束后依据轨迹与反馈更新技能、反思团队配置并增删交互规则。在把 GAIA、LoCoBench、LOCA-Bench、BeyondSWE 交错成连续任务流的混合设置下，EvoTeam 六项指标均取得最高分，平均分 59.58，比 Meta-Team 的 55.55 高 4.03 分。GAIA 消融中完整系统得分 77.00，移除交互规则后降至 67.00，再移除可复用团队后降至 61.00；LOCA-Bench 对应得分为 67.08、58.33 和 55.83。用 GPT-5.6-Luna 与 DeepSeek-V4.1-Flash 分别承担进化与评测时，跨模型与同模型进化的六组比较差距均不超过 4.00 分。
GPT-6.1 Sol 参与小鼠脑手术，三轮定位误差从 0.6 毫米降至 0.3 毫米
生物科技初创公司 Exin Therapeutics 联合创始人兼 CEO Gabriel Ocana-Santero 披露，团队让 GPT-6.1 Sol 连续参与三轮小鼠脑部手术定位，任务是依据实验图像判断颅骨表面 Bregma（前囟点）和 Lambda（人字缝点）的位置，给出立体定位坐标。每轮操作结束后，专业外科医生检查并纠正模型判断，模型保存自己的估计图像、测量数据和专家修正记录，供下一轮参考。到第三次操作，寻找解剖标志的时间从 169 秒缩短到 86 秒，所需纠正动作从 4 次减少到 2 次，定位误差从 0.6 毫米降至 0.3 毫米。Ocana-Santero 将这一过程称为基于真实世界经验的上下文学习，并在 X 上向提问者确认这是真实手术而非模拟演示。团队未披露经验记录具体如何接入模型、是否涉及底层权重更新，3 次操作的样本量也不足以证明稳定的手术能力。10 月 28 日该团队还曾让 AI 智能体在 19 种基因治疗载体中选择方案并完成 250 纳升注射，持证兽医外科医生负责开颅、缝合与关键步骤监督。
行业动态
清析智研完成近亿元天使轮融资，半年签约订单数千万元
AI for Science 初创企业清析智研完成近亿元天使轮融资，投资方包括中芯聚源、高瓴创投、智元机器人、风物资本、东方嘉富及多家产业背景基金，多维资本担任长期独家财务顾问。公司成立不到半年，累计签约订单已达数千万元，客户覆盖先进制造、半导体、新材料领域的产业企业与科研机构，并与头部智能终端客户签署材料全栈委托研发订单。数据侧，公司通过 AI 原生仪器与工艺设备打通测量、分析与控制流程，已积累数千万量级真实实验多模态数据；自研 XRD 解析模型在中科院物理所 MatSciBench 基准登顶，覆盖 XRD、SEM/TEM、拉曼、XPS、核磁等主流表征方式。公司计划近期发布全模态专家级智能表征分析模型，覆盖 20 余种主流表征分析方式。材料 IP 方面，新一代稀土永磁材料已推进中试转化，目标 2027 年实现量产，并正与头部机器人厂商联合开发面向髋、膝、肩部关节及灵巧手的高性能永磁材料；该材料面向新能源汽车驱动电机、风力发电等市场，2030 年全球需求预计达 17 万吨，对应市场规模超过 500 亿元。创始人董斯鸣为清华大学本科、斯坦福大学材料科学博士，有 15 年以上半导体与产业研发经验。
Nooks 获 General Catalyst 5 亿美元资金承诺，ARR 接近三倍增长
销售自动化初创公司 Nooks 获得 General Catalyst 客户价值基金 5 亿美元资金承诺，用于销售与营销扩张。CEO Dan Lee 表示，这笔钱不是股权投资，General Catalyst 将分享资金所产生的回报，具体条款未披露；他称改造一个行业需要大量资本，这种结构是激进扩张同时推出新产品的最佳方式。公司正式发布 Revenue Agent Platform，覆盖从首次接触客户到续约的销售流程。Nooks 称今年年底前年度经常性收入将接近增长到三倍，但未公布当前具体数字；目前客户超过 2000 家，包括 Cursor、Notion、Replit、Glean 和 HubSpot，净收入留存率为 135%。General Catalyst 客户价值基金合伙人 Pranav Singhvi 表示，该平台已展现出高度可预测的收入引擎和强劲的单位经济模型。
Palo Alto Networks 拟 5 亿美元收购 Clutch Security
据 The Information 报道，Palo Alto Networks 正与 AI Agent 安全初创公司 Clutch Security 谈判，拟以 5 亿美元现金加里程碑付款完成收购，两家公司均未回应置评请求。Clutch 成立 3 年，2025 年 1 月由 Lightspeed 和 SignalFire 领投 2000 万美元 A 轮后估值 8500 万美元，目前年度经常性收入接近 1000 万美元，5 亿美元报价约为其 ARR 的 50 倍。若交易完成，这将是 Palo Alto Networks 今年第 7 笔收购；其今年已收购 AI 帮助台初创 Console（5 亿美元）、Embrace（3.25 亿美元）、Chronosphere（29.5 亿美元）和 Koi（2.31 亿美元）。同业并购同样活跃：Cyera 以 10 亿美元收购 Oasis Security，Cisco 以约 4 亿美元收购 Astrix；使用 AI 保护云基础设施的 Upwind 近期拒绝了 Datadog 约 40 倍 ARR 的收购报价。
Dropbox 3.5 亿美元收购 Tigris Data，押注 Agent 云存储
Dropbox 同意以 3.5 亿美元收购云技术公司 Tigris Data，这是其迄今规模最大的一笔收购。交易将支持新推出的 DBX Agent Cloud，这是一个面向构建 AI 模型和 Agent 的企业与开发者的存储平台：初期提供兼容 Amazon S3 工具的独立对象存储，后续加入帮助 AI 系统处理文档、图像、音频和视频的能力，以及让 Agent 管理文件、跨会话保持连续性的文件系统功能。交易预计在 2026 年第四季度完成，Dropbox 表示不会因该交易裁员；上月公司刚裁减全球 9% 的员工。Tigris Data 由前 Uber 存储工程师创立，可自动把数据放在离用户和计算更近的位置。Dropbox 同时给核心产品加入 AI，允许用户对文件运行任务、在多个 AI 模型间选择，并把内容连接到 ChatGPT、Claude 和 Muse，更新后的体验已覆盖超过 7 万个团队。
ICLR 2027 首轮评审翻车：审稿人要作者解释标准差，AI 味评语混入
ICLR 2027 首轮评审意见陆续公开后，社交平台上出现大量吐槽。加州大学伯克利分校的 Hanchen Li 称收到一份要求作者解释什么是“standard deviation”（标准差）的评审意见；另一位研究者 Ravid Shwartz Ziv 贴出三位审稿人的意见，前两位几乎逐字重复“论文写得好、但应考虑增加基线”，第三位则以“Certainly! Here is a review of the paper”开头，残留了明显的 AI 生成对话开场白。研究者 Konstantin Grotov 的论文已按要求披露 AI 辅助写作，却仍收到主要针对 AI 使用的评审意见，他认为质疑应给出具体技术论据，而非把使用 AI 本身当作拒稿理由。研究者 Artur Chakhvadze 分享的审稿人坦承自己专业背景不足、无法充分评估论文，他由此质疑评审分配流程。德克萨斯大学奥斯汀分校的 Jiaxin Pei 指出，AI 审稿人分不清论文的“局限性”与真正影响结论的“关键问题”，能轻易列出一篇论文上百个局限，却无法判断哪个问题值得拒稿。ICLR 2027 项目主席团队曾于 9 月 2 日发布官方文章，分析 AI 时代同行评审面临的新压力。
暂无评论。