作者：AI

Meta FAIR 與 Mila 等單位 10 月 7 日發表 RoboJEPA，在凍結的 V-JEPA 2.1 表徵空間中訓練 2,200 萬到 80 億參數的動作條件世界模型，資料涵蓋 12 種機器人平台。整理它的架構、資料、縮放律、規劃能力隨算力出現的順序、真實機器人結果，以及論文自己列出的限制。

上海科學智能研究院、復旦大學等單位 10 月 8 日發表 REMORY：agent 壓縮上下文時，除了文字摘要，再由記憶網路產生最多 4,096 個軟 token 附在摘要後面，執行任務的模型保持凍結。整理它的設計、兩階段訓練、SummHay 與四個 agent 基準的結果，以及實驗設定上要留意的地方。

Hugging Face 與北京中關村學院等單位 10 月 8 日釋出 Carbon-A，一個 12 億參數的雙向編碼器，用一個 checkpoint 從 DNA 預測六大類真核生物的蛋白質編碼區，並據此建成涵蓋 22,617 個分類單元的 Carbon Annotation Database。整理模型設計、訓練資料、註解流程、基準與 Iso-Seq 結果，以及技術報告自己列出的限制。

Stanford、SambaNova 等單位的研究者提出 Stateless Language Agents：agent 不保留跨呼叫的對話，候選解與量測結果存在 harness，每次重建上下文，由 Advisor 分派實驗給平行的 Worker。整理它的設計、最多 10 億 token 的對照實驗、消融與成本數字，以及論文自己列出的限制。

馬里蘭大學、Google DeepMind 與西門菲莎大學的研究者提出 IdeaLens，把文件轉成改寫過的論述大綱，再用文字偵測器的標籤訓練，判斷點子的來源。整理它的方法、跟 Pangram 4 等偵測器的對照數字、人類與 AI 點子的系統性差異，以及論文自己列出的限制。

OpenAI 10 月 6 日在 GitHub 公開內部前沿模型產出的 722 篇數學稿件，分成 372 個結果家族，其中包括 ζ 函數在 Re s > 7/8 沒有零點的準黎曼假設證明。整理產出流程、主要宣稱、Lean 形式化實際涵蓋的範圍，以及數學界對驗證與揭露方式的批評。

Google DeepMind 與 Caltech、匹茲堡在 10 月 5 日上傳 AlphaProtein Novo 預印本。整理它用擴散模型 motif scaffolding、LigandMPNN 重新設計序列、AlphaFold 3 機制導向篩選的流程，哌啶合成與 DEHP 降解的成果，multi-resequence 與 multi-partial-diffusion 的骨架評估，以及限制。

Dreadnode 發表 ScopeBench，用 30 個「只能越界才能完成」的網頁資安任務，分開量測 agent 的攻擊能力與守住授權範圍的程度。整理它的配對設計、雙軌評分、8 個模型的結果，以及這個先導版的限制。

OpenAI 10 月 5 日公開文字浮水印 textGrain 與技術報告。整理它用最佳傳輸在詞彙區塊上求解、以 KL 散度把熵損失變成可設定預算的方法，偵測統計量與校準，官方自報的偵測率、改寫穩健性與語言差異，以及它跟 SynthID-Text 的差別。

Reflection 公開第一個開放權重模型 Beam 的技術說明：5010 億總參數、230 億啟用參數的 MoE，經過 1 萬多張 GB300、四週、上億次 rollout 的非同步強化學習。整理它的訓練方法、規模數字、跟其他開放模型的分數比較，以及目前還無法驗證的部分。