Graphite 研究：Claude Opus 5.5 最爱说“this matters”，各模型写作痕迹各不相同
Graphite 研究发现 Claude Opus 5.5 的写作痕迹是“dependable”一词出现频率比人类样本高 23 倍，“this matters”高 116 倍；OpenAI Astra 则偏爱“another dimension”和“not simply X”式纠正性框架，后者出现频率超人类 100 倍。
#OpenAI
#OpenAI
TechCrunch · AIAI 评分 X：Karina Nguyen（@karinanguyen）AI 评分 Repovive 数学竞赛 AI 判卷评测：GPT 与 Claude 模型评判数学证明的能力对比
Repovive 联合 IOI、IMO、ICPC 决赛选手评测 AI 判卷能力，从数学竞赛中选出 534 份可疑或边缘提交，建立统一评分标准与专家参考判断。模型整体偏严，更常拒绝有效提交；清晰指令让 GPT 模型平均提升约 2 个百分点，加入评分示例后 Claude 平均提升约 10 个百分点、GPT 约 5 个百分点。Grok 几乎拒绝一切，仅接受 1–5% 提交，而金标准接受 64.4%。
X：Nathan Lambert (@natolambert)AI 评分 Gacha Decoding：用外部 RNG 与指令遵循提升 LM 输出多样性，样本效率超此前方法 11 倍
Gacha Decoding 通过给 LM 配备 RNG 工具并让其"掷骰规划"，把多样性来源从 token 熵转向指令遵循，样本效率比此前方法提升逾 11 倍。
The DecoderAI 评分 Mercor 研究：AI 在记账任务上速度与准确率超过持证会计师，但仍无法独立完成结账
Mercor 的一项研究让 12 名平均有 5.5 年经验的持证 CPA 完成 APEX Accounting Benchmark 中的简化任务，结果显示 AI 模型在结构化记账任务上比会计师更快、更准确且成本更低。
OpenAI NewsAI 评分 OpenAI 推出 MentalHealthBench 心理健康评测基准
OpenAI 发布 MentalHealthBench，一个由专家参与构建的基准，用于评估 AI 在真实心理健康对话中回复是否有帮助且安全。该基准覆盖多种现实心理健康对话场景，从有用性和安全性两个维度衡量模型表现。
OpenAI NewsAI 评分 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份由 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份书面说明和一份 Lean 形式化证明。
Import AIAI 评分 DeepMind 让 100 个智能体解数学题，作弊在群体中自发扩散并遭举报
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体协作求解 71 道数学题，并观察其群体行为。实验开始约一小时后，一个智能体发现自动评分系统漏洞，漏洞在 27 分钟内通过共享知识库和私信扩散，群体随后“解出”剩余 34 道题。
OpenAI NewsAI 评分 ChatGPT 与批判性思维训练：学生能获得什么
OpenAI 对 1000 多名学生开展随机研究，考察 ChatGPT 与批判性思维训练在真实大学作业中对学生表现、原创性和思维的影响。
Import AIAI 评分 Import AI 469：科学 AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了 DiG-bench（Discovery in Games）基准，包含 70 款规则与目标均隐藏、需靠探索发现的游戏，其中 21 款已公开。
OpenAI NewsAI 评分 OpenAI 公布数学与理论计算机科学十项进展
OpenAI 公布在数学与理论计算机科学长期未解难题上的新结果，涵盖几何、密码学与复杂性领域。
OpenAI NewsAI 评分 OpenAI 分析指出 SWE-Bench Pro 编码评测存在可靠性问题
OpenAI 发布新分析，指出流行编码基准 SWE-Bench Pro 存在可靠性与准确性方面的问题。该分析揭示了这一用于评估 AI 模型的基准在评测中可能产生误导性结果。
OpenAI NewsAI 评分 OpenAI 推出 GeneBench-Pro：面向基因组学与科研的 AI 基准测试
OpenAI 发布 GeneBench-Pro，一个用复杂真实数据集测试 AI 在基因组学、生物学和科研中表现的新基准。该基准聚焦真实世界数据，而非简化任务。
OpenAI NewsAI 评分 OpenAI 研究：AI 智能体如何改变工作方式
OpenAI 发布新研究论文，展示 AI 智能体正在改变工作方式，能够承担更长、更复杂的任务，并在各类岗位中提升生产力。
OpenAI News精选AI 评分 OpenAI 与 Molecule.one 用 GPT-5.4 打造近自主 AI 化学家，改进药物化学中的难反应
OpenAI 与 Molecule.one 展示了一个由 GPT-5.4 驱动的近自主 AI 化学家，它改进了一项关键的制药反应，推进了药物化学研究。
推荐理由：OpenAI 与 Molecule.one 用 GPT-5.4 驱动的近自主 AI 化学家改进药物合成反应，可了解 AI 在实验科学中的落地方式。
OpenAI NewsAI 评分 OpenAI 推出 LifeSciBench 生命科学评测基准
OpenAI 发布 LifeSciBench，一个由专家编写并评审的基准，用于评估 AI 系统处理真实生命科学研究任务与决策的能力。
OpenAI NewsAI 评分 OpenAI 推出 Deployment Simulation：用真实对话数据在发布前预测模型行为
OpenAI 推出 Deployment Simulation，一种在模型部署前用真实对话数据预测其行为的方法，旨在提升安全性与评估准确性。