Claude筛出17个蝎毒蛋白结合物
Anthropic 10月20日公布一次由内部研究版Claude主导的蛋白设计实验：模型在64小时内调用12种工具生成318,484个设计、共折叠并筛选553,052个“设计—毒素”组合，选出180个候选；团队再加入31个候选，由Adaptyv Bio和Twist Bioscience实测，最终17个达到结合标准。单毒素设计中11/60命中，约18%；多毒素设计没有一个同时对多个目标达标。
这项结果说明Agent已经能把检索、结构选择、生成、过滤和实验下单串成一条可执行管线，但还不是抗毒血清。实验只确认了与重组毒素结合，未验证细胞环境中的中和作用、天然毒液结合、动物保护、安全性或可制造性；全流程还消耗约1万GPU小时，并接受四次人工追问。真正的增量是设计闭环被压缩到数天，药物开发瓶颈则继续留在结合之后。
OpenAI收购Orchestra Bio补齐药物项目协同
OpenAI 10月20日确认收购Orchestra Bio，未披露价格。Orchestra原有平台让人员与Agent共同跟踪研究、生产和临床计划；并入Rosalind后，OpenAI计划把GPT-Rosalind的生物化学推理和Workbench实验工具，同跨部门研究计划、依赖关系与进度决策连接起来。收购扩展的是药物项目执行层，而不是新药发现效果证明。
Cosmos把临床手术视频变成可控模拟器
NVIDIA 10月20日开放Cosmos3-H-Dreams研究模型：它以胆囊切除术视频和机器人运动学数据训练，用28维双臂动作控制832×480画面，并在单张RTX PRO 6000上交互运行。教师模型先从24帧扩到72帧，再蒸馏成两步或四步因果学生模型；FadeMem压缩长程KV Cache。画面真实不等于生物力学正确，该系统尚未获临床验证，也不能用于患者照护。
ChatGPT上线PIN保护的锁定对话
OpenAI开始逐步推出Locked chats：符合条件的云端对话可移出普通历史、固定项与全局搜索，用4位账户PIN或受支持的设备认证打开。它覆盖Free至Enterprise等套餐，但不适用于Codex、计划任务和后台任务对话；也不会增加端到端加密、改变保留期限或撤销锁定前形成的记忆。忘记并重置PIN会永久删除锁定内容，企业合规接口仍可访问适用数据。
ALTK用提示级记忆提高客服Agent稳定性
IBM Research 10月20日公开ALTK-Evolve实验：系统从训练任务的成功与失败轨迹中提炼短规则，再把规则追加到同一模型的系统提示，不改权重也不做人工标注。其GPT-4.1零推理配置在τ²-bench零售任务上达到67.5%的Pass^4；代价是292条规则把单次对话成本从约0.084美元推高到0.139美元。结果来自团队对10月12日榜单的快照，跨域收益仍需独立复测。
Tandem让手机GUI Agent减少30%单步延迟
10月19日论文补漏：Tandem针对GUI Agent反复改写近期历史的特点，在相邻提示分叉处保存线性注意力状态，并让短动作输出的推测解码继续留在NPU矩阵单元。作者在Snapdragon 8 Elite记录轨迹上报告，文本屏幕描述的单步延迟较最快llama.cpp NPU配置低30%，截图场景低16%，文本步骤能耗低33%；结论仍限于两代芯片与作者回放协议。
CUA-Lite统一电脑Agent训练与评测接口
10月19日论文补漏：CUA-Lite用环境、监督数据和模型Harness三类统一抽象，整合桌面、浏览器与移动端12个基准、超过3万项可验证任务，并为14个模型家族复用同一套评测、强化学习和监督微调入口。它解决的是资源碎片化与训练—评测接口漂移；公开参考分数与改进结果仍来自作者平台，尚不能替代跨实现复现。
VerusEval发现验证通过会高估规格质量
10月19日论文补漏：VerusEval审计五种模型在762项Rust任务上生成的13,716份Verus规格与证明。仅42.3%的“验证器已接受”样本在三项语义检查中都未被标记；I/O测试淘汰23.6%的已接受样本，而通过I/O后也只有63.2%被证明与参考规格等价。形式验证只能证明代码满足所写规格，不能保证规格写对。
SPLASH用两种审查视角定位不安全代码
10月19日论文补漏：SPLASH分别以“安全审查”和“风格审查”计算生成代码的教师强制概率差，把这种审计压力聚合到语句和程序层，无需训练、CWE专用规则或访问生成模型内部。在12个模型生成的63,684个程序上，它有74%的概率从候选中选出安全代码，并在58%的不安全程序中把漏洞语句排在第一；这些数字仍来自作者构造的899项任务。
符号约束在工具调用前拦截非法动作
10月18日论文补漏：Symbolic Constraint Agents从API文档抽取工具依赖，用执行轨迹修正规则，再由SMT求解器在运行时检查并在唯一解明确时自动修复。AppWorld上，约束修复使GPT-5.4-mini在40次调用预算下成功率提高5.4个百分点，并移除59%至87%的失败调用；提升依赖作者环境和可形式化的接口约束。
StopLoss提前终止注定失败的编码轨迹
10月18日论文补漏：StopLoss用已完成轨迹及验证结果训练小型外部监控器，只读最近的工具步骤就预测本次编码任务是否会失败。作者在SWE-bench Verified上保留99%成功运行时，把“每个保留解”的成本降低4.5%；在更昂贵的Pro子集上最高降低31%，Qwen3-8B监控器达到48%。它节省的是明显失败轨迹，不能提升执行器本身的解题上限。
PACE显示编码Agent仍难交付完整PRD
10月19日论文补漏：PACE把43个成熟企业仓库任务拆成750个专家审计的Code Point，检查Agent是否满足完整产品需求，而不只看单项测试。11种模型—脚手架组合多数得分在52.1至78.1之间，最高完整交付率仅14%；主要缺口是实现不完整和集成遗漏。基准只有43项任务，但它揭示了“组件能生成”与“产品可交付”之间的系统性断层。
DeepSeek开放生产推理框架离线核心
DeepSeek公开DeepInfer，以Apache 2.0发布支撑DeepSeek-V4.1-Flash生产服务的离线推理核心，包含MoE并行、异步调度、确定性采样、结构化输出和置信度调度验证，并同时支持NVIDIA SM100与华为昇腾950。仓库明确不含KV Cache系统、Prefill/Decode解耦和跨副本负载均衡，因此它是生产栈的重要切片，不是开箱即用的完整在线服务。