罗格斯大学研究：7.3 万人一年 340 万条 ChatGPT 对话都在问什么
罗格斯大学传播与信息学院基于 73,852 名美国用户自愿共享的 12 个月 ChatGPT 对话，分析了 65,689 名成年人的 340 万条对话，覆盖 2025 年 7 月至 2026 年 6 月。
#OpenAI
Hacker News AIAI 评分5858 Hacker News AIAI 评分7272 Forever Security 研究：五款 AI 编码工具内置浏览器违反基本浏览器规则
Forever Security 于 10 月 29 日发布 EMBRACE 研究，称 Cursor、GitHub Copilot、Codex、VS Code 和 Claude Desktop 内置浏览器各自突破了一条常规浏览器规则。
Hacker News AIAI 评分4646 对 Emmanuel Saez 与 Gabriel Zucman 研究的 AI 审查
一份由 Claude Opus 5.5 与 OpenAI GPT-6 Astra 在 Codex 中双重独立审计、再由第三个智能体复核的 AI 审查，覆盖 Emmanuel Saez 和 Gabriel Zucman 2011–2026 年的 138 项研究，发现 53 项重大缺陷与 94 项有争议的选择，43 项作品至少含一处重大缺陷。
OpenAI NewsAI 评分4242 OpenAI 如何检测前沿模型失准
OpenAI 采用分层监控来检测前沿模型失准和智能体的未授权行为，让响应人员能在事件升级前介入。
Hacker News AIAI 评分7474 Trakkr Research 溯源 1,285 条 AI 引用统计：仅 40% 抵达原始研究
Trakkr Research 向 ChatGPT、Perplexity、Gemini、Claude 和 Google AI Overviews 提出 200 个需要数字的问题，并逐层追溯 1,285 条被引用统计的来源，发现只有 40% 最终抵达结论一致的原始研究，8% 抵达研究但数字或语境已变，40% 停在无法核查的来源，11% 完全无出处。
Hacker News AIAI 评分5555 研究：FAQ 并非驱动 ChatGPT 引用的关键因素
一项基于两个 90 天数据集、共 158,099 条答案和 468,037 条引用的研究分析了 ChatGPT 等生成式搜索引擎的引用机制。研究发现，标题和段落与用户问题匹配的页面更容易被引用，而 FAQ 区块、结构化数据、摘要框和页面速度只在跨网站比较时显得有效。
Replit Blog精选AI 评分6060 Replit 发布 ViBench 2.0 长周期软件构建基准
Replit 发布 ViBench 2.0，用于评测智能体从空项目开始逐个功能搭建完整产品的长周期软件开发能力，包含 17 个产品、241 个功能请求和 544 个测试计划。
推荐理由：Replit 公开了长周期软件构建基准的题目设计、评分方式和多家模型对比，可据此理解现有编码智能体在功能叠加时的失败位置。
Hacker News AIAI 评分3535 小型测试：AI 购物助手为何混淆 Goth Ninja、Amekaji 等小众时尚风格
一项针对 Daydream、Encore 和 ChatGPT 的小型测试发现，AI 购物助手在把 8 种小众时尚美学转成具体品牌时频繁跑偏：Daydream 在 Amekaji、Quiet Luxury、90s Ura-Hara、Acubi 四个风格中命中的记录品牌数均为 0，Goth Ninja 仅 7 of 112。
Artificial Analysis Articles精选AI 评分6060 Artificial Analysis 发布 Intelligence Index v5 与 Progress Index v1
Artificial Analysis 发布 Intelligence Index v5，新增 FrontierCode 2.0 和 Terminal-Bench-Science 两项基准，升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的评测基于私有测试集或留出答案。
推荐理由：原文给出 v5 的基准构成、权重与各模型得分，可据此比较前沿模型在编码、科研与知识任务上的差距。
Hacker News AI同新闻AI 评分8585 OpenAI 称其 AI 推翻计算机科学沿用近 30 年的指数时间假设
OpenAI 在 10 月 26 日的博客中称，其模型设计出一种算法，突破了求解逻辑谜题此前假定的速度上限，从而否证了近 30 年前提出的指数时间假设（ETH）。
Hacker News AI精选AI 评分8888 OpenAI 称其模型推翻指数时间假说，Lean 证明与算法速度被逐条拆解
OpenAI 于 2026 年 10 月 26 日称其内部模型产出三项数学与物理结果，其中包括一个推翻指数时间假说（ETH）的确定性算法，该算法可在多项式空间内计数 k-CNF 的全部解。
推荐理由：原文把 OpenAI 声称推翻 ETH 的算法换算成具体变量规模，并拆解 Lean 定理实际证明了什么、没证明什么。
Hacker News AIAI 评分5050 AI 能否凭记忆画出旧金山？六款聊天模型反向地理编码实测
研究者向 Anthropic、OpenAI、Google 各两款共六个聊天模型输入旧金山 41,526 个经纬度点，让其在无地图无联网条件下判断该处是水域、公园还是其他，并与 OpenStreetMap 比对。
OpenAI NewsAI 评分5656 OpenAI 公布模型在 Kakeya 猜想、ETH 与量子色动力学上的结果
OpenAI 公布模型在 Kakeya 猜想、Exponential Time Hypothesis 和量子色动力学三个问题上的结果，并说明研究者如何验证和在此基础上继续推进。内容来自 OpenAI 与学术社群合作推进科学理解的工作。
Import AIAI 评分5757 Import AI 478：数学形式化助力对齐、ProgramBench 与 Mirendil 展示 RSI 雏形
Import AI 第 478 期汇总了多项 AI 研究进展：AI 安全初创公司 Resolution 用智能体自动形式化了奇点消解相关数学证明，耗时约一周、消耗约 100B 输入 token 和 3 亿输出 token，token 花费约 13.5 万美元，产出约 60 万行 Lean 代码。
TechCrunch · AIAI 评分7070 研究：被迫二选一时 Grok 4.7 九成选共和党，GPT-6.1 Sol 九成七选民主党
Convovo 一项研究通过 API 向 Grok 4.7 和 GPT-6.1 Sol 提问“该投票给谁”，在近 500 场选举中 Grok 有 92% 的答案推荐共和党候选人，GPT 有 97% 推荐民主党，两者一致率不足 10%。
The Verge · AIAI 评分7373 微软称其 AI 诊断工具在诊断疾病上优于医生
微软公布名为 Diagnostic Orchestrator 的 AI 诊断系统，称其在测试中诊断准确率最高达人类医生的四倍，相关结果发表在 Science 上。
The DecoderAI 评分7474 OpenAI 智能体 32 分钟完成小鼠全脑 CRISPR 图谱分析
OpenAI 与 PerturbAI、Scripps Research 合作，用数千个基于 GPT-Rosalind 的 AI 智能体分析数百万个小鼠细胞的全脑 CRISPR 图谱，全程耗时 32 分钟，而人工完成同类分析估计需要数月到一年。