4月21日，OpenAI正式上线Chronicle研究预览版。Chronicle藏在Codex平台里，但它干的事跟写代码没半毛钱关系。它在后台默默运行，持续读取你的屏幕内容、你打开的文件、你浏览的网页、你写到一半的文档。
Google 已组建了一支由研究人员和工程师组成的特别小组来改进其 AI 编码模型，据三位了解情况的人士透露，此举旨在实现更多自身编码的自动化，并最终实现 AI 研究的自动化。
邓明扬现为 MIT 博士生，师从何恺明，主要研究生成模型。本科期间，他在 MIT 学习数学与计算机科学，也曾在 DeepMind 和 Meta 实习。更早之前，他曾获得 IMO 金牌和 IOI 金牌。2026 年，他以第一作者发表了 Drifting Models，尝试探索一种不同于传统路径的生成建模思路。
AI科技评论独家获悉，卡内基梅隆⼤学机器⼈研究院（CMURI）博⼠后、悉尼⼤学（USYD）⻓聘助理教授WilliamZhi联合创办具⾝智能公司⸺ZenoAI（芝诺机器⼈），致⼒于打造通⽤全栈物理智能（Full-stackPhysicalAI），提供可靠的全⾝灵巧操作解决⽅案。
如果摔断了手、打了两个月石膏，工作却不能停，程序员该怎么办？Anthropic 的研究员、《构建高效智能体》合著者 Erik Schluntz 的答案是：全权交给 Claude。
中国人民大学团队打造的AiScientist，旨在解决长程机器学习研究工程的持续性难题。该系统从论文理解开始，跨越环境配置、代码实现与实验迭代，保持状态连续与决策连贯，显著提升科研效率。其核心在于通过File-as-Bus机制，稳定保存项目状态，使AI能真正接手科研流程，而非仅辅助单个环节。
ATM-Bench 将「个人 AI 助手是否真的记得你」这件事，变成了一个研究的测试基准。结果并不乐观：专用记忆智能体系统普遍低于 20%，而 OpenClaw、Codex、Claude Code 等通用智能体普遍表现不佳，最高准确率不到 40%。
如今的大多数智能体，仍然活在一种「失忆式工作」模式中：每一次检索都是从零开始，每一条推理路径都无法沉淀，每一次失败也不会转化为经验。它们虽能多轮交互，但很难在深度研究中持续变强。
Anthropic 没有公开 Claude Mythos 的架构。但研究社区没有等。
如何创建大规模的Physical AI数据，来加速Physical AI开发者的进展。我们采取的方法，本质上是用算力去换数据；
