导语：本轮最重要的四件事：Kimi K3 与姚期智、杨植麟团队联合发布 TCSExam 评测框架，并构造出 630 条边的图刷新 124 点无三角形/四边形图的参考纪录（原纪录 629 条），GPT-6 Astra 则在 20 项研究级定理中完成 14 项、把 Alon–Jaeger–Tarsi 猜想的证明范围从 8 维推进到 9 维——AI 首次产出可被 Lean 4 独立核验的研究级数学成果，标志着 AI 从「做数学题」走向「做数学研究」。FireFlash 用 64 张 B300、不到 5 天全参数 RL 训练出 300B 长程智能体，Terminal-Bench 4.0 Pass@1 达 46.2%、与 Fable 5 和 GPT-6 Sol 同档，单任务成本却低 30 倍以上，并公开完整训练配方，长程 Agent 的训练门槛大幅降低。NVIDIA 开源 SkillEvaluator，为 Agent Skills 生态提供从静态安全校验到沙箱实测（Skill Lift）的三层评测门禁，Agent 技能的质量与安全性首次有了系统化评估工具。清华团队 GIFD 证明联邦学习梯度可反演重建像素级私密图像，在差分隐私、裁剪等防御下仍优于现有基线，隐私计算安全再敲警钟。
本轮采集时间：2026-11-12 21:00 ｜ 来源：雷锋网、Agent Economics、AlphaSignal、机器之心、新浪财经、arXiv ｜ 新增条目：4
学术与前沿
Kimi K3 联手姚期智、杨植麟团队发布 TCSExam：AI 首次产出「机器可核验」的数学研究成果
图灵奖得主、清华大学交叉信息研究院院长姚期智与月之暗面创始人杨植麟等联合提出 TCSExam：用 100 项理论计算机科学科研任务（定理证明 20 项、Solver 工程 30 项、数学构造 20 项、开放猜想 30 项）评测前沿 AI Agent 的科研能力，并通过 Lean 4、程序检查器与 Checkpoint 机制独立验证成果，避免把局部进展误判为完整证明。实验中，Kimi K3 在「124 个点、无三角形也无四边形」的极值图构造任务上造出 630 条边，刷新数学界保持多年的 629 条参考纪录；GPT-6 Astra 完成 20 项研究级定理中的 14 项，并将 Alon–Jaeger–Tarsi 猜想在五元有限域上的证明范围从 8 维推进到 9 维（最终整理为 71 个 Lean 模块、以 143 条方程构造矛盾证书）。研究同时显示，模型独立提出关键引理、规划长程证明的能力仍然有限，28 项开放猜想未获完整解决。
来源：雷锋网 | arXiv (2611.07962)
FireFlash：64 张 B300、不到 5 天训出 300B 长程智能体，单任务成本比 Fable 5 低 30 倍
Agent Economics 博客发布 FireFlash：从 GLM-5.3-Flash（321B 总参数、每 token 激活 17.4B）出发做全参数强化学习（冻结视觉塔与 DSA 索引器）得到的 300B 级终端与编程智能体。其在 Terminal-Bench 4.0 上 Pass@1 达 46.2%，与 Fable 5、GPT-6 Sol 处于同一水平，而单个任务成本比最高推理强度下的 Fable 5 低 30 倍以上；能力还迁移到 DeepSWE v1.1 与 SWE-Bench Pro Verified 两个软件工程基准。整个训练仅用 64 张 NVIDIA B300、不到 5 天，团队同时公开完整训练配方——包括智能体 RL 环境筛选、面向长/陈旧/低精度 rollout 的 RL 配方，以及模型优化、训练与评测共用的编程 harness。
来源：Agent Economics | 机器之心（新浪财经转载）
清华团队 GIFD：从联邦学习梯度反演重建像素级私密图像
清华大学与哈尔滨工业大学团队提出 GIFD（Gradient Inversion over Feature Domains，已被 TPAMI 2026 接收）：把预训练 GAN 拆解为 12 层（BigGAN）或 7 层（StyleGAN2）中间特征层逐层优化，并通过新的标签映射技术处理攻击者与受害者标签空间不一致的场景，从联邦学习上传的梯度中重建出像素级高保真图像。在差分隐私噪声、梯度裁剪、Soteria、CENSOR 等防御下，其重建效果仍优于 GGL、GIAS 等基线。研究提醒：联邦学习「数据不出本地」并不等于「信息不泄露」，梯度本身仍可能编码个体样本，对隐私计算部署构成直接挑战。
来源：AlphaSignal | arXiv (2604.00955)
工具与产品
NVIDIA 开源 SkillEvaluator：为 Agent Skills 提供三层评测门禁
NVIDIA 以 Apache 2.0 许可开源 SkillEvaluator，用于系统化评估 AI Agent 技能（含 Markdown 指令、元数据、脚本与参考文件的文件夹）是否安全、互不重复且真正有效。框架设三层独立门禁：静态校验（Schema、安全、PII、许可与脚本检查，可选 LLM 复审）、基于嵌入相似度的技能内/技能间去重、以及在沙箱中对比「有/无该技能」的 Agent 实测（Skill Lift 行为增量）；评分覆盖五个维度并给出 pass@k 可靠性，支持 CLI、JSON、HTML、Markdown 报告，还附带 GitHub Actions 与 GitLab CI 模板用于在 PR 环节做技能合并门禁。该框架遵循社区 Agent Skills 规范，是 NVIDIA Verified Skills 流水线的一部分。
来源：AlphaSignal | NVIDIA GitHub