英国AISI发布ReproBAIT评测：AI编码智能体可用低于20美元复现部分生物AI工具
英国AI安全研究所（AISI）与SecureBio合作发布ReproBAIT评测，测试AI编码智能体能否依据公开信息复现生物AI工具（BAIT）。
原文：2026/10/26
#评测/基准
按收录时间排列 · 卡片保留原文日期，往期好文也会新收录
AIHOT 论文解读AI 评分7171 少数派AI 评分3333 曲高和寡、终成绝唱：Intel 傲腾 P5800X 1.6TB 测试报告
作者飘雷借来一块数据中心退役的 Intel 傲腾 P5800X 1.6TB（U.2 接口、固件 L0310200、通电 23000 多小时、写入近 5 PB、健康度 98%），在 i9-14900K + Z790 平台上完成深入测试。
原文：2026/10/26
The JetBrains BlogAI 评分7272 JetBrains研究提出SWE-TaskFlow：让编码智能体基准匹配真实用户任务流
JetBrains Research分析了4,782条开发者在JetBrains IDE中的编码智能体会话，并与SWE-Bench Pro等公开数据集对比，发现真实会话中修bug和加新功能合计不到一半，而SWE-Bench Pro里93.8%的任务是这两类且以单条消息呈现。
原文：2026/10/20
NautilusAI 评分4444 法医面部识别专家仅凭一两个面部特征即可识别人脸
美国国家标准与技术研究院（NIST）的研究显示，27名联邦政府法医面部识别专家在遮挡九项面部特征的实验中，仅揭开一两个特征就能以90%的准确率匹配隐藏人脸。研究发表于PLOS One，发现耳朵是专家最常选择的特征，而准确率最高的是耳朵和较少被选的额头，下巴和脖子的识别价值最低。
原文：2026/10/23
电鸭社区AI 评分2020 跨所搬砖还赚不赚钱？30天30102个样本实测：正净利 0 次，以及你 bot 报的那个 12% 肥价差是什么
作者用自建系统对 17 个高流动性币在三个交易所的真实 K 线、盘口和费率做 30 天回放，共 30,102 个样本，正净利出现 0 次，主流币跨所套利利润已彻底归零。作者同时指出，bot 报出的 4%~12% 肥价差绝大多数是假的。
原文：2026/10/22
LessWrongAI 评分4747 面向可扩展能力评估：基准饱和后如何估算模型能力
LASR Labs Summer 2026 的一项研究提出用转录分析协议估算基准饱和后的模型能力，通过回放过去几年的模型发布验证其大部分有效，但在推理模型等"范式转变"上失效。
原文：2026/10/17