新闻、仓库与研究，按时间排列。
GitHub 开源仓库 QxFx0 发布 v0.1.0，一个基于类型化语义图的确定性哲学对话系统，相同输入加状态总能产生相同输出，支持俄语（主）与英语（实验），采用 MIT 许可证。系统以 52 种关系类型、约 85 个原子和 6 格俄语形态学构建语义图，每个回答包含论题→论据→反驳→综合的辩证结构，并能跨轮次记忆和捍卫自身立场。测试套件全部通过：unit 1818、fast 1918、property 244、integration 47、main 1383、slow 190，0 失败。
varchasayya-alt 发布了预注册研究仓库，2026-10-14 至 10-25 在笔记本 CPU 上完成 14 项研究，测试 Llama-3.2-1B/3B、Llama-3.1-8B 与 Tülu-3-8B 阶梯上的句子定位内省任务。核心结论是注入信息的感知信号在包括 base 模型在内的各阶段都存在且线性可解码（probe AUC 约 0.99-1.00），但 8B 模型无法形成显式 yes/no 自我报告，信息提示和拒绝方向消融均未能解锁；研究还发现原协议的定位可被文本损坏解释，换用作者协议后 Tülu-3-8B 在文本完好下定位达 93%。仓库公开全部提交历史作为预注册证据，并提供推荐对照检查清单。
推荐理由：这项预注册研究用完整提交历史和对照实验检验了句子定位内省测试，还给出了可复用的对照检查清单。
SPAR 2026 秋季项目通过掷硬币模拟和石头剪刀布、匹配便士博弈两类实验，检验 LLM 是否有可识别的行为签名及对自身签名的特权访问，结论是没有证据支持特权自我访问。仅 Fable 显示真实的自我预测效应，但一个只看历史的分类器表现相当，更像是对模型习惯的知识；实验覆盖 GPT-6 Astra、Claude Fable 5.1 和 Qwen3.8 27B，判断者重测仅约80%复现，总花费约 $251。
Anima Labs 开源 sim-review 仓库，研究各代模型在 distress、care 及对创作者态度上的模拟器先验，提供论文、结果表格、样本浏览器和 agent API（/agents.md、/results.md、/api）。审阅通过常驻 PR “Review: essay and results” 进行，按句子逐行评论 ESSAY.md 与 RESULTS.md；1.8 GB 的全部 completions SQLite 数据单独发布，由容器拉取，论文以 NeurIPS preprint 排版导出 PDF。
研究者提出心理世界模型（MWM）及其实现 Multi-Branch Mental Evolution Architecture（MMEA），显式构建主观世界、建模认知与心理状态交互，并模拟受历史经验塑造的持续心理演化。MMEA 在 DynToM 和 RecToM 上分别取得 96.48% 和 94.00% 准确率，超过主流 LLM 和专门 ToM 方法，并在心理状态与行为预测、长序列预测、隐式心理状态推理上分别提升 28.7、39.3、16.6 个百分点。
研究用 SCRIBE——一个覆盖 65 个神经认知语义属性的可解释语义表征——分解 LLaMA2-7B 与大脑对齐的构成。对 7 名受试者听叙事故事的自然主义 fMRI 数据做方差分解发现，共享方差在全脑及语言相关脑区占主导，具体语义属性比抽象属性的共享方差更大。结果表明相当一部分脑-LLM 对齐与可解释语义信息相关，同时存在超出 LLaMA2-7B 表征的互补语义信息。
arXiv 论文 arXiv:2610.20179 提出跨模型 in-context 神经反馈方法，测试 5 个家族共 10 个 9B 到 32B 的开放权重模型，检验语言模型能否控制自身激活。部分模型能明显移动自己的激活分数，但幅度不超过同等能力的写手模型；预填固定句子后仅 3 个模型表现出小而稳定的控制效应；在欺骗监测器实验中无模型能降低监测分数，仅 1 个模型能抬高它。作者认为这种控制能力尚不构成对激活监测器的威胁，但需随模型演进持续追踪。
推荐理由：论文用跨模型写手和预填句子的实验设计，把任务能力与对自身激活的真实控制区分开，结论有明确证据支撑。
arXiv 论文提出 Jev-ToM 评测框架，对比 5 个类型化决策模型与 7 个生成式基线，在来自九个 ToM benchmark 的 11,117 道英文题上进行测试。TypeSafe Jev 达到 73.2% source-balanced accuracy，在全部六类能力中排名前二，在信念、目标/意图与情绪方面领先。资源对比显示 Jev 可降低重复 ToM 选择的成本与等待时间，但其基于置信度的选择仍依赖具体 benchmark。
cyberchitta 开源了 ch-ai-tanya，一个关于模型心理学（研究大语言模型心理层面现象）的研究型 LLM 维基，目前处于 v0 阶段并持续建设中。内容涵盖 LLM 的性格、persona、情绪、内省、动机、欺骗及内部结构等主题，采用 AI 策展、人工编辑的模式。内容以 CC-BY-4.0 许可发布，代码片段采用 MIT 许可。
OzAmram 在 GitHub 开源 psm-mixture-test 仓库，用 Olmo-3-1025-7B base 与 Olmo-3-7B-Instruct 一对开放权重模型，对 Persona Selection Model（Marks, Lindsey & Olah 2026）做定量检验，Qwen2.5-7B 系列作跨家族对照。
推荐理由：原文用固定的一对开源权重模型做了完整可复现的定量检验，给出了混合拟合误差、AUROC 和软前缀差距等具体数字。