文章核心观点 - Anthropic 开源 FlashProve 系统，基于零知识密码学证明技术实现大型语言模型的可验证推理，让模型提供商能在不公开模型权重的情况下证明某个回答确实由指定模型生成 [1] - 该技术旨在解决 AI 服务中的信任问题，使用户无需依赖服务商口头承诺即可独立验证模型身份 [2][7] - FlashProve 将零知识机器学习从规模较小的模型推进到大型语言模型场景，并在 400B 参数混合专家模型上完成测试 [3][9] 行业信任痛点 - 用户调用 AI 服务时无法确认返回回答究竟来自哪个模型，第三方服务商可能为降低成本将高性能模型替换为更便宜的模型 [2][7] - 推理服务器可能遭到攻击，导致模型权重或输出 Token 被篡改 [7] - 安全评估研究人员若无法确认测试对象与实际部署模型一致，评估结果将失去可靠性 [7] - 第三方 API 中转站或模型聚合平台降低了调用门槛，但带来信息不对称，用户能选择模型名称却未必能独立确认后台实际运行的模型 [12] - 在多层转发调用链路中，服务商理论上可能将高性能模型请求转发给调用价格更低的模型，用户难以判断回答质量变化是模型随机性、服务状态变化还是实际调用模型发生改变 [12][13] 技术原理 - 模型服务商先通过密码学方式为一组确定的模型权重生成承诺（Commitment），相当于给模型版本建立加密指纹 [7] - 用户每次发起请求，服务商可附上一份零知识证明（zkSNARK），证明回答确实由此前承诺的模型根据对应输入生成 [7] - 用户无需获得模型权重或重新运行模型，即可通过模型承诺、输入、回答和证明文件独立验证模型身份 [7] - 证明过程不泄露模型权重，但可确认输出是否来自指定模型；证明的是回答来源而非回答内容是否正确 [7] 性能测试数据 - 测试对象为 Meta 的 Llama 4 Maverick，拥有 4000 亿参数（400B）的 MoE 模型，每个 Token 实际激活约 170 亿参数 [9] - 单张 NVIDIA H100 GPU 上证明生成吞吐量达到约 110 Token/s，每份证明文件约 18.78 MB [9] - 每 1024 Token 请求的证明文件约为 19 MB [2] - 验证端不需要 GPU，使用 24 线程 CPU 验证一份证明约需 17 秒 [9] - 当前测试采用 1024 Token 的请求窗口，每份证明实际检查其中一个输出 Token [9] 效率优化手段 - 证明计算主要围绕实际激活的专家展开，而非每次处理模型全部参数，与 FlashProve 针对 MoE 架构的优化有关 [9] - 系统采用批量事后证明，在推理完成后再统一生成证明，降低重复计算带来的开销 [9] 开源内容 - Anthropic 已开源 FlashProve 的证明生成器、C++ 和 Lean 验证器，以及相关技术文档和形式化证明 [4] - 代码、协议说明和相关证明以 Apache 2.0 许可证开源 [10] - 使用 Lean 形式化验证语言对协议的完整性、可靠性和零知识等核心安全性质进行了机器可检查的证明 [10] 当前局限与工程约束 - 生成证明所需的 GPU 时间约为普通 vLLM 推理的 70—95 倍，若每个请求都实时生成证明，服务成本将明显增加 [10][16] - 目前主要支持 1024 Token 的上下文窗口，针对整数模型和 Greedy Decoding 进行验证，尚不能直接覆盖所有模型和推理方式 [10] - 对浮点计算、随机采样等其他推理方式还需进一步扩展 [16] - 长上下文、大规模 Agent 工作流和复杂多轮交互场景下如何高效生成和验证证明仍是待解决问题 [16] - 形式化验证并不意味着所有实际运行代码都获得同等保证，快速 C++ 验证器与形式化协议之间仍需进一步审计 [10] - FlashProve 证明的是回答来自指定模型，并不证明回答本身正确，若指定模型产生幻觉仍可能成功验证该回答 [16] 行业应用前景 - FlashProve 的开源为 AI 产业链可信治理带来新可能 [17] - 随着合规监管、模型供应链安全以及医疗诊断、金融决策、法律分析等高价值场景对模型身份确认要求不断提高，不可篡改的模型身份证正从纯学术设想步入工程实操阶段 [17] - 未来模型服务商交付给用户的内容可能不再只有回答和 Token，还会多出一份证明回答由指定模型生成的密码学凭证 [18]

文章核心观点 - 普林斯顿AI Lab提出空间智能新基准SSoN，用四张静态室内图像让模型找出违背同一场景的那一张并解释原因，剥离动态交互与动作控制，单独检验跨视角空间理解能力 [1] - 人类在完整1,000道题上准确率达83.3%，六个受测视觉语言模型中最高的GPT-6 Astra Pro仅39.7%，其余五个全部低于四选一25%的随机基线，人机差距出现在更基础的静态跨视角理解层面 [3] - 低于25%并非能力下限，而是SSoN专门构建了“看着像变了、空间上却正确”的强干扰视图，模型能发现外观差异却无法判断是否来自视角变化，就会被系统性带偏 [3] - 39.7%仅是选对答案的成绩，部分回答理由仍站不住脚，说明“选对”不能替代“说清楚为什么” [4][22] 题型难度分层 - 交换和细节变化是模型相对优势区，两个物体交换位置或同一物体形状、颜色、纹理变化能提供物体对应与外观差异线索，六个模型在这两类上均高于各自整体成绩，Astra Pro两类均达80%以上 [11] - 镜像和删除处于中间层但对多数模型仍很难，镜像题需判断房间结构是否真的左右翻转、排除相机换边造成的视觉变化，删除题需区分“物体真的消失”与“只是被遮挡、移出视野”；镜像题上除Astra Pro外其余五个模型全部低于25%随机基线，删除题上这五个模型最高仅Sol Pro的42.57% [11] - 移动和旋转暴露更普遍的几何推理短板，六个模型移动题最高准确率仅27.20%，旋转题最高仅9.54%，而人类在这两类上均达70%以上；即使明确告知模型六类编辑分别是什么，也不能有效提升这两类分数 [11] - SSoN覆盖七个室内场景来源、六类三维编辑，共1,000道题、4,000张图像，让总分之下的能力差异逐一显现 [12] 视觉编码器与强干扰实验 - 研究者用CLIP、ViT和DINOv2系列共17个视觉编码器，以图像特征相似度选择离群视图，准确率仅16.9%至21.7%，全部低于25%随机基线 [17] - 强干扰的作用在于：正确的新视角可能改变大片可见内容，真实编辑却可能只留下局部线索，依赖全局外观差异的选择规则无法可靠区分二者 [18] - VLM也会被表面差异带偏，开发阶段诊断实验中合法但容易误导的视图吸引了更多错误选择，替换为清晰正面参照后多类题目成绩明显改善，说明变化摆在眼前时能认出并不保证换个视角仍能推理出来 [18] 答案与证据双重检查 - SSoN同时检查答案与证据，True solve要求选择正确且解释符合图像事实、足以支持跨视角矛盾判断；六个模型合计1,368次正确选择中29.5%未通过检查，最高模型成绩从39.7%答案准确率降至34.9%的True solve [22] - 出题和阅卷两端均做核验：构建时要求异常图及至少两张正常视图提供可用证据，排除多解题和明显渲染捷径；阅卷时所有选对的模型回答都经人工证据复核；超过10,000个开发候选题的迭代最终留下这1,000道题 [22] 提示、重建与相机参数干预 - 干预集为另行选定的100道题，原始答案准确率24%、True solve为12%，后续比较均在这组固定题目内进行 [27] - 比较指导与编辑类别知识结合时准确率达48%、True solve为34%，提示能提供帮助但未让模型答对一半 [27] - 让模型实际执行三维重建再检查相机视角，完整流程得到47%准确率、34%的True solve，删除和细节类表现较好，移动与旋转仍困难，仅加入三维重建不足以消除几何判断短板 [27] - 最明显改善来自直接提供真实相机信息，在比较指导基础上加入ground truth相机内参、外参和图像尺寸后，准确率达61%、True solve达48% [28] - 移动类题目尤为突出：比较指导条件下准确率和True solve均为20%，加入相机信息后两项都升至70%，提示相机几何能帮助模型区分“物体在画面里动了”和“物体在房间里动了” [29] - 但61%与48%之间仍有距离，即使拿到真实相机参数，这100题中有充分证据支持的正确回答仍不到一半 [29] 微调训练实验 - 研究者对Qwen2.5-VL-7B进行微调，按关联房间和场景家族隔离train、val和test，最终面对来自未见房间的201道测试题 [31] - 未经微调准确率21.89%，只监督答案提升到33.33%，同时提供推理依据和答案监督达到41.79%，相较原始模型准确率接近翻倍 [32] - 区别在于训练时是否告诉模型“证据为什么支持这个答案”，推理依据监督进一步提供变化类型、相关物体与支持视图，让模型学习把跨视角证据和最终选择联系起来 [32] - 旋转题变化最突出：答案监督已使旋转类准确率达32.84%，加入推理依据后升至58.21%；更换四张图选项顺序后，平均准确率和跨顺序一致答对比例也有所改善 [32] - 空间一致性判断可通过定向监督改善并迁移到训练时没见过的房间，但改善仍不均匀，推理依据带来的额外整体增益需更多训练重复验证 [32] 行业意义与研究方向 - SSoN提出的朴素要求是：相机动了场景可以没变，图像变了空间关系仍可能一致；动态空间智能需将观察转化为规划、决策与行动，可靠理解当前空间是支撑这些行为的基础 [34] - 83.3%与39.7%的落差揭示当前短板，提示、几何与训练实验给出继续追问的方向：需要怎样的模型和监督，才能让AI在换个视角后仍理解同一个三维世界 [34] - SSoN由普林斯顿大学AI Lab团队完成，第一作者Huizi Cao为卡尔顿学院本科生，曾以一作身份在Nature Medicine发表论文，团队还包括来自宾夕法尼亚大学、Adobe Research的研究者，项目由普林斯顿大学AI Lab的Shilong Liu教授、Mengdi Wang教授和西北大学的Manling Li教授合作指导完成 [36]

文章核心观点 - 文档内容为浏览器技术提示信息，要求启用Javascript和cookies以确保正常访问，并提示广告拦截器可能导致访问被阻止，需禁用广告拦截器并刷新页面 [1] - 文档未包含任何关于公司、行业、财务数据、市场事件或投资机会与风险的实际新闻内容 [1] 根据相关目录分别进行总结 - 文档不包含可归纳的新闻主题目录或章节结构，仅包含单一的技术性访问提示文本 [1] - 文档未提供任何数字数据、百分比变化或财务指标，无法进行单位换算或数据引用 [1]

文章核心观点 - 文档内容为浏览器技术提示信息，要求启用Javascript和cookies以确保正常访问，并提示广告拦截器可能导致访问被阻止，需禁用广告拦截器并刷新页面 [1] - 文档未包含任何关于公司、行业、财务数据、市场事件或投资机会与风险的实际新闻内容 [1] 根据相关目录分别进行总结 - 文档中不存在可对应的目录结构，无行业分类、公司分析、财务数据或事件解读等实质性内容可供分组总结 [1] - 文档未提供任何数字数据、百分比变化或金额信息（billion、million、thousand等均未出现）[1]

核心观点 - 安进季度每股收益6.45美元超出Zacks共识预期5.74美元 同比高于去年同期的5.64美元 盈利超预期幅度为+12.37% [1] - 上一季度预期每股收益5.6美元 实际为6.29美元 超预期幅度+12.32% [1] - 过去四个季度公司四次超越共识每股收益预期 [2] - 季度营收103.7亿美元超出共识预期4.14% 去年同期营收为95.6亿美元 过去四个季度四次超越共识营收预期 [2] - 年初至今安进股价上涨约42.2% 同期标普500涨幅为10.2% [3] 未来预期 - 下季度共识每股收益预期为5.73美元 营收预期为102.1亿美元 [7] - 当前财年共识每股收益预期为22.96美元 营收预期为388.6亿美元 [7] - 财报发布前估计修正趋势为混合 当前状态对应Zacks排名3（持有） 预计近期股价表现与市场一致 [6] 行业概况 - 安进属于Zacks医疗-生物医学与遗传学行业 该行业在250多个Zacks行业中位列前44% [8] - 研究显示排名前50%的行业表现超越后50%行业2倍以上 [8] - 同行业公司Cartesian Therapeutics尚未公布2026年9月季度业绩 预计季度每股亏损1.02美元 同比变化+26.1% 过去30天共识每股收益预期保持不变 预计营收25万美元 同比下降44.4% [9]

文章核心观点 - Aquestive Therapeutics季度每股亏损0.13美元，不及Zacks共识预期的每股亏损0.10美元，盈利意外为-30.00% [1] - 公司季度营收756万美元，大幅低于Zacks共识预期31.51%，较上年同期的1281万美元明显下滑 [2] - 公司年初至今股价下跌约41.6%，而标普500同期上涨10.2%，表现显著落后大盘 [3] - 公司当前Zacks评级为第3级（持有），预计近期股价表现与市场持平 [6] 盈利表现 - 季度每股亏损0.13美元，上年同期每股亏损0.14美元，数据经非经常性项目调整 [1] - 上一季度预期每股亏损0.10美元，实际每股亏损0.18美元，盈利意外为-80% [1] - 过去四个季度中，公司仅有一次超过共识每股收益预期 [2] - 过去四个季度中，公司有两次超过共识营收预期 [2] 营收表现 - 截至2026年9月的季度营收为756万美元，低于Zacks共识预期31.51% [2] - 上年同期营收为1281万美元 [2] 股价与市场表现 - 公司股价年初至今下跌约41.6%，标普500同期上涨10.2% [3] 未来预期 - 下一季度共识每股收益预期为-0.11美元，营收预期为1113万美元 [7] - 当前财年共识每股收益预期为-0.50美元，营收预期为5047万美元 [7] - 财报发布前，公司盈利预期修正趋势为混合状态 [6] 行业情况 - 公司属于Zacks医疗-药品行业，该行业目前在250多个Zacks行业中排名前35% [8] - 研究显示，Zacks排名前50%的行业表现优于后50%行业超过2比1 [8] - 同行业另一家公司Profound Medical尚未公布截至2026年9月的季度业绩 [8] - Profound Medical预计 upcoming 报告季度每股亏损0.19美元，同比增长26.9% [9] - Profound Medical该季度共识每股收益预期在过去30天内下调5.3%至当前水平 [9] - Profound Medical预计营收为980万美元，较上年同期增长85.3% [9]

核心观点 - Booking Holdings季度每股收益4.66美元超出Zacks共识预期4.48美元实现4.02%的盈利惊喜[1] - 公司营收88.9亿美元低于共识预期7.01%同比上年同期90.1亿美元有所下滑[2] - 年初至今公司股价下跌约28.2%而标普500上涨10.2%表现显著落后大盘[3] - 财报发布前盈利预期修正趋势不利当前Zacks评级为第4级卖出预计近期将跑输市场[6] 盈利表现 - 季度每股收益4.66美元上年同期为3.98美元以上数据均经非经常性项目调整[1] - 上一季度预期每股收益2.45美元实际为2.54美元实现3.67%的盈利惊喜[1] - 过去四个季度公司四次超越共识每股收益预期[2] - 过去四个季度公司三次超越共识营收预期[2] 营收表现 - 季度营收88.9亿美元（截至2026年9月）低于Zacks共识预期7.01%[2] - 上年同期营收为90.1亿美元[2] 股价与市场表现 - 公司股价自年初以来下跌约28.2%同期标普500上涨10.2%[3] 未来预期 - 下季度共识每股收益预期为2.33美元营收预期为68.1亿美元[7] - 当前财年共识每股收益预期为10.48美元营收预期为292.7亿美元[7] - 财报发布后未来数日市场将关注下季度及当前财年预期的变化[7] 行业概况 - 公司属于Zacks互联网商务行业该行业目前在250多个Zacks行业中处于底部24%[8] - 研究显示排名前50%的行业表现超越后50%行业2倍以上[8] - 同行业另一家公司Groupon尚未公布截至2026年9月季度业绩[8] - Groupon预计季度每股亏损0.01美元同比变化为+99.7%[9] - Groupon共识每股收益预期在过去30天内保持不变[9] - Groupon预计营收为1.2941亿美元较上年同期增长5.4%[9]

核心观点 - DiamondRock Hospitality季度FFO为每股0.32美元，与Zacks共识预期一致，上年同期为每股0.29美元[1] - 公司季度营收2.9761亿美元，低于Zacks共识预期0.52%，上年同期营收为2.8538亿美元[2] - 公司股价年初至今上涨约62.1%，同期标普500涨幅为10.2%[3] - 财报发布前公司预期修正趋势有利，当前为Zacks Rank 2（买入），预计近期将跑赢市场[6] 季度业绩表现 - 季度FFO为每股0.32美元，与Zacks共识预期一致，上年同期为每股0.29美元，数据经非经常性项目调整[1] - 上一季度预期FFO为每股0.37美元，实际为每股0.44美元，超出预期18.92%[1] - 过去四个季度中，公司三次超过共识FFO预期[2] - 季度营收2.9761亿美元，低于共识预期0.52%，上年同期为2.8538亿美元[2] - 过去四个季度中，公司两次超过共识营收预期[2] 未来预期与展望 - 股价近期走势的可持续性及未来FFO预期，主要取决于管理层在财报电话会上的评论[3] - 当前下季度共识FFO预期为每股0.27美元，营收预期2.8337亿美元；本财年共识FFO预期为每股1.26美元，营收预期11.6亿美元[7] - 财报发布后，未来季度及本财年的预期修正情况值得关注[7] 行业状况 - 公司属于Zacks REIT and Equity Trust - Other行业，该行业当前在250多个Zacks行业中位列前43%[8] - 研究显示，Zacks排名前50%的行业表现优于后50%行业，倍数超过2比1[8] - 同行业公司Outfront Media尚未公布2026年9月季度业绩，预计11月5日发布[9] - Outfront Media预计季度每股收益0.59美元，同比增长3.5%，过去30天共识EPS预期保持不变[9] - Outfront Media预计营收5.091亿美元，同比增长8.9%[10]

核心观点 - Red Rock Resorts季度每股收益0.03美元，大幅低于Zacks共识预期的0.23美元，也远低于去年同期的0.68美元，盈利意外为-86.96% [1] - 公司季度营收4.887亿美元，超出Zacks共识预期1.05%，高于去年同期的4.7557亿美元 [2] - 公司股价年初至今下跌约16.8%，同期标普500上涨10.2% [3] - 公司当前Zacks评级为第3级（持有），预计近期股价表现与市场持平 [6] 盈利表现 - 上一季度公司预期每股收益0.33美元，实际录得0.67美元，盈利意外为+103.03% [1] - 过去四个季度中，公司三次超越共识每股收益预期 [2] - 过去四个季度中，公司三次超越共识营收预期 [2] 营收表现 - 截至2026年9月的季度营收为4.887亿美元，超出共识预期1.05% [2] - 去年同期营收为4.7557亿美元 [2] 股价与市场表现 - 公司股价年初至今下跌约16.8%，标普500同期上涨10.2% [3] - 公司股价表现落后于市场 [4] 未来预期 - 当前市场对下一季度的共识每股收益预期为0.43美元，营收预期为5.2721亿美元 [7] - 当前财年共识每股收益预期为1.54美元，营收预期为20.3亿美元 [7] - 财报发布前，公司盈利预期修正趋势为混合状态 [6] 行业概况 - 公司属于Zacks博彩行业，该行业目前在250多个Zacks行业中排名处于底部19% [8] - 研究显示，排名前50%的行业表现超越后50%行业2倍以上 [8] - 同行业另一家公司Take-Two Interactive尚未公布截至2026年9月的季度业绩，预计11月9日发布 [9] - Take-Two Interactive预计季度每股收益0.90美元，同比下降38.4%，过去30天共识每股收益预期保持不变 [9] - Take-Two Interactive预计营收16.6亿美元，同比下降15.4% [10]

核心观点 - Revolve Group季度每股收益0.2美元，低于Zacks共识预期的0.21美元，上年同期为0.24美元，经非经常性项目调整[1] - 本季度盈利意外为-4.76%，上一季度预期每股收益0.2美元、实际0.26美元，意外为+30%[1] - 公司股价年初至今下跌约27.1%，同期标普500上涨10.2%[3] - 财报发布前盈利预期修正趋势不利，当前状态对应Zacks排名第4（卖出），预计近期股价将跑输市场[6] 盈利表现 - 过去四个季度中公司三次超过共识每股收益预期[2] - 季度营收3.5596亿美元，超过Zacks共识预期3.26%，上年同期营收2.9563亿美元[2] - 过去四个季度公司四次超过共识营收预期[2] 未来预期 - 下一季度共识每股收益预期为0.20美元、营收预期为3.556亿美元[7] - 当前财年共识每股收益预期为0.88美元、营收预期为13.9亿美元[7] - 近期股价走势的可持续性及未来盈利预期主要取决于管理层在财报电话会上的评论[3] - 盈利预期修正与短期股价走势之间存在强相关性，投资者可跟踪此类修正或依赖Zacks Rank等评级工具[5] 行业状况 - 公司属于Zacks纺织-服装行业，该行业目前处于250多个Zacks行业排名的后33%[8] - 研究显示，Zacks排名前50%的行业表现优于后50%行业，倍数超过2比1[8] - 同行业另一家公司Gildan Activewear尚未公布截至2026年9月的季度业绩，结果预计于11月5日发布[9] - Gildan Activewear预计公布季度每股收益1.60美元，同比增长60%，过去30天共识每股收益预期保持不变[9] - Gildan Activewear营收预计为16.2亿美元，较上年同期增长78.3%[10]