Google Research 提出 Agile Deliberation：让 AI 协助人类界定主观“灰色地带”
Google Research 开源了 Agile Deliberation 框架，把主观视觉分类器的构建变成人机迭代对话，包含 concept scoping 和 concept iteration 两个阶段。
#论文/研究
Google ResearchAI 评分4444
Microsoft ResearchAI 评分3333 Microsoft Research Focus 第 97 期：从 coding agent 挑战到蛋白质与天气预报的新研究
Microsoft Research 第 97 期 Research Focus 由 Sowbhagya Suresh 主持，汇总多项最新研究。
Google ResearchAI 评分5050 Google 提出 sleep 框架：让 LLM 在持续学习中把短期记忆固化为长期参数
Google Research 提出面向 LLM 持续学习的 sleep 框架，让模型在主动交互期与离线睡眠期之间交替，将脆弱的短期上下文固化进稳定的长期参数。
OpenAI NewsAI 评分4444 OpenAI 与学术界合作构建科学理解
OpenAI 公布了模型在 Kakeya 猜想、指数时间假设（Exponential Time Hypothesis）和量子色动力学上的研究进展，并向学术界开放相关结果。研究者可以对模型给出的数学与物理结论进行验证，并在此基础上继续研究。
Google DeepMindAI 评分5858 Google DeepMind 与 WRI、IIASA 发布 ForTy 2020 全球 10 米分辨率森林类型地图
Google DeepMind、Google Research 与 WRI、IIASA 发布 ForTy 2020 全球地图，将每块 10x10 米土地分为六类森林与土地利用类型，并附 2017 至 2025 年逐年变化时间序列。
Google Research精选AI 评分6868 Google Research 发表 AI 辅助盲扫超声孕周评估研究，MAE 4.18 天达到临床非劣效
Google Research 在 JAMA Network Open 发表前瞻多中心研究，评估基于盲扫超声的 AI 孕周评估模型跨临床环境与硬件的泛化能力。385 名 16-36 孕周参与者中，模型平均绝对误差 4.18 天，非劣效于专家超声医师的 4.48 天；芝加哥站 MAE 4.10 天，内罗毕站零本地调优下为 4.27 天。
推荐理由：原文给出前瞻多中心实测数据，显示AI孕周评估在陌生设备和零本地调优下仍接近专家标准，可读性在跨环境泛化证据。
Microsoft Research精选AI 评分8585 Microsoft Research 与合作者证明 31 年前的 KLS 猜想
Xinzhi Zhang 与 Zhao Song 合作证明了 1995 年提出的 Kannan–Lovász–Simonovits（KLS）猜想，确立了对数凸分布的普适几何原则。研究采用人引导的多智能体迭代剪枝流程，探索约 100 条研究路径后找到关键判据，再通过递归改进消除对维度的依赖；另有独立团队与第三组证明以及 Lean 4 形式化验证相互印证。
推荐理由：原文介绍 Microsoft Research 与合作者证明 KLS 猜想，并拆解了人引导 AI 智能体迭代搜索的研究方法，可了解其协作流程。
OpenAI NewsAI 评分3030 OpenAI 与 PerturbAI、Scripps Research 用数千个 AI 智能体挖掘生物数据新研究线索
OpenAI 与 PerturbAI、Scripps Research 合作，使用分布式 AI 智能体分析数百万脑细胞数据，找出有前景的研究线索。
OpenAI NewsAI 评分3434 OpenAI 提升 ChatGPT 在低资源编程语言上的代码能力
OpenAI 发布了改进 ChatGPT 在低资源编程语言上表现的工作，并推出了新的软件工程评测，涵盖 SQLite 和 COBOL 迁移。这些评测用于衡量模型在低资源语言场景下的工程能力。相关能力改进已落地到 ChatGPT 中。
Google Research精选AI 评分6060 Google Research 发布 VERID 框架与闭环实验成果，构建自主湿实验室基础模块
Google Research 发布 VERID 实验室框架及两项闭环实验成果，目标是让 AI 智能体在真实湿实验室中设计、执行并改进实验。VERID 基于 PyLabRobot 构建实验室数字孪生，提供 3D 状态跟踪、虚拟试运行、硬件安全检查和视频与操作日志同步记录。
推荐理由：原文给出 VERID 框架与两条闭环实验的具体数据和失败案例，可了解 AI 智能体接入湿实验室的工程做法。
OpenAI NewsAI 评分1717 OpenAI：欧盟 AI 的下一章是智能体（Agentic AI）
OpenAI 发布新分析，指出智能体 AI 在欧盟企业和小企业中的采用正在增长，并探讨更深入的使用能在哪些方面释放更多价值。
Microsoft ResearchAI 评分4444 Microsoft Research 推出 StudentSim：用模拟学生改进 AI 导师训练评估
Microsoft Research 推出研究系统 StudentSim，基于公开去标识化的学习者记录为每个学生训练个性化模拟器，用于在真实学习者测试前评估和改进 AI 导师，非产品、不替代教师。配套的 StudentSimEval 基准覆盖国际象棋、二语英语写作和数学三个领域，从行为保真度和对导师引导的响应度两个维度评估，StudentSim 在两项上均超越领先基线。
OpenAI NewsAI 评分6262 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 形式化证明与研究细节。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，研究预览版已上线官网。基准基于 1.039 亿个 GitHub pull request 的分布构建，包含 19 种语言、187 个开源仓库的 219 个 pull request，采用多来源 golden set 与统一评分标准，发布前由资深工程师独立复核，真阳性判断一致率 96.6%。
推荐理由：GitHub 公开了代码审查基准的构建方法与评测口径，读者可据此判断自家审查智能体的强弱项。
Microsoft ResearchAI 评分3636 微软研究院用机器学习预测电网空间天气风险
微软研究院开发了一套端到端机器学习流水线，利用太阳风观测与AE、Dst指数预报，结合纬度、地质电导率等本地数据，为美国本土66,935座变电站生成30-60分钟前的空间天气风险预测。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使其在数字模型和合成出的实体蛋白质上均可验证，同时保持生物功能。
推荐理由：DeepMind 把水印从数字内容延伸到合成生物，读者可了解其在 DNA 合成筛查与数据库标注上的验证思路。
Microsoft Research精选AI 评分6262 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人表现与续航
微软研究院对移动操作机器人工作负载做了首次系统性研究，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链，读者可据此判断物理 AI 的部署取舍。
Microsoft ResearchAI 评分4444 微软开源逆合成模型 RetroChimera，成果登上 Nature
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型用学习式重排序整合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 的互补预测，在十项挑战性多步合成目标中成功九项，优于 de novo 模型的五项、编辑模型的四项和基线 NeuralSym 的两项。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单碱基变异预测
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 多倍。
推荐理由：AlphaGenome Atlas 把 90 亿个单碱基变异的预测结果做成可检索资源，读者可据此了解基因组变异解读的规模化路径。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，并加入结构化的 CUDA-to-MLX 翻译层，让 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：读者可以看到 CUDA 内核经验如何被结构化翻译到 Apple Silicon，以及翻译层对性能差距的具体贡献。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以应对长程交互中上下文无法无限扩展的问题。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 把与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也显著低于全上下文设置。
Berkeley AI ResearchAI 评分3232 自适应并行推理：高效推理扩展的下一范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前方法多由外部预设并行结构，模型无法自行决定何时分解任务、开多少线程。文章重点讨论自适应并行推理，即让模型根据问题自主决定并行化时机与协调方式，并提及 ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等方法。
Berkeley AI ResearchAI 评分3232 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索，并重塑梯度，让动作获得清晰信号、避免穿过高维视觉模型的脆弱"状态-输入"梯度，使基于学习动力学（世界模型）的长时程规划变得可行。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI ResearchAI 评分2828 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分2626 伯克利提出信息驱动成像系统设计框架，可跨四类成像任务预测性能
伯克利 AI Research 提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化信息含量，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计能预测下游重建性能，优化后的设计可媲美端到端方法，且内存和算力需求更低。