OpenAI 分享数学领域 AI 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 证明形式化和研究细节。
推荐理由：原文给出了数学开放问题的新结果，并公开了 Lean 形式化证明，读者可据此了解前沿模型在数学推理上的进展。
精选
OpenAI News精选AI 评分6262 AWS Machine Learning Blog精选AI 评分6060 在 AgentCore 与 OpenClaw 上构建上下文感知的 AI 助手
AWS 官方博客介绍如何用 OpenClaw 和 Amazon Bedrock AgentCore 构建具备长期记忆的个性化助手，以园艺助手 Sprout 为例，通过 AgentCore memory 将对话转化为持久知识，并用结构化元数据过滤检索记录。系统部署在单个 CloudFormation 模板中，按消费计费，轻量使用每月约 5–9 美元。
推荐理由：原文给出了从记忆分层、元数据过滤到提示词缓存的完整实现路径，读者可以据此评估在 AgentCore 上构建个性化助手的成本与效果。
Google DeepMind精选AI 评分6666 Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数的开源轻量多模态嵌入模型，可将文本、代码、图像、视频和音频统一映射到共享嵌入空间。
推荐理由：原文给出了参数量、上下文窗口和量化后的内存占用，读者可以据此评估它在端侧多模态检索中的可用性。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览版
Mistral 发布 Mistral Large 4 公开预览版，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，在编码、智能体工作流和多模态理解上表现突出，并承诺月底开放权重。该模型在网络安全、金融和法律等企业工作负载上达到开放模型中的最先进水平，在视觉定位等部分领域甚至超越闭源前沿模型。
推荐理由：1T 参数、49B 激活的开放权重模型，在网络安全和视觉定位上给出具体基准，并承诺月底放权重。
AWS Machine Learning Blog精选AI 评分6262 Amazon SageMaker 推出 aws-ai-ml 智能体技能，优化生成式 AI 推理
Amazon SageMaker AI 推出 aws-ai-ml 智能体技能，可让 Kiro、Claude Code、Codex 等 MCP 兼容编码智能体执行推理基准测试、推荐部署配置、比较性能结果并生成可执行的 SageMaker Python SDK v3 代码。
推荐理由：文章给出从安装技能到基准测试、实例选型和结果对比的完整流程，可迁移到现有 MCP 编码智能体工作流中。
GitHub Blog · AI & ML精选AI 评分7373 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，其 219 个 pull request 来自 187 个公开开源许可仓库，覆盖 19 种语言，分布参考了对 103.9M 个 GitHub pull request 的分析。
推荐理由：公开数据集、评分规则和自助运行器形成可复现评测链路，线上实验案例也展示了离线指标筛选代码审查改进的用法。
AWS Machine Learning Blog精选AI 评分6363 使用 LangChain 和 Amazon Bedrock Knowledge Bases 实现智能体检索
AWS 演示了如何用 LangChain 和 Amazon Bedrock Knowledge Bases 构建 RAG 应用，并比较 Retrieve API 的单次检索与 AgenticRetrieveStream API 的多步规划检索。
推荐理由：文章按查询复杂度在单次检索与智能体规划间分流，为兼顾召回率、延迟和调用成本提供了可迁移的RAG路由方法。
OpenAI News精选AI 评分6565 OpenAI 为 ChatGPT 推出新视觉广告格式并扩展衡量工具
OpenAI 在 ChatGPT 中推出新的视觉广告格式，并扩展面向广告主的衡量工具、归因合作伙伴关系和品牌适宜性支持。
推荐理由：新广告格式与衡量、归因及品牌适宜性能力同步扩展，可用于了解ChatGPT广告产品的整体构成。
Hugging Face Blog精选AI 评分8282 Microsoft ThinkingBox 用数据库终态检验 AI 智能体是否真正完成任务
Microsoft ThinkingBox 根据智能体执行后留下的数据库终态和副作用评分，并让507个有状态业务工作流各重复运行20次，以衡量结果一致性。在覆盖12个LLM、121,680次有效试验的消融中，79,853次未通过可执行检查，其中67.24%仍正常结束、调用了状态变更工具且未报告最终工具错误。
推荐理由：它把智能体评估从回答与工具调用转向数据库终态，并以连续20次运行揭示单次成功率难以代表工作流可靠性。
AWS Machine Learning Blog精选AI 评分6969 如何使用 Amazon Quick 和 Adjudicated Query 模式批量检查数千份租约的合规性
AWS 介绍了 Adjudicated Query 模式，并提供可端到端部署的参考实现，用 Amazon Quick 对数万份租约执行合规检查。模型只负责把自然语言问题映射到六个固定 MCP 工具并叙述结果，正式判定由确定性规则引擎完成，完备性回执确保每条记录归入合规、违规、模糊或不可读类别。
推荐理由：该模式将自然语言交互限制在固定工具表面，并以确定性规则和完备性回执隔离高风险判断，提供了可迁移的合规架构。
Hugging Face Blog精选AI 评分7171 Ai2 开源科研报告生成模型 AstaBrief 8B 及训练数据
Ai2 开源 AstaBrief 8B 及其训练数据，该模型可将研究问题和检索到的文献片段生成带引用的报告。模型以 Qwen3-8B 为基础，使用 47K 个 SFT 样本和约 6K 个 DPO 样本，并以引用密度等信号过滤训练数据。
推荐理由：文章展示了如何用真实科研查询、引用密度过滤和双裁判偏好数据，让8B模型兼顾报告质量、溯源与生成效率。
Google Research精选AI 评分6262 Google 探索基于 TEE 的可验证隐私联邦学习
Google Research 公布新一代基于 TEE 的联邦学习系统，通过可远程证明的执行和公开透明日志提供可验证、可审计的数据匿名化保障。系统仅向操作方暴露指标和差分隐私模型权重，设备加密数据只能按预授权策略在 TEE 内限时解密处理。Gboard 已用其训练英文和日文下一词预测模型，获得更强隐私保障和更高准确率，并将此前每个模型 1-2 个月的训练瓶颈转移到服务器端并行计算。
推荐理由：文章拆解了从访问策略、KMS 到透明日志的端到端设计，可用于理解联邦学习如何兼顾可审计隐私与训练效率。
NVIDIA Blog精选AI 评分7979 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 利用 NVIDIA Blackwell 架构进行推理优化，token 生成速度最高可达 Astra Standard 模式的 8x，现已面向 OpenAI API 及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：最高 8x 的 token 生成加速被具体落到编码智能体循环，可用于理解低延迟如何缩短工具调用间的等待。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 4 Argon，输出上限增至 1M tokens
Google DeepMind 发布 Gemini 4 Argon，先通过 Fairwind Program 向一批可信网络防御者开放，并计划逐步扩展至开发者、企业和消费者。
推荐理由：多项基准与 Google 内部部署案例覆盖软件工程、知识工作和网络防御，可据此比较模型在长程复杂任务中的表现。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 SynthID Bio 蛋白质水印研究
Google DeepMind 发布 SynthID Bio 概念验证研究，可在 AI 生成的蛋白质序列和预测 3D 结构中嵌入可检测水印，并在合成后的实体蛋白上验证。
推荐理由：该研究把水印从数字设计延伸到合成后的实体蛋白，并用湿实验检验功能保持，为生物设计溯源提供了可复核路径。
NVIDIA Blog精选AI 评分6969 NVIDIA 与 CoreWeave 打通智能体 AI 从训练到生产的闭环
NVIDIA 与 CoreWeave 将新一代智能体 AI 基础设施投入生产，CoreWeave 宣布 NVIDIA Vera Rubin NVL72 可用，并推出连接模型与智能体训练、评估和改进流程的 CoreWeave Forge。
推荐理由：材料结合真实软件工程负载与多项性能数据，可用于评估新基础设施对智能体推理、沙箱运行和训练成本的影响。
Hugging Face Blog精选AI 评分6363 Hugging Face 推出 Open TTS Leaderboard，评测多语种文本转语音与声音克隆模型
Hugging Face 推出 Open TTS Leaderboard，以客观指标评估开源多语种文本转语音与声音克隆模型。榜单使用 Qwen3 ASR 计算 WER/CER，在 H200 GPU 和 CPU 上测量 RTFx 与 TTFA，并以 WavLM 嵌入的余弦相似度评估说话人相似性，将单个模型的评测时间从数周缩短至数小时。该榜单不取代人工偏好排名，也不直接衡量自然度、表现力或听众偏好。
推荐理由：榜单以统一客观指标覆盖开源多语种 TTS，将评测周期从数周缩至数小时，可缓解竞技场对开放权重模型覆盖不足的问题。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布开放表格基础模型 Kumo Tabular，登顶四项基准
NVIDIA 发布开放表格基础模型 Kumo Tabular，无需训练、调优或特征工程，即可在单次前向推理中完成表格分类与回归。模型提供 28M 至 215M 参数的三种尺寸，仅用人工数据预训练，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 排名第一。
推荐理由：它把表格分类与回归压缩为单次前向推理，并以四项基准结果呈现精度与效率相对传统流程的变化。
Microsoft Research精选AI 评分6161 Microsoft Research 推出面向复杂生物学的 AI 研究系统 Quine
Microsoft Research 推出 Quine，这套实验性 AI 研究系统由多模态生物世界模型和连接模型、科学工具、文献、湿实验及研究人员的交互框架组成。
推荐理由：案例展示了如何用跨模态生物世界模型筛选实验候选，再以湿实验反馈迭代，提供了可迁移的计算与实验闭环思路。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，称其在编码、计算机使用和专业工作方面接近 Astra 智能，且 API 输入输出 token 价格仅为 Astra 标准价的五分之一。