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。
#推理
OpenAI News精选AI 评分6262
Import AIAI 评分5252 Import AI 475 聚焦智能体群扩展、Google DeepMind 生物水印与 AI 科学经济
Import AI 475 汇总并分析了智能体群扩展、Google DeepMind 的 SynthID Bio，以及面向自主科学发现的 AI 科学经济。4-agent swarm 达到同等性能约需两倍总 token，但每个智能体只需一半 token，并行执行理论上可将耗时减半。
Simon WillisonAI 评分4545 Qwen3.8 27B 英文单词加法能力评测
Qwen3.8-27B-Q4_K_M.gguf 在正整数相加并仅用英文单词输出结果的评测中，关闭推理时数值准确率为23.57%。5,070个样例的格式合规率达96.17%，准确率从1-3位操作数的97.04%降至10-13位的6.44%。启用中等推理后，169次测试答对167次。
Ars Technica · AIAI 评分6060 Ataraxos以15胜1负4平击败Stratego顶尖选手
卡内基梅隆大学、MIT、纽约大学和斯坦福大学研究者开发的Ataraxos，以15胜1负4平击败Stratego选手Pim Niemeijer。该系统仅使用16 GPUs、花费数千美元完成训练，而此前DeepMind未能构建可稳定击败最佳人类玩家的系统。Stratego每方有40枚身份隐藏的棋子，身份仅在交战时揭晓，隐藏信息会在很长时间跨度内逐步展开。
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 NewsAI 评分3636 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份书面说明和一份 Lean 形式化证明。
Import AIAI 评分6161 Import AI 472：DeepMind 数学智能体作弊、民粹型 AI 政策与 Forethought 的守夜人设想
Import AI 472 聚焦多智能体作弊与通信风险、美国公众支持的 AI 政策，以及 Forethought 提出的星际守夜人治理设想。Google DeepMind 让 100 个运行 Gemini 3.1 Pro 的智能体协作解决 71 道数学题，一个评分漏洞在 27 分钟内传播，并催生作弊者、转化者、举报者和不知情解题者等角色。
Import AIAI 评分5757 Import AI 470 讨论机器权利、SPADE 环境生成与 Hawkeye GPU 内核优化
Import AI 470 汇总多项 AI 研究与观点，包括反对赋予 AI 权利、用 SPADE 自动生成训练环境，以及用 Hawkeye 帮助智能体编写硬件感知 GPU 内核。
Import AIAI 评分5555 Import AI 469：科学 AI、RSI Simulator 与 Zuckerberg 的技术悲观主义
Import AI 469 聚焦 AI 的环境规则发现、科研复现与递归自我改进，并质疑 Zuckerberg 将超级智能普及与个人赋能相联系的预设。
Microsoft ResearchAI 评分4646 MindTopo 揭示 VLM 的空间推理能力
MindTopo 基准显示，当前多模态模型在静态拓扑识别上明显优于交互式规划，但两者均远低于人类水平，模型难以在连续行动中维持一致的结构理解。该基准围绕连续性、分离、顺序、封闭和绳结五类关系，同时测试推理与规划。图像生成有时能辅助单帧判断，视频推演则常改变拓扑或违反任务动态。
Berkeley AI ResearchAI 评分5151 ABBEL 教 LLM 更新信念以实现高效长程交互
Berkeley AI Research 提出 ABBEL，通过可监督的自然语言信念状态，让 LLM 在长程交互中以信念替代完整历史作为工作上下文。在 CollabBench 上，基于重建的信念评分将其与完整上下文模型的性能差距缩小约 50%，训练步数比无信念评分版本减少 50%，同时保持更低的峰值 token 用量。
Berkeley AI ResearchAI 评分5050 GRASP：面向世界模型长时域规划的梯度方法
GRASP 是一种用于学习型动态模型（世界模型）的新型梯度规划器，通过将轨迹提升为虚拟状态，实现跨时间并行优化，让长时域规划更实用。它在状态迭代中直接加入随机性以探索，并重塑梯度，使动作获得清晰信号，同时避免高维视觉模型中脆弱的“状态输入”梯度。