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。
#论文/研究
OpenAI News精选AI 评分6262
Google ResearchAI 评分5252 Google 发布 Earth AI 地理空间基础模型在公共卫生领域的验证研究
Google Research 介绍 Earth AI 的人口动态基础模型 PDFM，通过五个独立公共卫生案例验证其地理空间嵌入在疫苗接种、心血管疾病、登革热、产后抑郁和霍乱预测中的增益。PDFM 嵌入无需微调即可接入现有模型，在多项任务中匹配或优于传统输入，并已通过 Google Maps Platform 以 Population Dynamics Insights 提供商业预览。
Google ResearchAI 评分3232 Google 发布智能体隐私与安全报告：从上下文完整性视角看开放与新兴问题
Google 发布《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》 workshop 报告，汇集 50 多位学界与业界专家，于 2025 年底在纽约 CAPS Workshop 上研讨完成。
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。
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。
Hugging Face BlogAI 评分4949 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建 AutoSynthData，将企业环境中目标模型的能力缺口转化为可执行、可验证的智能体训练任务，并随模型改进动态调整课程。它结合目标模型的失败与更强教师模型的成功表现，生成由系统规范、用户提示和验证器组成的新任务，经环境检验后用于后训练，并以 EnterpriseOps Gym 数据集演示流程。
Microsoft ResearchAI 评分4848 Microsoft Research 用机器学习预测电网空间天气风险
Microsoft Research 开发机器学习管线，利用太阳风信息为美国本土66,935座变电站生成位置特定的空间天气风险预估。系统结合AE、Dst预测与纬度、地质及地面电导率，可提前30-60分钟预警；对重大、严重和极端事件的检出率分别为76.5%、81.2%和64.1%。
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。
Google ResearchAI 评分4646 Diffusion Controller 如何统一并简化 AI 图像生成
Google 提出 Diffusion Controller，将扩散模型去噪统一为连续控制问题，兼顾用户偏好、图像质量与稳定性。其轻量附加网络可在冻结基础模型时修正生成轨迹，并以 Stable Diffusion v1.4、HPS-v2 评估；轻量方案超越行业标准，完全解锁版本对基线胜率达 90%。
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。
Hugging Face BlogAI 评分5151 ProvenanceGuard 为 MCP 智能体提供来源感知事实核验
ProvenanceGuard 是面向 MCP 智能体的生成后核验层，可在不重新训练智能体的情况下，逐条检查声明是否由答案所指向的正确来源支持。在40个答案的361条声明中，专家认为139条不应通过，系统拦截了其中138条；其 Reject/block F1 为0.802，并为每条声明输出来源 ID。面对多个相似来源时，其拦截 F1 为0.846，但精确识别来源的正确率为50.3%。
OpenAI NewsAI 评分2222 OpenAI 发布前沿 AI 训练安全案例早期指南
OpenAI 公布前沿 AI 训练安全案例的早期指南，覆盖技术防护措施、运营实践以及失准事件调查三方面。该指南旨在为前沿模型训练过程中的安全论证提供框架。
Google Research精选AI 评分6767 Google 以多智能体框架自动生成连贯长视频
Google 提出 AI video co-director、CANVAS、A²RD 和 VQQA，以多智能体编排提升长视频的叙事、角色与场景一致性。该体系构建于 Gemini 和 Veo 之上，通过全局创意优化、持久视觉记忆、自回归片段生成及 VLM 闭环提示词优化，支持生成数分钟视频。
推荐理由：研究将长视频一致性拆解为全局编排、视觉记忆、时序生成和闭环优化，为多镜头生成系统提供了可迁移的工程框架。
NVIDIA Blog精选AI 评分6767 NVIDIA 等机构如何用开放病毒蛋白数据为下一次大流行病做准备
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构，公开了超过 2,800 种病毒的蛋白复合物预测 3D 结构，帮助研究人员储备疫情应对所需的结构生物学知识。
推荐理由：材料同时给出数据集规模、推理流程与置信度标注方式，为病毒结构研究提供可直接复用的开放资源。
Microsoft Research精选AI 评分6262 Microsoft Research 研究机器人物理 AI 推理卸载：提升成功率与续航
Microsoft Research 发布机器人物理 AI 推理卸载研究，发现将推理从机载 GPU 卸载到边缘或云端可显著提升任务成功率、支持更大模型并延长电池寿命。研究还推出基于 Kubernetes 的工具集，支持自动容器化和分布式推理，并作为 Physical AI Toolchain 的新能力发布。
推荐理由：研究量化了推理卸载对机器人任务成功率、延迟和续航的改善，并给出可复用的 Kubernetes 工具链。
OpenAI NewsAI 评分3434 OpenAI 推出 MentalHealthBench
OpenAI 发布 MentalHealthBench，一个由专家参与构建的基准，用于评估 AI 在真实心理健康对话中回复是否有帮助且安全。
Microsoft ResearchAI 评分5454 RetroChimera 通过模型集成改进大规模小分子合成预测
Microsoft Research 在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型通过学习式集成融合 Transformer 模型 R-SMILES 2 与图神经网络模型 NeuralLoc，按排名为候选反应分配权重。
Google ResearchAI 评分4343 MilleMiglia：面向中程物流的逼真实例生成器
Google 推出 MilleMiglia，一款用 C++ 编写的中程物流实例生成器，可生成逼真且保护隐私的基准数据。它以时空图上的多商品流问题建模跨配送中心运输、换车与暂存，源代码和文档已在 GitHub 提供。
Google ResearchAI 评分5757 Google 研究探索用生成式 UI 帮助教师创建互动学习模拟
Google 的生成式 UI 研究实验可按教师的课程目标，动态生成定制、互动且带引导的教育模拟。团队发布了超过 30 个面向初高中 STEM 学科的英语学习互动内容，均由 AI 生成并经教师审核；美国 12 名教师的初步研究给出平均 8/10 的质量评分。
OpenAI NewsAI 评分2222 OpenAI 经济研究：员工如何解锁新的工作方式
OpenAI 经济研究显示，员工使用 AI 的方式已超出传统岗位职责，部分新活动正成为其工作中的常规组成部分。该研究聚焦员工实际使用行为，而非仅限既有职位定义。
Google ResearchAI 评分4747 绕过推理瓶颈：用 Retrieve-for-Train 加速复杂 AI 搜索
Google Research 的 Retrieve-for-Train 通过离线 RL 发现符合奖励的查询扇出并编译为监督数据，再蒸馏至轻量扩散检索器，以单次非自回归推理绕过测试时 CoT 开销。其 53.9M 参数扩散模型可直接将查询嵌入映射为目标嵌入集合，监督样本由冻结的扇出语言模型离线生成，无需人工标注。
Hugging Face Blog精选AI 评分6565 ALTK-Evolve 引入一致性指南，将智能体重复运行一致性差距减半
IBM Research 在 ALTK-Evolve 中引入一致性指南，通过一致性分析器定位智能体易翻转的决策点，将 AppWorld 上 GPT-4.1 ReAct 智能体的 Pass^5 从 53.0% 提升至 69.0%，一致性差距从 24.4pp 降至 12.0pp，且平均准确率不降反升。
推荐理由：原文提出用一致性分析器定位智能体易翻转的决策点，并给出可复用的诊断与修复方法。
Google ResearchAI 评分5050 ToolGrad：利用文本“梯度”高效生成工具使用数据集
Google Research提出ToolGrad，以答案优先范式和文本“梯度”构建已验证API工作流，降低长链工具使用数据的生成成本。ToolGrad-12B在BFCL得83.1分，接近gemini-2.5-pro的83.2，并高于claude-4.5 Opus与gpt-5。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 AlphaGenome Atlas，绘制人类基因组90亿种单碱基变化预测图谱
Google DeepMind 推出 AlphaGenome Atlas，预计算人类基因组约90亿种单核苷酸变异的分子影响。该平台包含1-petabyte数据，并以AVI评分整合AlphaGenome与AlphaMissense的预测，可通过免费网站、AlphaGenome API及Google Antigravity技能访问。
推荐理由：它把90亿种单核苷酸变异的预计算结果与AVI评分集中到同一入口，便于研究者排序变异并追溯其分子影响。
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。
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5252 从 CUDA 到 MLX：K-Search 如何将数十年的内核经验带到 Apple Silicon
K-Search 新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，可将既有 CUDA 内核知识转化为适配 Apple Silicon 的优化策略。
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。
Google ResearchAI 评分5858 Google Research将屋顶反射率数据扩展至全球50多个城市
Google Research发布建筑级屋顶反射率研究与扩展数据集，覆盖9个国家的50多个城市，并通过新的高分辨率 Heat Resilience Earth Engine App 开放访问。其方法融合Sentinel-2数据与30-cm卫星影像，生成的反照率地图相对实测数据RMSE为0.04。模型结果显示，利用这些数据定向规划凉屋顶可在全球范围内将极端城市热度降低最高0.5°C (0.9°F)。
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。
Google Research精选AI 评分6363 Google Vantage 探索用生成式 AI 评估面向未来的技能
Google 推出研究实验 Vantage，利用生成式 AI 在模拟多人对话中评估高中生和大学生的协作、批判性思维与创造性思维等能力。
推荐理由：研究通过188名测试者和180名学生的作品对比AI与人工评分，为评估协作、创造力等能力提供了可迁移的验证框架。
Berkeley AI ResearchAI 评分5252 SPEX 与 ProxySPEX 如何规模化识别 LLM 中的交互作用
SPEX 与 ProxySPEX 利用稀疏性、低阶性和层级结构，以可控数量的消融识别 LLM 等复杂机器学习系统中的关键交互。SPEX 可将交互发现从数十个组件扩展到数千个组件，ProxySPEX 则以约少10倍的消融达到与 SPEX 相当的表现。
Berkeley AI ResearchAI 评分5151 Berkeley AI Research提出信息驱动的成像系统设计框架
Berkeley AI Research提出基于信息含量直接评估和优化成像系统的框架，并将成果发表于 NeurIPS 2025。该方法利用含噪测量与已知噪声模型估计互信息，在彩色摄影、射电天文学、无透镜成像和显微成像中预测了下游性能。其 IDEAL 方法无需训练解码器即可优化编码器，效果与先进端到端方法相当，同时减少内存、计算和任务特定解码器设计需求，代码已发布在 GitHub。