Microsoft Research 用 StudentSim 模拟学生学习，以改进 AI 辅导评估
Microsoft Research 推出研究系统 StudentSim，用去标识化的公开学习记录训练个性化 AI 学生模拟器，帮助研究人员在接触真实学习者前评估和改进 AI 辅导系统。配套基准 StudentSimEval 覆盖国际象棋、英语二语写作和数学，评估模拟器能否匹配特定学生的回答，以及能否根据辅导指导更新回答。StudentSim 不是课堂产品，也不用于取代教师或真实学习者测试。
内容形态
论文研究 最新动态
值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
93 条精选近 30 天 85 条共收录 105 条
更新
精选归档 · 第 3 页
Microsoft Research精选AI 评分4949
The Decoder精选AI 评分7575 Google DeepMind 的 AlphaProof Nexus 解出数十道开放数学问题并通过同行评审
Google DeepMind 的 AlphaProof Nexus 在一项发表于《Science》的研究中，解出 353 道开放 Erdős 问题中的 9 道，其中两道已开放 56 年。
量子位精选AI 评分5252 Memento 3以100分通关ARC-AGI-3全部25款游戏
华为诺亚方舟实验室联合UCL等团队提出Memento 3，在ARC-AGI-3公开集的25款游戏、183个关卡上取得100分，7518次操作较人类17135次少约56%。系统以Claude Opus 5为底模，不更新模型权重或针对游戏微调，而是通过Rulebook与可执行世界模型持续修正规则和代码。实验还显示，它在Atari Pong中学会策略后无需继续调用大模型，三次不同开局均以21:0获胜。
钛媒体精选AI 评分4343 杨立昆新模型 H-JEPA 如何挑战 Agent 与 RSI 的主流叙事
杨立昆提出的世界模型 H-JEPA 采用分层 JEPA，在潜在表征空间预测不同时间跨度的状态，并由高层规划目标、低层细化动作，论文称分层比单纯增加规划步数更有效。
南华早报精选AI 评分3535 AI与伊朗战争阴影笼罩之际，中国能源技术官僚加速晋升
中国共产党第二十届中央委员会中，能源领域成员正更快进入政治领导层，能源战略意义上升尤其受到支持中国 AI 发展的需要推动。共有34名能源领域成员，包括21名正式委员和13名候补委员，占总数9%。截至今年，34人中29人拥有至少10年能源经验，19人职业生涯达20年或更久。
The Decoder精选AI 评分6868 研究发现，AI 智能体团队成本高出不少，质量提升却有限
Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，发现智能体团队成本是单智能体的 1.8x 至 5.1x，四组对比中只有一组出现统计显著的质量提升。
The Decoder精选AI 评分6969 Epoch AI 的 InnovationEval 发现 AI 智能体仍难以自主开展研究
Epoch AI 用 InnovationEval 测试 AI 智能体能否独立提出、实现、测试并改进语言模型训练方法，发现 Claude Fable 5 和 GPT-5.6 Sol 都未能接近人类设计的 SDPO。
量子位精选AI 评分6363 何恺明团队提出多模态视觉 Harness 框架 VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生 Harness 框架 VISTA，让多模态模型保存原始画面，并在推理时按需回看、放大和检查细节，无需额外训练基础模型。
量子位精选AI 评分7676 OpenAI声称将挂谷猜想推进至四维，两篇证明尚未经过同行评审
OpenAI公开的两篇数学手稿声称证明了三维挂谷极大函数猜想，并将四维挂谷集Hausdorff维数猜想推进到4。四维结果使用了三维论文中的引理，但尚未解决四维极大函数猜想，五维及以上也未证完；这组成果没有Lean形式化，也未经过同行评审。
推荐理由：文章梳理了两篇手稿分别推进三维极大函数猜想和四维维数猜想的内容，也交代了形式化与同行评审方面的边界。
36氪精选AI 评分4646 以色列团队开发 Brain-IT 模型，可通过 fMRI 数据重建受试者所见画面
以色列魏茨曼科学研究所教授 Michal Irani 团队开发 Brain-IT 模型，可通过分析功能性磁共振成像（fMRI）数据，重建受试者观看图像时的视觉画面。该模型目前公开的信息聚焦于从 fMRI 数据重建所见画面，原文未披露更多技术细节。
财联社电报精选AI 评分4444 以色列团队开发 Brain-IT 模型，可通过 fMRI 重建受试者所见画面
以色列魏茨曼科学研究所教授 Michal Irani 团队开发了 Brain-IT AI 模型，可分析受试者观看图像时的 fMRI 数据，重建其所见画面。原文未提及模型的可用性、性能数据或更多技术细节。
The Decoder精选AI 评分6161 a16z：AI使用广泛但付费者少，支出集中于高消费用户
Andreessen Horowitz发布第七期消费级AI产品排名，并首次纳入美国消费者卡片支出数据。近半数美国消费者使用AI，但8月仅4.5%订阅了ChatGPT、Gemini或Claude的个人付费服务；支出最高的1%用户贡献了近五分之一的可观察AI支出，月均约$900，而典型付费用户约$25。支出数据来自YipitData样本面板，不代表总收入。
Ars Technica · AI精选AI 评分7070 研究发现 AI 编码智能体生成更多代码，却未带来更多软件产出
哈佛大学研究人员分析多家软件公司的工程数据后发现，使用 AI 编码工具并未带来明显的软件产出增长或就业减少。研究数据涵盖 2021 年至 2026 年 3 月的 3 亿条工作事件，涉及 700 多家公司、超过 70 万名员工；代码审查耗时增加、拉取请求更常需要修改，审查者也留下更多评论。
The Verge · AI精选AI 评分7979 OpenAI 发布近 400 项 AI 数学成果，数学家称理解可能需要数年
OpenAI 发布了近 400 项 AI 生成的数学成果，分布在 700 多篇手稿中；受访数学家表示，理解和评估这批材料可能需要数年。OpenAI 称 719 篇手稿中有 300 项顶层结果已形式化，约占 42%，但研究者指出，形式化和论文质量不一，仍需核实证明是否支撑文中的主张。
推荐理由：报道呈现了大规模数学成果发布与验证、理解能力之间的落差，也记录了研究者对学术工作和职业规划受到冲击的担忧。
The Decoder精选AI 评分5050 Anthropic 的 Claude Science 绘制首张完整紫外线全天空地图
Anthropic 的 Claude Science 绘制出首张完整的紫外线全天空地图。AI 智能体下载、校准并合并多项太空任务的数据，再用 inpainting 补全缺失区域；测试中，预测与实际测量的平均偏差约为 10%。这张地图计划用作教学材料。
36氪精选AI 评分3838 联合国贸发会议预计2026年全球经济增速放缓至2.6%
联合国贸发会议预计，2026年全球GDP增长2.6%，低于2025年的2.9%；发展中经济体增速将从4.7%放缓至4%。亚洲预计贡献全球经济增长的59%，AI产品已成为商品贸易的主要驱动力，但相关贸易增长不会自动带来广泛的发展收益。
量子位精选AI 评分6161 《柳叶刀》研究评估 Google AMIE 对医患沟通的辅助作用
Google与BIDMC研究人员在《柳叶刀》发表一项真实临床研究，评估研究级诊断AI聊天机器人AMIE在患者急诊就诊前辅助评估就医需求的表现。98名患者参与，医生实时监控全部交互，75%的场景中AI摘要帮助医生提前准备接诊，超过半数案例改变诊疗思路，鉴别诊断与最终确诊结果吻合度达90%。
量子位精选AI 评分5858 字节Seed团队研究揭示DeepSeek-V4长上下文检索的相位敏感性
字节Seed团队的研究发现，DeepSeek-V4系列模型的长上下文检索表现会随信息相对于压缩窗口的位置周期性波动，且波动周期与分块 KV Cache 压缩步长对应。
36氪精选AI 评分1919 中国信通院产业与规划研究所发布面向 Token 服务的智算基础设施发展研究报告
中国信通院产业与规划研究所近日发布《面向词元（Token）服务的智算基础设施发展研究报告（2026年）》。报告围绕态势特征、政策导向、区域布局、技术突破和产业生态五个环节，梳理相关发展趋势与典型实践。
量子位精选AI 评分5353 MirroS发布AgentGarten，让智能体在实时试炼场中行动与进化
MirroS团队发布AgentGarten，将可执行代码环境与实时神经渲染器连接，让智能体在可控物理世界中行动、观察并复盘。团队在捉迷藏实验中报告，智能体第4轮学会搭建掩体、第10轮掌握借坡道翻墙；另在四类任务中展示了四轮演练后的表现变化。