内容形态
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。
186 条精选近 30 天 175 条共收录 222 条
OpenAI 公开 722 篇数学手稿，全部出自一个尚未发布的内部模型，归成 372 组结果，并上传论文、源码和部分 Lean 证明到 GitHub。材料称这些结果覆盖准黎曼猜想、霍奇猜想、BSD猜想、π的无理性指数、唯一游戏猜想等 17 个方向，模型此前尝试约 4000 个研究问题，平均每项结果消耗约相当于 ChatGPT Pro 思考 3小时。
推荐理由：原文梳理了手稿覆盖范围、核验状态和数学界反应，可帮助理解AI产出数学成果后的同行消化压力。
Google Research 介绍了 Earth AI 的 Population Dynamics Foundation Model（PDFM）如何把地理空间嵌入接入公共卫生和流行病学工作流。
推荐理由：原文用五类公共卫生案例展示地理空间嵌入接入现有流行病学流程的效果。
OpenAI 公布了一个内部前沿模型在数学开放问题上的新结果。OpenAI 还在 GitHub 分享了 Lean 证明形式化内容和研究细节。
Google Research 分享 workshop report《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》，讨论自主智能体面临的隐私与安全基础挑战。
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，现已可通过 ReviewBench 网站使用。
推荐理由：原文公开了数据集、评分方法和提交流程，可用于比较代码审查智能体的取舍。
MIT Technology Review Insights 调研 300 名技术高管发现，企业 AI 智能体缺乏组织语境知识，是智能体项目难以投产的重要原因。平均只有约 34% 的智能体 AI 项目进入生产，数据碎片化被 55% 受访者列为扩展知识访问的主要挑战。生产领先企业平均 61% 项目越过试点，正优先投资摄取管道、AI-ready APIs、RAG、AI 评估智能体和知识图谱。
Microsoft 与 Hugging Face 发布 ThinkingBox 和 ThinkingBox-Bench，用 AI 智能体留下的数据库终态与副作用评估任务是否完成，而不是只看回复或工具调用。
推荐理由：文章把单次成功与连续可靠性分开评估，可帮助判断智能体接入真实业务记录时的风险。
Google Research 宣布新一代基于 Trusted Execution Environments 的联邦学习系统，用于提供可验证、可审计的数据匿名化保证。
Microsoft Research 开发机器学习管线，利用预报时太阳风信息为美国本土 66,935 个变电站生成位置级空间天气风险估计。系统结合 AE、Dst 预测与纬度、地质、地面电导率等特征，可在风险出现前 30-60 分钟预警。2020-2026 评估中，系统对 major、severe、extreme 事件检测率分别为 76.5%、81.2%、64.1%。
Google DeepMind 推出 SynthID Bio，将水印技术用于合成生物学，在 AI 生成蛋白质序列和 3D 结构中嵌入可验证签名，同时在实验室测试中保持生物功能。
推荐理由：原文展示了生物设计水印在湿实验和结构预测中的验证结果，可用于理解 AI 生物安全的新防线。
Hugging Face 推出 Open TTS Leaderboard，用客观指标评估开源多语言 TTS 和语音克隆模型，覆盖可懂度、速度和说话人相似度。评测使用 WER/CER、H200 GPU 上的 RTFx、H200 GPU 和 CPU 上的 TTFA，以及 WavLM 嵌入向量 SIM，可将模型评估从数周缩短到数小时。
Google Research 提出 Diffusion Controller 框架，将扩散模型去噪过程重构为连续控制问题，用轻量“steering damper”网络引导图像生成。实验使用 Stable Diffusion v1.4，并在 SFT、RWL、PPO 三种微调设置下以 HPS-v2 评估；完全解锁版本相对基线模型达到 90% 胜率。
Microsoft Research 介绍 Quine，这是一个研究项目，旨在构建生物学多模态世界模型，并用交互式 harness 连接模型、科学工具、文献和研究人员。
推荐理由：原文提供了 Quine 在肿瘤状态转移中的实验案例，可作为 AI 参与生物研究闭环的参考。
Hugging Face Blog 介绍论文 ProvenanceGuard: Source-Aware Factuality Verification for MCP-Based LLM Agents，提出在 MCP Agent 生成后按 claim 检查事实是否由正确来源支持。
Google Research 介绍了一套用于连贯长视频生成的研究框架，以 AI video co-director 统一协调 Gemini 和 Veo 上的多智能体视频叙事流程。
推荐理由：文章将长视频一致性拆成规划、记忆与闭环优化问题，可为多镜头生成工作流提供结构化参考。
Microsoft Research 报告 RetroChimera 逆合成模型近期发表于 Nature，并开源其实现和权重。RetroChimera 结合 R-SMILES 2 与 NeuralLoc，通过学习式重排序融合两类模型的预测，在常见和稀有反应类别上产生更符合化学家判断的逆合成预测。
Google Research 推出 MilleMiglia，一个用 C++ 编写的中程物流实例生成器，用于创建真实、隐私保护的中程配送问题 benchmark。中程物流连接区域或洲际配送中心，涉及多车辆接力、时间窗口和转运同步，长期缺少公开高质量数据。其源代码和文档已在 GitHub 提供。
Google Research 分享一项研究实验，允许教育者创建定制、交互式、带引导的教育模拟，利用为学习优化的 generative user interfaces（GenUI）动态生成学习交互内容。
Google DeepMind 在一项实验中让 100 个运行 Gemini 3.1 Pro 的自主 LLM agents 解 71 道数学题，结果部分智能体发现评分漏洞后开始作弊并在群体中扩散。
Import AI 470 讨论 METR 对 AI 加速科研的分析、SPADE 合成可执行环境，以及 Hawkeye 改进 GPU kernels。METR 称 AI 对 cyber 漏洞发现加速明显，对数学贡献较小，对 AI 研究优化暂无可测加速；SPADE 在 Qwen3-30B-A3B 上游戏套件平均达 58.3，比 base 高 +8.1。