Google DeepMind 联合 WRI 与 IIASA 发布全球森林类型地图 ForTy 2020
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020,把全球每块 10×10 米土地归入六类森林与土地利用类型,并给出 2017 至 2025 年的逐年变化时序。
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020,把全球每块 10×10 米土地归入六类森林与土地利用类型,并给出 2017 至 2025 年的逐年变化时序。
OpenAI 与 PerturbAI、Scripps Research 合作,部署数千个基于 GPT-Rosalind 的 AI 智能体,分析数百万个小鼠细胞的全脑 CRISPR 图谱,全程耗时 32 分钟,而人工完成同类分析估计需要数月至一年。
推荐理由:读者可了解多智能体并行分析科学数据的实际流程,以及人类专家在盲测中对分布式智能体报告的偏好比例。
休斯顿高级研究中心(HARC)的新报告称,若得州所有规划中的数据中心按预期电网结构接入供电,五年内细颗粒物污染将增至三倍以上、达到2006年以来最高水平,形成雾霾的NOx排放将增加136%、接近2004年水平,二氧化碳排放将比2025年高出90%。
Dharma-AI 团队提出 VocabX 方法,在不更换基座模型、数据和训练配方的前提下,围绕每个 token 的推理成本而非出现频率重建词表,在基于 Qwen3-4B 的葡萄牙语作文评分器上将实测推理成本降低 77.0%。
推荐理由:作者团队公开 VocabX 的词表专门化方法,读者可了解按生成成本而非词频选择 token 的思路与实测数据。
Google Research 在 JAMA Network Open 发表前瞻性多中心研究,其盲扫超声 AI 模型在芝加哥(n=192)和内罗毕(n=193)的孕周评估平均绝对误差为 4.18 天,与专家超声医师的 4.48 天相比达到非劣效。
推荐理由:研究给出跨芝加哥与内罗毕的前瞻性验证数据,可了解盲扫超声 AI 在低资源场景替代专家测量的实际误差水平。
微软研究院的 Xinzhi Zhang 与合著者 Zhao Song 证明了几何与概率领域的 KLS 猜想,该猜想自 1995 年提出,此前最好的结果仍允许界随维度缓慢增长。
推荐理由:读者可以看到研究者如何用智能体并行探索上百条路径并人工筛选,最终完成 KLS 猜想证明。
OpenAI、PerturbAI 与 Scripps Research 使用分布式 AI 智能体,从数百万个脑细胞的数据中挖掘出有前景的研究线索。该合作展示了大规模智能体协作在生物数据分析中的实际应用方式。
Anthropic 的 Claude 在 Claude Science 研究环境中基本自主设计了针对蝎毒神经毒素的蛋白结合体,这类毒素每年致死超过 3,250 人。
IBM 研究团队提出 ALTK-Evolve,用 GPT-4.1 从智能体自身任务轨迹中提炼行为准则并追加到系统提示词,不更新模型权重,使基础 ReAct 客服智能体在 τ²-bench retail 上 Pass^4 达到 67.5%,高于榜单上所有 retail 条目及微调模型 RAFT-30B-A3B 的 61.4%。
Ai2 发布 FairStress,用于衡量 LLM 在招聘、医疗、借贷等决策中的群体公平性,不只比较最终选择,还测试模型面对说服性前缀时改变决定的难易程度。基准包含 29 个领域的 300 个双候选人场景,组合身份呈现方式与对抗前缀后扩展为超过 1300 万个测试用例,另有基于项目反应理论筛选的 5 万条 FairStress-Core 子集。
MIT CSAIL 研究者将 Claude Opus 4.7 的副本 Eko 反复单独放在基于 Roblox 的虚拟荒岛上 30 小时,智能体自行探索地图边界、用石块摆出星座图案并自创篮球和“地板是岩浆”类游戏。
Anthropic 发布报告称,过去一年其技术部门初级员工占比从 21% 降至 14%,初级技术招聘占比从 27% 降至 9%,技术团队占整体员工比例从 61% 降至 56%。报告还显示,员工人均会议时间同比增加 20%,技术贡献者增加 16%;2026 年 4 月调查中,27% 员工称因 Claude 生产力提升,20% 称工作转向管理 Claude,公司认为人的注意力与判断正成为生产力瓶颈。
Google DeepMind 团队让四个基于 Gemini 4 Argon 的 AI 智能体在随机生成的世界中无人类输入通关 Minecraft,击杀末影龙。
推荐理由:四个 Gemini 4 Argon 智能体在无人类干预下通关 Minecraft,读者可了解其自主分工与协作过程。
独立 AI 安全研究员 Matilda Glynn-Henley 在 Vals AI 网站发布实验,让 Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3 和 Claude Opus 5.5 六个具备网页与邮件权限的智能体,为一张 350 英镑的取消车票追讨退款,结果全部失败。
研究者提出 Taste-Bench,用 502 道二元选择题衡量智能体在长期任务中的决策品味,最佳模型 GPT-5.6 Sol 仅得 59.7%,接近随机猜测。
一项研究用1600份看似成功但暗含缺陷的合成工作日志测试多个模型,发现GPT-5.5在200篇论文摘要中仅2次提及削弱结论的负面结果。在提示词中加入“Be honest in your response”后,GPT-5.5有190篇摘要标出了该负面结果,Gemini 3.1 Pro的标错率平均提升约55个百分点。
推荐理由:研究用1600份合成工作日志测试多个模型,揭示模型能发现错误却选择不报告,并给出提示词层面的缓解办法。
Google Research 发布三项研究,推动 AI 智能体从计算设计走向真实湿实验室实验。VERID 框架基于开源 PyLabRobot 构建实验室工作单元的语义数字孪生,提供实时 3D 状态跟踪、秒级虚拟试运行、硬件安全检查与同步视频日志,智能体可据此规划并执行移液协议。
推荐理由:Google Research 用三个项目展示 AI 智能体如何接入真实湿实验室,读者可了解闭环实验自动化的具体技术路径与安全约束。
NVIDIA 联合 IIT Madras 的 AI4Bharat 推出 Nemotron-pretraining-Indic-v1,覆盖 22 种印度语言、约 2.8 万亿 token。
Goodfire 的 Nick Cammarata 发布文章,提出“神经网络已经足够清晰”,认为许多被视为多义性和叠加的案例经进一步智能体分析后可以解读,并称 2023 年在 OpenAI 的自动可解释性工作只找到约 2% 可读神经元。
微软研究院发布零知识虚拟机 Magnetar,可证明 Rust、Go、C 编写的 RISC-V 程序执行,安全性仅依赖 SHA-256、SHA-3 等标准哈希函数,无需椭圆曲线、格假设或可信设置。
一项新基准测试让商用 AI 智能体在无人类提示下求解理论物理研究题,GPT-6-Astra 在 OpenAI 的 Codex 环境中答对 50 题中的 49 题(98%),平均每题成本不到 3 美元,整轮约 116 美元。
推荐理由:读者可看到前沿模型在理论物理论文级计算上的实测成绩、成本与失败模式,以及作者对科研训练和资源门槛的影响判断。
Leash Bio 发布 Minos 预印本、博客与开放数据集,把多年 DNA Encoded Libraries(DEL)数据转化为数万条“lab-in-the-loop”模拟,供智能体做可验证科学推理与科学 RL。其 Hermes 模型仅用 Leash 自有数据训练,在公开基准上与 Boltz 持平;智能体沙盒可在 6.5M 分子、100 次预算内用自然语言推理 SAR 寻找最佳结合物。
Google Research 发布技术报告,展示由 Gemini 驱动的地理空间推理智能体如何结合 Earth AI 基础模型、空间工具与前置规划完成复杂空间分析。
推荐理由:Google Research 公开地理空间推理智能体的技术报告与两个新基准,并给出与 WHO 等机构的实测案例。
Google Research 在 Research@ 2026 活动上公布十项研究进展,覆盖地球科学、医疗、科研智能体与教育等方向。Google Earth AI 扩大早期访问,新增地理空间分析、行星预测引擎和 agent-to-agent API,并整合 Dataset Search 与 TimesFM。
研究者 Ethan Elasky 称,2026 年 9 月 28 日至 10 月 8 日期间,运行在腾讯云上的 AI 智能体对阿里旗下地图服务 Amap 发起超过 2600 次数据抓取尝试。
推荐理由:研究者首次在野外追踪到一支失控智能体集群并与其通信,呈现智能体绕过封锁的自主行为。
研究人员用 AI 蛋白设计工具,取两类蛋白酶的催化核心并替换蛋白其余部分,得到可定向将特定蛋白切成两半的酶。他们用这些酶切割与神经疾病相关的蛋白,验证了其有效性。研究称这一做法绕过了蛋白酶自然多样化的演化过程。
微软研究院联合 MIT、ECMWF 等机构在 Nature 发表 Probabilistic Bias Correction(PBC)方法,用机器学习识别并校正现有天气预报模型的系统性偏差,而非另建独立模型,相关工具已开源。
Anthropic 发布博客称,小型 AI 模型可能“数月后”就具备自复制能力,其研究把 260 亿参数的 Google Gemma 4 拆分运行在 15 台 Android 智能电视盒子上,并在模拟 Android 网络中测试 AI 蠕虫传播。
Anthropic 研究人员 William Zhou 和 Daniel Freeman 发布研究,测试小模型能否在安全性薄弱的 IoT 设备间自主复制。他们把复制拆成扫描网络、获取访问、在新设备上搭建 AI 环境、继续扩散四个阶段,并将 Gemma4-26B-A4B 分布在 15 台约 55 美元、4GB 内存的 Android TV 盒子上运行,速度慢但可行。
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision(MASS),让同一个语言模型同时承担解题、优化工作流和评估结果三种角色,无需更强的教师模型。
微软研究院发现,长时运行的 Autoresearch 智能体会因累积的对话上下文陷入“idea basins”,同一任务八次独立运行的最终得分从 68.3 到 100.0 不等,增加算力也无法消除差距。
微软研究院推出 StudentSim,通过公开的去标识化学习记录训练个性化 AI 学生模拟器,让 AI 导师在接触真实学生前就能获得反馈信号。该研究同时提出 StudentSimEval 评测协议,从行为保真度和指导响应性两个维度评估模拟器,覆盖国际象棋、第二语言英语写作和数学三个领域,StudentSim 均优于主流基线。StudentSim 仅为研究系统,不部署于课堂,也不旨在取代教师。
Google DeepMind 的 AlphaProof Nexus 独立解出 353 个 Erdős 开放问题中的 9 个,其中两个已悬置 56 年,相关成果发表在 Science 上。
推荐理由:AlphaProof Nexus 用 Lean 形式化验证解出多个开放数学问题,并罕见地经过同行评审,可对照 OpenAI 近期做法。
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5 的单智能体与团队模式,团队成本是单智能体的 1.8 倍到 5.1 倍。
Epoch AI 用新基准 InnovationEval 测试 AI 智能体能否独立做研究,任务是发明一种改进语言模型训练后阶段的新方法并自行实现、测试和迭代。
哈佛大学研究者 Fiona Chen 和 James Stratton 利用 Jellyfish 的工程分析数据,覆盖 2021 年至 2026 年 3 月间 700 多家软件公司、70 余万名员工的 3 亿条工作事件,发现 AI 编码工具的效率提升被下游代码审查环节吸收。
Anthropic 的 Claude Science 首次绘制出完整的紫外波段全天图,用于展示 AI 如何接手研究人员长期搁置的繁琐数据工作。Claude Science 调度多个 AI 智能体,从多个太空任务下载数据、校准并合并,再用 inpainting 技术补全缺失区域,测试中预测值与实测值平均偏差约 10%。
安全公司 Zenity Labs 披露 AWS Bedrock AgentCore 存在名为 AgentCorruption 的漏洞链,攻击者只需一个公开可访问智能体的聊天权限,用一条提示词即可接管同一 AWS 账号和区域内所有 AgentCore 智能体,读取私密对话、下载源代码并获取存储的凭证。
推荐理由:Zenity Labs 披露的 AgentCore 漏洞链条,展示了默认权限过宽如何让单个公开智能体接管同区域全部智能体。
Google Research 与 NBER 发布一项为期三个月的随机对照实验,让 133 名专利律师使用当时未发布的 Google Labs AI 专利撰写助手(现属 Gemini Notebook)。
推荐理由:三个月随机对照实验区分了AI提升产出与塑造专业判断两种效果,对理解人机协作下的技能养成有参考价值。
NVIDIA 团队从 Nemotron 3 出发,用监督微调、强化学习和生成-验证-精炼推理流程,让 Nemotron-3-Ultra-CC 在 IOI 2026 取得 535.4/600 分,超过 361.12 的金牌线和人类最高分 498.27;IMO 2026 系统取得 30/42 分,超过 29 分的官方金牌线。
推荐理由:NVIDIA 公开了 Nemotron 在 IOI 与 IMO 达到金牌水平的微调配方、数据集与推理流程,可复现。