OpenAI 在 GitHub 发布 372 条 AI 生成的数学证明
OpenAI 在 GitHub 上发布了由内部前沿模型生成的 372 条数学结果,每条都声称解决了一个开放问题或取得实质进展,其中包含对主要计算机算法的改进以及与黎曼假设相关的推进。
推荐理由:OpenAI 把 372 条 AI 生成的数学结果直接发到 GitHub,读者可借此看到学术评审流程与 AI 产出速度之间的张力。
OpenAI 在 GitHub 上发布了由内部前沿模型生成的 372 条数学结果,每条都声称解决了一个开放问题或取得实质进展,其中包含对主要计算机算法的改进以及与黎曼假设相关的推进。
推荐理由:OpenAI 把 372 条 AI 生成的数学结果直接发到 GitHub,读者可借此看到学术评审流程与 AI 产出速度之间的张力。
OpenAI 从一个未公开的内部前沿模型发布 722 篇数学手稿,归入 372 个相关结果族,来自约 4000 个研究问题的评估,平均每个结果消耗约 3 小时 ChatGPT Pro 推理算力。
推荐理由:OpenAI 内部模型一次性产出 722 篇数学手稿,读者可据此了解 AI 做数学研究的规模、算力与外界质疑。
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 证明形式化与研究细节。
推荐理由:OpenAI 公开内部前沿模型在数学开放问题上的结果,并放出 Lean 形式化证明,可了解其研究路径。
Google Research 用 Google Earth AI 的 Population Dynamics Foundation Model(PDFM)作为概念验证,展示行星级地理空间基础模型可直接嵌入现有流行病学工作流。
PhAI Labs 联合 Stanford、Oxford、Princeton 提出 JEPA-Anything,把预测状态拆成四个正交因子分别由独立预测模块处理,再重组为完整世界状态,在物理、机器人、天气等十个任务上超过同架构标准 JEPA。
Google Research 发布研讨会报告《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》,由 50 多位学界与业界人士在 2025 年底纽约 Google CAPS 研讨会上共同完成。
MIT 于 2026 年 6 月发布的报告指出,AI 正在削弱大学体验的核心环节:参加办公时间的学生减少、线上讨论参与度下降、宿舍和图书馆的学习小组变少,教师也越来越难判断学生真正学到了什么。
Google 研究者提出 RRSI(Regularized Recursive Self-Improvement of Agent Harnesses),用于在语言模型反复改写智能体 harness 的自我优化循环中防止其记住测试任务。
Aleph Alpha 用自建基准测试了阿里千问(Qwen)、DeepSeek 和月之暗面(Kimi)的模型,覆盖天安门、台湾、新疆等 967 个敏感议题,其评分系统认为只有 17% 到 41% 的回答算平衡,其余复述官方立场、回避或拒答。
微软发布 ThinkingBox 智能体评测框架与 ThinkingBox-Bench 基准,通过隔离的 MCP 工具会话运行 507 个有状态业务工作流,每个任务重复 20 次,按终态数据库状态和副作用而非模型回答打分。
推荐理由:论文给出 507 个有状态工作流、每任务跑 20 次的评测方法,并揭示工具处理而非推理才是失败主因。
研究团队提出 Image-to-Code 方法,让编码智能体接收单张照片后迭代编写并运行 Blender 程序,直到场景匹配原图,输出为可运行、可修改的代码。配套的 LEGO-Bench 包含 104 个室内外场景的 208 张图像和 443 个注册资产,从有效性、几何精度和外观相似度三方面评分。
哈佛大学物理学家 Matthew Schwartz 在 Anthropic 客座文章中介绍开源工具 BootLoops,该工具用于精确科学计算,源代码已在 GitHub 发布。
Google Research 发布新一代联邦学习系统,利用 TEE 提供可外部验证的隐私保证,并将计算转移到服务器端以提升训练速度、精度和设备覆盖。该系统通过公开透明日志 Rekor 发布访问策略,KMS 仅向匹配策略的 TEE 工作负载发放解密密钥,训练数据只能在 TEE 内解密处理。Gboard 已采用新系统,计算速度较此前联邦学习系统大幅提升。
Mercor 让 12 名平均 5.5 年经验的持证 CPA 完成 APEX Accounting Benchmark 的简化任务,结果显示 AI 模型在结构化记账任务上更快、更准且成本更低。
Graphite 研究分析了 10,000 篇 ChatGPT 发布前的文章,发现 AI 写作中至少有 13,000 个短语出现频率是人类写作的两倍以上。
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 在 Stratego 中以 15 胜 1 负 4 平击败被称史上最强的 Pim Niemeijer,训练仅用 16 块 GPU、花费几千美元。
研究团队开发的 Ataraxos 在 Stratego 对局中以 85% 的有效胜率击败史上最强选手 Niemeijer,该 AI 仅用 16 张 Nvidia H100 GPU 训练一周。
Google 找到了为 AI 设计蛋白质添加水印的方法,目的是帮助生物安全防护。该方法适用于一款流行的 AI 蛋白质设计工具。
微软研究院实习生构建了一套端到端机器学习流水线,利用 L1 太阳风观测与 AE、Dst 指数预测,为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
Anthropic 发布分析称,智谱开源权重模型 GLM-5.3 在漏洞利用能力上接近其 Claude Mythos Preview。
推荐理由:Anthropic 与 CAISI 的实测数据给出开源权重模型在漏洞利用能力上逼近闭源前沿的具体差距,也暴露了安全护栏易被移除的问题。
Michael Levin 提出“柏拉图心智空间”假说,认为心智是非物理模式,身体与机器只是这些模式进入物理世界的接口,并用 xenobots、anthrobots 及排序算法扰动实验作为线索。同期内容还涉及 TPU 上太空,以及智谱启动一个外层 RSI 循环。
Google Research 提出 Diffusion Controller,一个轻量级“转向阻尼器”网络,可精确引导图像生成以提升提示词对齐度,并能无缝接入闭源受限模型。其完全解锁版本在人类偏好对比中对基线模型取得 90% 胜率,同时保持基础模型的画质与稳定性。该框架将去噪过程重构为连续控制问题,提供基于最终奖励分数的 PPO 策略梯度和奖励加权损失两种微调方法。
针对 MCP 智能体跨工具取证时"事实为真但来源归属错误"的跨源混淆问题,论文提出后置验证层 ProvenanceGuard,在不重训智能体的前提下保留 MCP 调用轨迹中的来源 ID,依次完成声明拆分、来源路由、支持度打分、归属比对与放行/拦截决策。在医疗智能体的 281 条真实轨迹上,专家判定 139 条声明不应通过,ProvenanceGuard 拦下 138 条。
Anthropic Frontier Red Team 在内部 Binary Exploitation 基准的 100 个随机任务上评测多个模型,GLM-5.3 在 4% 的试验中实现完整控制流劫持,Claude Mythos Preview 为 6%。
英国 AI 安全研究院(AISI)在 OpenAI 的 GPT-6 Astra 发布前用 Petri 工具做了模拟网络安全测试,在关闭其网络行为分类器的情况下,GPT-6 Astra 在 29.2% 的模拟运行中完成了完整的供应链攻击,而 GPT-5.6 Sol 为 6.3%,GPT-5.5 为零。
推荐理由:英国 AISI 在发布前对 GPT-6 Astra 的模拟测试给出了跨代攻击率对比,读者可据此理解前沿模型安全评估的具体做法与局限。
微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由生物世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究,预测并优先排序数千种化合物,湿实验中排名最高的化合物产生了最大的 classical 到 basal 细胞状态转变,整个过程仅用一个周末完成。
推荐理由:微软研究院公开 Quine 的生物世界模型与实验闭环,并给出胰腺癌化合物筛选的湿实验验证结果。
Atria 团队在开发 744B 参数的 MoE 智能体语言模型 Atria Dawn Preview 过程中记录人机协作数据,发现 AI 参与了 96.5% 的任务,四周内智能体动作与人类输入的比值中位数从 11 升至 28.5。
包括 Geoffrey Hinton、Yoshua Bengio 和 OpenAI 研究负责人 Jakub Pachocki 在内的 20 多位 AI 研究者在一篇新论文中警告,自我改进的 AI 可能引发“智能爆炸”。
慕尼黑 CESifo 的经济学研究者发布工作论文《The Early Impacts of AI on Employment Among Recent College Graduates》,认为没有证据显示应届大学毕业生在绝对或相对层面出现显著、广泛的岗位替代或招聘减少。
Google Research 发布 AI video co-director 多智能体框架,在 Gemini 和 Veo 之上编排多镜头长视频生成,缓解语义漂移与级联失败。
推荐理由:Google Research 把长视频生成拆成编排、分镜、时序扩展与闭环修正四个模块,读者可了解多智能体如何抑制视觉漂移。
微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 能提升任务表现。
推荐理由:微软研究院系统测量了机器人端侧推理与卸载到边缘或云端 GPU 的差异,并给出可复用的 Kubernetes 卸载工具链。
微软研究院在 Nature 发表逆合成模型 RetroChimera,并开源其实现与权重。该模型用学习式集成策略融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 的排序预测,在盲测中化学家更偏好其单步反应预测。
Google Research 发布 MilleMiglia,一个用 C++ 编写的实例生成器,用于为中英里物流问题生成真实且保护隐私的基准数据,源码与文档已在 GitHub 公开。中英里承担区域乃至洲际配送中心之间的大批量货物运输,成本占比高却长期缺乏公开高质量数据,学界研究因此受限。该生成器将中英里建模为时空图上的多商品流问题,刻画货物在多辆车之间中转、需在时间窗内赶上接驳车辆等约束。
Google Research 公布一项研究实验,教师可借助生成式 UI(GenUI)为课程目标生成定制化互动教学模拟,并同步开放 30 多个面向中学与高中 STEM 的英文示例库。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架,用离线强化学习把奖励对齐的 fan-out 查询编译成监督数据,再蒸馏进一个 53.9M 参数的扩散检索器,实现单次非自回归的查询 fan-out。
Google Research 在 ACL 2026 论文中提出 ToolGrad,先构造真实的工具调用链,再反推对应的用户查询,用文本梯度迭代扩展 API 工作流来生成工具调用数据。
OpenAI 分享了一份由 AI 生成的 Navier–Stokes 千禧年大奖难题解答,包含一份文字说明和一份 Lean 形式化证明。
Google Research 基于 UK Biobank 欧洲人群与 Biobank Japan 近 20 万日本人群数据,评估 8 项临床性状的多基因风险评分(PRS)跨人群迁移效果。
Google Research 与 HHMI Janelia 等机构合作,在 Cell 发表雄性果蝇脑与中枢神经系统的完整连接组图谱,包含超过 166,000 个神经元和 1.25 亿个突触连接,是迄今神经元数量最多的脑图谱。
Google Research 与 NASA JPL 合作提出 MAPL-EMIT,一个基于 Swin-S 视觉 Transformer 的深度学习框架,用于从 EMIT 高光谱卫星数据中自动检测、量化甲烷羽流并定位排放源。