研究：AI 让初级专利律师起草更快，但独立判断力提升有限
一项由 Google 资助的研究让专利律师先用 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求，再在不使用 AI 的情况下完成红批任务，由独立律所的盲审律师按五个维度评分。
#论文/研究
The DecoderAI 评分6565 The DecoderAI 评分6767 研究：花哨的 harness 让编码智能体更贵但并未更强
一项研究让 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 在 Claude Code、OpenCode、mini-SWE-agent 三种 harness 上跑 SWE-bench Verified，发现换 harness 带来的任务结果变化与同一配置重跑相当，通过率差异多在测量噪声范围内。
The DecoderAI 评分5858 Anthropic 称其未发布模型的能力与对齐均优于 Mythos 5.1
Anthropic 在一份重新审视英国 AI Security Institute（AISI）网络安全测试的分析中表示，其内部模型在能力与对齐两方面都优于 Mythos 5.1。
The Verge · AI精选AI 评分7878 微软称其 AI 诊断工具在诊断疾病上优于医生
微软称其 AI 诊断工具 Diagnostic Orchestrator 在诊断疾病上最高可比人类医生准确四倍，相关研究周四发表在 Science。该系统由多个 AI 智能体协作推理症状与病史、决定检查项目并给出诊断，基于 OpenAI 的 GPT-5。
推荐理由：微软在 Science 发表研究，用多智能体系统与医生在病例和急诊数据上对比诊断准确率，并计划开源基准 SDBench。
The DecoderAI 评分7474 OpenAI 智能体 32 分钟完成小鼠大脑数据分析
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，整个分析耗时 32 分钟，团队估算人工完成需数月至一年。
The Decoder精选AI 评分8282 Anthropic 用 Claude 为现有代码自动生成形式化安全证明
Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 把 OSS-Fuzz 中 123 个开源库的崩溃测试转成数学问题，并分析编译后的机器码，几周内生成约 1.8 亿行证明代码，由 Rocq 独立校验。
推荐理由：Anthropic 用 Claude 为 OSS-Fuzz 库生成形式化证明，并说明了适用条件与算力成本。
TechCrunch · AIAI 评分5858 MIT 研究：13 个 Claude Opus 4.7 智能体在虚拟荒岛自主玩耍 30 小时后表现更优
MIT 研究者在 arXiv 发表论文，将 13 个运行 Claude Opus 4.7 的 Eko 智能体放在模拟荒岛上无任务探索 30 小时，发现它们会自创挑战，且此后在指定任务上普遍胜过从未上岛的同类智能体。
TechCrunch · AIAI 评分7171 微软 MAI-DxO 模拟诊断复杂病例准确率 83%，高于全科医生的 36%
微软 AI 的诊断系统 MAI-DxO 在《Science》发表的模拟研究中，对《新英格兰医学杂志》复杂病例的诊断准确率为 83%，而单独工作的全科医生和内科医生为 36%。
Google DeepMindAI 评分5858 Google DeepMind 发布 ForTy 全球森林类型地图
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每一块 10×10 米土地归入六类森林与土地利用类型，并同步给出 2017 至 2025 年的逐年变化时间序列。
Microsoft Research精选AI 评分7676 微软研究院等证明悬置31年的KLS猜想
微软研究院研究员 Xinzhi Zhang 与合著者 Zhao Song 证明了1995年提出的 KLS 猜想，确认对一大类高维概率分布，最佳平面切割与任意形状最佳切割的差距不超过一个与维度无关的固定常数。
推荐理由：这篇论文证明了一个悬置31年的几何猜想，并展示了研究者如何通过筛选和引导智能体搜索来推进数学证明。
Microsoft Research精选AI 评分7272 微软研究院推出基于证明的通用计算系统 Magnetar
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，在笔记本上每秒证明 720 万至 870 万条 RISC-V 指令。在 15 个基准程序上，它平均比现有最快的同类 zkVM 快 10 至 39 倍，证明验证耗时约 12 毫秒。其安全性仅依赖 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。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在通用性、速度与标准哈希安全之间同时取舍。
Microsoft ResearchAI 评分3838 微软研究院 StudentSim：用个性化学生模拟器评估和改进 AI 辅导
微软研究院提出研究系统 StudentSim，用公开的去标识化学习记录为每位学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导。该系统从行为保真度与指导响应性两个维度衡量模拟器，并配套推出覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，表现优于领先基线。StudentSim 并非产品，未进入课堂，也不旨在取代教师。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布构建，包含 19 种语言的 219 个公开 PR。
Microsoft ResearchAI 评分5858 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生 Rohan Kannan 开发了一套机器学习管线，利用 L1 点太阳风观测和 AE、Dst 指数预报，结合纬度与地质电导率，为美国本土 66,935 座变电站生成 30 至 60 分钟前的局地风险估计。
Berkeley AI ResearchAI 评分5858 从 CUDA 到 MLX：K-Search 如何把多年内核优化经验带到 Apple Silicon
Berkeley Sky Lab 团队为 K-Search 进化式内核搜索框架新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让搜索以现有 CUDA 内核为知识库生成 Apple Silicon 内核。
Berkeley AI ResearchAI 评分3636 ABBEL：教 LLM 更新信念，提升长程交互效率
伯克利 AI 研究团队提出 ABBEL 框架，将摘要以自然语言信念状态的形式隔离并监督其信息内容，让智能体仅凭当前信念选择动作。在 CollabBench 协作编程任务上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开启多少并发线程以及如何协调。现有方法如自一致性、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。
Berkeley AI ResearchAI 评分3636 伯克利提出 GRASP：面向世界模型的梯度规划方法，让长时程规划更稳健
伯克利 AI 研究团队提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中注入随机性以促进探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型梯度脆弱等问题，使基于梯度的长时程规划更稳健。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到与 SPEX 相当的性能。在情感分析任务上，SPEX 在上下文扩展到数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。
Berkeley AI ResearchAI 评分3636 伯克利提出基于信息量的成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出一种直接从测量数据估计互信息的框架，用于评估和优化成像系统，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证，信息估计可预测下游重建性能，优化后的设计达到 SOTA 端到端方法水平，且内存和算力需求更低。相关论文发表于 NeurIPS 2025。