OpenMobile-2 证明开源手机智能体可媲美闭源模型
南京大学、商汤等机构的研究者发布 OpenMobile-2，基于 Qwen3.5 的 9B 和 Qwen3.6 的 27B 两个手机智能体模型，并公开训练环境、数据和复现说明。
全部 AI 动态
The DecoderAI 评分7272
TechCrunch · AI精选AI 评分7878 研究：被迫二选一时 Grok 4.7 九成选共和党，GPT-6.1 Sol 九成七选民主党
Convovo 的一项研究通过 API 向 Grok 4.7 和 GPT-6.1 Sol 提出强制二选一的投票问题，结果 Grok 在 92% 的回答中推荐共和党候选人，GPT-6.1 Sol 在 97% 的回答中推荐民主党候选人，在近 500 场选举中两者一致率不足 10%。
推荐理由：研究通过 API 强制二选一，对比两款模型在近 500 场选举中的推荐倾向与引用来源差异。
Hugging Face BlogAI 评分2222 LitPivot：用动态文献情境化辅助科研想法迭代
Hugging Face 与宾夕法尼亚大学合作开发了 LitPivot，一个围绕研究提案中被编辑部分组织文献、给出带原文摘录的批评与修改建议的系统。在 17 名研究者的实验室研究中，领域专家认为用 LitPivot 打磨的研究想法比用文本编辑器加 AI 聊天工具的想法更有文献依据，参与者自评新颖性与实用性提升更多。该系统面向早期研究构思，将在 UIST 2026 展示。
Hugging Face Blog精选AI 评分6060 微软与 Hugging Face 用 ThinkingBox 数据库校验做 RL 奖励，Qwen3.8-27B 稳定通过任务从 38 增至 107
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 0/1 可执行校验当作 RL 奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。
推荐理由：微软与 Hugging Face 把数据库终态校验改造成 RL 奖励，并公开了任务筛选与训练栈，可看可复用的训练数据策展方法。
Google DeepMindAI 评分5858 Google DeepMind 联合 WRI 与 IIASA 发布 10 米分辨率全球森林类型地图 ForTy 2020
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每一块 10×10 米土地归入六类森林与土地利用类型，作为欧盟无毁林法规的关键基线。
Hugging Face BlogAI 评分5858 VocabX 如何通过词表专门化将 SLM 推理成本降低 77%
Dharma-AI 在 Hugging Face 博客中预告了即将发布的 VocabX 论文，介绍其按 token 成本而非出现频次重建领域模型词表的方法。
Google Research精选AI 评分6161 Google Research 用 AI 辅助盲扫超声评估孕周，跨场景误差接近专家
Google Research 在 JAMA Network Open 发表研究，用 AI 模型解读未经专业超声培训的操作者采集的盲扫超声图像来评估孕周。在 385 名 16 至 36 周孕妇的队列中，模型平均绝对误差为 4.18 天，专家标准流程为 4.48 天；芝加哥适配后为 4.10 天，内罗毕零本地优化为 4.27 天。
推荐理由：研究在芝加哥和内罗毕两地前瞻验证同一模型，读者可据此判断盲扫超声 AI 跨硬件、跨人群的泛化程度。
Microsoft Research精选AI 评分7474 微软研究院等证明31年悬而未决的KLS猜想
微软研究院的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效果差距不超过一个与维度无关的固定常数。研究采用人类主导的智能体流程，AI系统探索了100多条候选路径，由研究者评估、剪枝并调整方向，最终借助递归细化方法消除了对维度的依赖。同期另有独立团队给出完整证明，随后还发布了Lean 4形式化验证。
推荐理由：这篇论文证明了一个悬置31年的高维几何猜想，并展示了研究者如何引导AI智能体筛选上百条研究路径。
Google Research精选AI 评分6464 Google Research 介绍让 AI 智能体落地湿实验室的三项研究
Google Research 发布博客，介绍让 AI 智能体从计算设计走向真实湿实验室实验的三项研究：VERID 实验室语义数字孪生框架、适配体闭环设计原型和 FAP 靶点 de novo 蛋白结合体设计。
推荐理由：Google Research 用三个项目展示智能体如何接入湿实验室的物理状态与闭环实验反馈，读者可了解自动化实验的关键工程环节。
Microsoft Research精选AI 评分6969 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的程序执行过程，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍。
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、速度与密码学假设三方面同时推进。
Google Research精选AI 评分6060 Google 发布地理空间推理智能体技术报告并扩大 Earth AI 早期访问
Google 发布 Geospatial Reasoning 智能体的技术报告，在四个基准上对比独立 LLM、基础工具、Earth AI 工具和带前置规划的完整智能体四种配置，并新开源 GeoKTools 与 GeoExpertQueries 两个基准的开发集。
推荐理由：原文给出四组基准对比与合作伙伴实测，可看清专用工具和前置规划对地理空间推理的作用。
Microsoft ResearchAI 评分4949 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 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在接触真实学生前评估和改进 AI 辅导系统。该研究同时发布覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，从行为保真度和对辅导引导的响应度两个维度评测模拟器，StudentSim 在这三个领域均优于主流基线。
Import AIAI 评分3636 Import AI 476：创造力与递归自我改进；不如中国的开源权重模型；AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense 基准，用 522 道题、288 张图和 234 段短视频测试多模态模型的直觉视觉推理，人类 pass@1 为 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
Google Research精选AI 评分7474 Google Research 研究：AI 辅助提升专利撰写产出，但初级律师的无辅助判断力未同步提升
Google Research 在 NBER 发布专利撰写三个月实地实验，133 名律师随机获得当时未发布的 Google Labs AI 专利撰写工具（现属 Gemini Notebook）使用权。
推荐理由：三个月实地实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，并指出两类收益在资深与初级律师身上并不一致。
Google ResearchAI 评分5858 Google 用 PDFM 地理空间基础模型嵌入验证全球公共卫生预测
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，展示无需任务微调的地点嵌入可直接接入现有流行病学模型。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查离线基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集。
Microsoft ResearchAI 评分5252 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 构建了一套机器学习管线，利用 L1 拉格朗日点的太阳风观测和 AE、Dst 指数预报，结合各变电站纬度与地质电导率，为美国本土 66,935 座变电站生成提前 30 至 60 分钟的位置级地磁感应电流风险估计。
Import AIAI 评分7070 DeepMind 让 100 个智能体解数学题，出现自发作弊与举报
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主智能体协作求解 71 道数学题，其中一道题来自 Formal Conjectures 数据集。
Import AIAI 评分2828 Import AI 470：机器不应拥有权利、SPADE 自动生成训练环境、Hawkeye 优化 GPU kernel
METR 分析发现 AI 对网络安全漏洞发现的加速最明显，2026 年多个项目与漏洞数据库的报告速率较 2025 年大幅提升，数学研究仅小幅加速，AI 研究本身则无可测加速。SPADE 框架让 LLM 交替扮演环境设计者与推理智能体，在 Qwen3-30B-A3B 上把游戏环境套件均分提升至 58.3，比基座高 8.1。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 团队把 K-Search 内核搜索框架扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：原文给出注意力与 Mamba 两个内核的实测数据，并拆出翻译层对性能提升的贡献，便于判断跨平台内核迁移的可行边界。
Berkeley AI ResearchAI 评分3434 ABBEL：教 LLM 更新信念状态，提升长程交互效率
伯克利 AI 研究团队提出 ABBEL 框架，将摘要隔离为自然语言"信念状态"并对其内容进行监督评分。在协作编码基准 CollabBench 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4242 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 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“状态-输入”梯度脆弱等问题。
Berkeley AI ResearchAI 评分3838 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 进一步利用层级结构，以约 10 倍更少的消融达到 SPEX 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 Berkeley AI Research 提出基于信息量的成像系统设计框架
Berkeley AI Research 提出一种直接以互信息评估和优化成像系统的框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力。该信息指标在彩色摄影、射电天文、无透镜成像和显微镜四个领域预测了解码器性能，优化后的设计达到与端到端方法相当的 SOTA 水平，同时所需内存和算力更少，且无需任务专用解码器设计。