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。
#Agent
The DecoderAI 评分7272
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 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。
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。
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。
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 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。