OpenAI 公布内部前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上分享 Lean 证明形式化和研究细节。
推荐理由：OpenAI 公布内部前沿模型在数学未解问题上的结果，并开源 Lean 证明形式化，读者可查看研究细节。
#论文/研究
#论文/研究
今日 2 条OpenAI News精选AI 评分6161 Google ResearchAI 评分4747 Google 发布智能体隐私与安全研讨会报告：以情境完整性视角探讨开放性难题
Google 发布 CAPS 研讨会报告，汇聚 50 多位学界与业界领袖，探讨自主智能体的隐私与安全挑战。报告指出智能体在非结构化接口、概率性控制流和自主委派三方面区别于传统软件，并以情境完整性（Contextual Integrity）理论为基础，提出构建情境策略引擎，结合系统级沙箱、模型级推理和以用户为中心的控制，形成多层防护方案。
Google ResearchAI 评分3838 Google Research 提出 Diffusion Controller 框架，统一并简化 AI 图像生成控制
Google Research 推出 Diffusion Controller 框架，将去噪过程重构为连续控制问题，用轻量“转向阻尼”网络在不动主模型权重的情况下引导图像生成。基于 Stable Diffusion v1.4 的实验中，其完全解锁版本在 Human Preference Score（HPS-v2）评测下对基线达到 90% 胜率，并支持对闭源模型做黑盒/灰盒控制。
Hugging Face BlogAI 评分4949 ProvenanceGuard：面向 MCP Agent 的来源感知事实性验证方法
Hugging Face 团队提出 ProvenanceGuard，一个针对 MCP Agent 的来源感知事实性验证层，可在生成后检查每条论断的支持来源是否与答案声明或暗示的来源一致，识别"跨来源混淆"问题。
Google ResearchAI 评分5454 Google Research 推出 AI 视频联合导演框架，用多智能体实现连贯长视频生成
Google Research 发布 AI 视频联合导演研究，构建了基于 Gemini 和 Veo 的多智能体编排层，包含 Co-Director、CANVAS、A²RD 和 VQQA 四个框架，将长视频生成转化为全局优化与世界状态跟踪问题。
Microsoft ResearchAI 评分4949 Microsoft Research：物理 AI 机器人推理卸载研究挑战机载 GPU 假设
Microsoft Research 的研究显示，仅依赖机器人机载 GPU 运行物理 AI 推理会限制性能、续航和可扩展性，将推理卸载到边缘或云端 GPU 可显著改善。
Microsoft ResearchAI 评分4848 Microsoft Research RetroChimera 逆合成模型登上 Nature 并开源实现与权重
Microsoft Research 的逆合成模型 RetroChimera 在期刊 Nature 发表，并开源了实现与权重。该模型组合基于 Transformer 的 R-SMILES 2 与基于 GNN 的 NeuralLoc 两个子模型，用学习到的重排序策略融合各自预测，覆盖常见与罕见反应类型。
OpenAI NewsAI 评分2626 OpenAI 经济研究解读：劳动者如何用 AI 开启新的工作方式
OpenAI 经济研究新报告分析了劳动者如何超越传统职业角色使用 AI，以及哪些新的活动成为其工作中的常规部分。报告揭示了 AI 在实际工作中的使用模式。
Google ResearchAI 评分4747 Google Research 的 Retrieve-for-Train 如何绕过推理瓶颈、加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，用离线 RL 发现奖励对齐的 query fan-out 并蒸馏为监督信号，绕过 LLM 逐 token 的链式推理延迟。
Hugging Face Blog精选AI 评分6464 IBM Research 推出 ALTK-Evolve 一致性指南，将 Agent 一致性差距从 24.4pp 降到 12.0pp
IBM Research 在 ALTK-Evolve 中推出 Consistency Analyzer 和一致性指南，针对 Agent 同一任务多次运行结果不稳定的问题。
推荐理由：原文给出可复用的 Pass^k 指标和一致性诊断方法，读者可据此评估并改善自己 Agent 的复现稳定性。
Google ResearchAI 评分4747 Google 推出 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 在 ACL 2026 提出 ToolGrad，一种“答案优先”的工具调用数据集生成方法：先构建真实工具调用链，再用文本“梯度”迭代提出、执行、选择和更新 API 工作流。
OpenAI News精选AI 评分8181 OpenAI 分享 Navier–Stokes 千禧年难题的 AI 生成解法
OpenAI 分享了一个针对 Navier–Stokes 千禧年大奖难题的 AI 生成解法，内容包括一份解题文章和一个 Lean 形式化证明。材料来自 OpenAI 官方公告，feed 未提供完整正文，具体证明内容和方法细节以原文链接为准。
推荐理由：官方公开了 AI 生成的 Navier–Stokes 千禧年难题解法，并附带 Lean 形式化证明，读者可以据此关注 AI 在数学证明方向的实际产出。
Google ResearchAI 评分4141 面向代表性不足人群的基因组预测迁移学习研究
Google Research 研究了多基因风险评分（PRS）从 UK Biobank 欧洲人群向 Biobank Japan 约 20 万日本个体迁移的表现，覆盖 BMI、血压、HDL、LDL、血糖等 8 项临床 traits，比较了 elastic net、meta-analysis 和 PRS-CSx 三种方法。
Google Research精选AI 评分6262 Google Research 与 HHMI Janelia 发布雄性果蝇完整脑连接组图谱
Google Research 与 HHMI Janelia、MRC 分子生物学实验室、剑桥大学等合作在 Cell 发表雄性果蝇脑及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，是迄今按神经元数量计最大的脑图谱。
推荐理由：原文给出连接组规模、AI 重建方法和开源查看入口，读者可以据此了解当前连接组学的能力边界和可用资源。
Hugging Face BlogAI 评分4848 Hugging Face 推出 BenchMIRT：审计 LLM benchmark 到底在测什么
Hugging Face 推出 BenchMIRT，一种基于多维 IRT 的方法，可在单条 prompt 层面审计 LLM benchmark 实际测量的能力。
Google ResearchAI 评分4848 Google 用深度学习从卫星高光谱数据绘制全球甲烷排放图（MAPL-EMIT）
Google 与 NASA JPL 合作推出 MAPL-EMIT，一个基于 EMIT 高光谱数据的深度学习框架，用于自动检测、量化甲烷羽流并定位排放源。该框架采用 Swin-S vision transformer，在专家标注羽流上达到 84% 的召回率，训练使用了 360 万个合成甲烷羽流。
Google ResearchAI 评分5050 Google Earth AI 推出行星预测引擎 PPE，自动完成地理空间建模全流程
Google Earth AI 推出实验性研究能力行星预测引擎（PPE），可从自然语言查询出发自主执行数据发现、清洗、特征工程、模型训练与评估的完整地理空间预测流程，将此前需数周人工数据工程的工作缩短到几分钟。
Google DeepMindAI 评分5454 Google DeepMind 试点首个面向前沿模型的 double-blind AI 评估
Google DeepMind 推出据称全球首个针对专有前沿模型的双盲评估，将外部评测限制在密码学安全的隔离环境中，防止模型提前看到测试题造成基准污染。此次与 Singapore AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作，用机密基准测试一个 Gemini Flash Lite 模型，以提升评估的可信度和完整性。
Google ResearchAI 评分4747 Google 发布 GlucoFM：面向连续血糖监测的基础模型
Google 推出自监督基础模型 GlucoFM，采用双流设计将缓慢血糖基线趋势与短期偏离分开处理。在四个队列、七项临床预测任务共 14 项评估中，其平均 PR-AUC 比最强基线 CGM 基线从 54.7 提升至 58.8，在全部糖尿病风险和 beta 细胞功能障碍评估中领先，并在餐后血糖响应预测上取得最低 MAE。
Google ResearchAI 评分3737 Google 发布 AgentHands：为 XR 空间对话中的 AI 智能体生成交互式手势
Google 在 CHI 2026 发表研究原型 AgentHands，让 AI 智能体在 Android XR 等沉浸式环境中生成与语音同步的手势，延续 Project Astra 与 Gemini 3.1 Flash Live 的方向。
Hugging Face BlogAI 评分4343 Hugging Face 提出 Quantization-Aware Healing：4-bit 压缩模型反超全精度原版
Hugging Face 提出 Quantization-Aware Healing（QAH），将 GPT-OSS 120B 结构压缩至 60B 参数并量化为 MXFP4 后，直接从压缩前的原始模型蒸馏，而非从恢复后的 bfloat16 检查点蒸馏。
Google ResearchAI 评分5050 Google Research 推出 Biomarker Discovery Framework：从可穿戴设备数据中优先排序候选生物标志物
Google Research 推出 Biomarker Discovery Framework，一个多智能体系统，将候选生物标志物优先排序结构化为人类监督下的迭代研究流程，结合假设生成、统计分析、模型训练与对抗性验证。在三个队列共 9,279 人次观测中，该系统自主识别出 41 个心理健康候选数字生物标志物和 25 个代谢类候选标志物，并构建了睡眠时长变异性等新型复合特征。
Google ResearchAI 评分4343 Google Research 提出 ME-POIs：用流动性数据让语言模型更懂地点
Google Research 推出 Mobility-Embedded POIs（ME-POIs）框架，将聚合匿名化的到访流动模式融入语言模型的地点表示，捕捉 POI 的时间活动节奏。
Hugging Face Blog精选AI 评分6262 Hugging Face 研究量化语音识别模型的基准优化行为，高分模型会复现错误基准文本
Hugging Face 发布研究，用一致性分歧探针、数字静默检索和拼写切换三类测试，评估 11 个开源 ASR 模型的基准优化（benchmaxxing）行为。
推荐理由：原文用三类探针量化语音识别中的基准优化现象，并给出模型名单、比例数据与可复用的检测脚本，读来能帮助避开仅看 WER 的选型误区。
SK hynix 内存技术AI 评分3838 SK hynix CPO 技术路线图登上《Nature Electronics》：AI 竞争从芯片转向系统
SK hynix 联合 UVA、UIUC、NTU、MIT、延世大学研究者在《Nature Electronics》发表 co-packaged optics（CPO）技术路线图，通讯作者为 SK hynix AI Infra Team Lead Seunghoon Hong 和 UVA 教授 Kyusang Lee。
Hugging Face BlogAI 评分5151 ALTK-Evolve 实验发现智能体记忆需要按模型能力校准剂量
IBM Research 团队基于 ALTK-Evolve 在 AppWorld 的 585 个多步任务上测试八种模型后发现，智能体记忆该给多少取决于模型能力。
Google ResearchAI 评分5252 Google Research 发布 PhotoScan：用智能手机照片估算身体成分并预测胰岛素抵抗
Google Research 提出 PhotoScan，一种从标准 2D 手机照片估计体脂率、Android-to-Gynoid 脂肪比和内脏-皮下脂肪比的深度学习框架，用于预测胰岛素抵抗。
Microsoft ResearchAI 评分4444 Microsoft Research 推出 MindTopo 基准，测试多模态模型的拓扑空间推理能力
Microsoft Research 推出 MindTopo 基准，评估多模态大模型对连通性、封闭、顺序、分离和绳结等拓扑概念的推理与规划能力。测试显示，模型在静态图像识别上表现明显好于交互式规划任务，且两者均远低于人类水平，错误多出在规划阶段丢失结构关系或提出违反物理约束的动作。该基准旨在为机器人和交互环境中的智能体研究提供受控诊断工具。
Google ResearchAI 评分5959 Google Research 提出知识画像框架：前沿 LLM 的事实性瓶颈在召回而非编码
Google Research 发布 WikiProfile 基准（2,150 条 Wikipedia 事实，每条配 10 个任务）和知识画像框架，评估 13 个 LLM 后发现前沿模型 95–98% 的事实已编码，但仍有 26–34% 无法直接召回，开启 thinking 后仍有 11–12% 失败。
Microsoft ResearchAI 评分5858 Microsoft Research 发布 CARE-X 胸部 X 光研究模型，结合辅助监督、DAPO 强化学习与工具增强测量
Microsoft Research 推出研究模型 CARE-X，一个统一胸部 X 光 VLM，基于 SigLIP2-so400M 与 Phi-4-mini-instruct（3.8B），通过辅助头联合训练提供报告生成与带置信度的结构化预测，并用 DAPO 强化学习对齐临床奖励。
Hugging Face BlogAI 评分4848 Hugging Face 提出 Offline Top-K Logits 与融合分块 KL 损失，让知识蒸馏成本大幅下降
Hugging Face 发布论文，通过缓存 teacher 的 top-100 logits 实现 offline 蒸馏，并引入 fused chunked KL 损失，避免生成全词表×序列长度的矩阵。
Microsoft Research精选AI 评分7373 Microsoft Research 开源 Orchard 框架，Orchard-SWE 以约 3B 激活参数达 SWE-bench Verified 69.7%
Microsoft Research 发布开源智能体框架 Orchard，核心是可复用的 Kubernetes 环境服务 Orchard Env，支持软件工程、网页导航和个人助理三类智能体的训练与评估，并可直接在 Codex、OpenClaw、ZeroClaw 等真实 harness 内端到端训练。
推荐理由：微软开源了可复用的智能体环境层，并给出三个小模型训练配方，读者可以了解小模型在真实任务上的可达水平。
Google ResearchAI 评分5252 Google Research 提出 Chain-of-Evidence 框架，Science One 实现零幻觉引用的可验证自主科研
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并发布原生构建证据链的自主科研原型 Science One Framework 和自动化评估协议 CoE Audit。
Berkeley AI ResearchAI 评分5252 K-Search 新增 MLX 后端，用 CUDA 经验在 Apple Silicon 上实现近专家级内核
研究者将 Berkeley Sky Lab 的演化式内核搜索框架 K-Search 扩展出 MLX 后端，通过结构化 CUDA 到 MLX 翻译层把数十年的 NVIDIA 内核优化知识迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分4646 教 LLM 更新信念状态以实现高效长程交互：Berkeley AI Research 提出 ABBEL 框架
Berkeley AI Research 提出 ABBEL 框架，用自然语言信念状态替代完整交互历史作为智能体的工作上下文，并引入 belief grading 监督摘要内容。在 CollabBench 协作编程测试中，ABBEL-rec-BG 将与全上下文模型的性能差距缩小约 50%，训练步数从 100 减至 50，峰值上下文 token 长度也显著低于全上下文设置。
Google Research精选AI 评分6464 Google Research 发布 SymptomAI 研究：对话式 AI 日常症状评估
Google Research 发布 SymptomAI 研究论文，用五个基于 Gemini Flash 2.0 的对话原型智能体对 13,917 名参与者做端到端症状问诊和鉴别诊断（DDx），用于研究基准测试。
推荐理由：基于 13,917 人的随机真实人群研究，给出了 SymptomAI 鉴别诊断相对临床医生基线的表现和可迁移的问诊策略比较。
Google ResearchAI 评分4949 Google Research 如何让量子计算机从错误中学习
Google Research 在 Nature 发表基于强化学习的量子纠错控制框架，让智能体利用错误检测事件持续调节数千个控制参数，在计算进行中对抗漂移。在 Willow 超导处理器上注入人为漂移的实验中，RL 控制使逻辑稳定性提升 3.5 倍，并在专家校准基础上进一步将逻辑错误率降低 20%。
Google ResearchAI 评分3636 Google Research 解析扩散模型创造力来源：score smoothing 使生成插值于训练数据之间
Google Research 在 ICLR 2026 发表的论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》指出。
Google ResearchAI 评分5757 Google Research 发布 SensorFM：基于超万亿分钟可穿戴数据的大传感器基础模型
Google Research 发布 SensorFM，一种直接从无标注可穿戴数据预训练的 Large Sensor Foundation Model，训练数据来自 500 万名同意参与研究的用户、超一万亿分钟的多模态传感器信号，覆盖 100 多个国家和 20 多款 Fitbit 与 Pixel Watch 设备。
Google ResearchAI 评分5959 Google Research 发表 Nature Cities 研究，在 10 个美国城市实验用导航改道缓解交通拥堵
Google Research 在 Nature Cities 发表大规模真实世界研究，通过修改 Google Maps 算法在 10 个美国城市引导少于 2% 的行程绕开拥堵路段，实验持续六个月并采用城市级 switchback 设计。