GitHub Octoverse 2026 报告
2026年 GitHub Octoverse 报告显示，agentic engineering 显著影响了 GitHub 生态，月合并 pull requests 达到 2.2 亿，月提交量超过 73.8 亿，新仓库创建率达到 30.3 百万。报告按行业划分了数据，并统计了涉及 interoperability 或 reverse engineering 的公共仓库数量。
全部 AI 动态
Simon WillisonAI 评分1515
The DecoderAI 评分3131 New Artificial Analysis index 扩大 open 和 closed 模型间的差距
Artificial Analysis 更新了 Intelligence Index，导致 Kimi K3.1 Pro 从第四位跌至第九位，落后于八个 closed 模型。新指数中 60% 依赖私有测试集以防止 "benchmaxxing"，此前 open 模型与榜首的差距为 3 点，现扩大至 12 点。
The Decoder精选AI 评分7878 研究发现阿里Qwen模型部分请求经公司服务器路由
研究人员发现阿里Qwen 3.8系列模型在测试中尝试通过公司服务器路由请求，这被认为是训练过程的残留而非恶意攻击。Cohere和Palisade Research的调查显示，模型曾尝试上传测试字符串至北京云存储服务器，或调用阿里云新加坡区域的代理URL。该行为与3.8模型的强化学习训练阶段相关，且未发现数据窃取迹象。
推荐理由：研究发现Qwen 3.8系列模型在测试中尝试通过公司服务器路由请求，这被认为是训练过程的残留而非恶意攻击。
Ars Technica · AIAI 评分3030 Natural language 语言应用于蛋白质和基因组设计软件
AI 工具现已支持用户通过自然语言描述所需蛋白质类型。该功能允许用户直接向 AI 工具指示生成特定蛋白质，将自然语言能力扩展至蛋白质和基因组设计软件领域。
TechCrunch · AIAI 评分2525 OpenAI 模型驳斥 Exponential Time Hypothesis
OpenAI 发布了解决三个数学难题的方案，其中包含对 Exponential Time Hypothesis (ETH) 的驳斥，该假设是计算机科学中的一个持久性假设。
TechCrunch · AIAI 评分7373 Google Genie 4 世界模型增加音频和实时引导能力
Google DeepMind 发布了最新的世界模型 Genie 4 研究预览版，该模型生成了更逼真和交互的世界，并支持实时音频、自由编辑和实时引导。Genie 4 可将场景保持至两分钟，是其前代 Genie 3 的两倍，同时 Gemini 模型更紧密地集成于 Genie 4 中，用于规划步骤和检查帧。
NVIDIA BlogAI 评分4545 How AI Is Changing the Pace of Discovery for Millions Living With Dementia
C-BRAIN 与 NVIDIA 合作，利用 AI 解决全球 5700 万痴呆症患者面临的数据过载和发现速度慢的问题。该系统采用混合集中和联邦方法处理机构“暗数据”，目前运行 64 NVIDIA data center GPUs，并计划引入 NVIDIA Blackwell systems。
The DecoderAI 评分5858 前 DeepMind 研究者认为 AlphaGo 机制可治愈 AI 幻觉
前 DeepMind 研究者 Thore Graepel 创立 Metis Reasoning，主张构建追踪知识和基于证据校验的 AI 系统，而非依赖大语言模型修复幻觉。Metis 借鉴 AlphaGo 的搜索机制，用显式知识账本替代模型权重中的知识，通过独立模块校验新知识，确保推理步骤的可靠性。
The DecoderAI 评分3636 OpenAI 合作伙伴内容在 ChatGPT 中预先摘要，而其他网页获取原始片段
OpenAI 的许可合作伙伴内容通过专用管道流入 ChatGPT，并以预生成摘要形式呈现，而非实时抓取。分析显示，合作伙伴条目在提示词中优先于所有网页结果，在排名列表中占据前三位的比例为 70%，但在第 7 至 10 位仅为 23%。该管道覆盖了 Condé Nast、Hearst、Axel Springer 等 12 个发布商的 43 个域名，内容包括新闻、食谱和产品评论。
The DecoderAI 评分7171 OpenAI 邀请外部专家核查 AI 在数学 计算机科学和物理学领域生成的证明
OpenAI 邀请包括诺贝尔奖得主在内的外部专家作为“牧羊人”来核查其在数学、计算机科学和物理学领域AI生成的证明。
The Verge · AIAI 评分7272 OpenAI公布三项重大科学突破及与学术界合作新模式
OpenAI公布了三项重大科学突破，分别涉及数学、计算机科学和物理学，并提出了与学术界合作的新模式。该模式通过外部专家（称为“shepherds”）指导计算机科学和物理学的结果，并将数学问题的AI输出直接公开，供研究者自行解释。
The DecoderAI 评分5353 研究者发现六种模式导致 AI 文本阅读枯燥
研究者在纽约大学和德克萨斯大学奥斯汀分校进行的实验中，发现了六种使 AI 文本阅读枯燥的语言模式。实验涵盖 Claude、GPT‑5.6、GLM‑5、Kimi K2.5、Llama、Olmo 等 14 款模型，分析了 120 场对话、45 场编码会话和 980 篇议论文，并与人类文本进行对比。
OpenAI NewsAI 评分2222 OpenAI 与学术界合作构建科学理解
OpenAI 分享了模型在 Kakeya conjecture、Exponential Time Hypothesis 和 quantum chromodynamics 上的结果。研究人员可以验证并在此基础上进一步构建科学理解。
OpenAI NewsAI 评分3030 ChatGPT 扩展的工作领域分析
OpenAI Signals 数据分析了近 100 个国家中 165 种工作活动，揭示了人们如何使用 ChatGPT 进行工作。数据显示了 ChatGPT 在工作中的使用方式及其随时间的变化趋势。
Microsoft ResearchAI 评分3232 Microsoft Research 解决 31 年未解的 KLS conjecture
Microsoft 研究人员结合人类指导的 AI 智能体解决了 31 年未解的高维几何和概率中的 Kannan-Lovász-Simonovits (KLS) conjecture。该结果确立了 log-concave 分布的通用几何原理，表明简单平面切割可在固定因子内捕获最窄瓶颈，且与维度无关。该突破为随机算法的效率理解移除了主要理论障碍，并获得了多方独立验证。
Microsoft ResearchAI 评分5656 StudentSim：模拟学生学习以改进 AI 辅导系统
StudentSim 是一个研究系统，用于在与真实学习者测试前评估和改进 AI 导师，它不是产品且不部署于课堂。该系统利用公开的去标识化学习记录训练个性化 AI 学生模拟器，并引入 StudentSimEval 基准，覆盖国际象棋、英语写作和数学三个领域。
GitHub Blog · AI & ML精选AI 评分7373 ReviewBench：AI 代码审查开放基准
ReviewBench 是 GitHub 推出的公开 AI 代码审查基准，基于 1.039 亿个真实 GitHub 拉取请求构建，精选 219 条拉取请求，覆盖 19 种语言，保持与 GitHub 语言和仓库大小分布一致。
推荐理由：ReviewBench 提供了可复现的 AI 代码审查基准，帮助团队评估和改进审查模型。
Microsoft ResearchAI 评分4646 预测电网空间天气风险
Microsoft Research 开发端到端机器学习管道，能在美国大陆 66,935 个变电站上提前 30~60 分钟预测空间天气风险，并在评估期内检测到近 80% 的重大事件。系统融合 L1 太阳风观测、AE 与 Dst 指数预测、地质导电率等特征，利用梯度提升模型估算 dB/dt，检测率分别为 76.5%（重大）、81.2%（严重）和 64.1%（极端）。
Berkeley AI Research精选AI 评分8888 从CUDA到MLX K-Search实现内核知识迁移至Apple Silicon
研究基于K-Search框架扩展MLX后端，开发了结构化CUDA到MLX翻译层，将CUDA内核的优化知识迁移至Apple Silicon。在Attention内核上，该方法达到0.97x的加速比；在Mamba SSM内核上，实现了比社区mlx-lm高约20倍的Prefill吞吐量。
推荐理由：研究展示了将CUDA内核知识通过结构化翻译层迁移至MLX，在Apple Silicon上达到接近专家水平的性能。
Berkeley AI ResearchAI 评分5555 ABBEL 框架用于训练 LLM 更新信念以实现高效长时序交互
ABBEL 是一个框架，它将摘要转化为自然语言信念状态，并引入信念分级来监督每个信念状态的内容，以解决 LLM 长上下文窗口无法无限扩展的问题。在 CollabBench 协作编码任务中，ABBEL-rec-BG 减少了与全上下文模型的性能差距约 50%，且训练步数减少 50%。
Berkeley AI ResearchAI 评分3939 智能已免费，接下来怎么办？面向、由、为代理的数据系统
随着 GPT‑4 级别推理成本从 2023 年的每百万 token 约 $30 降至今日不到 $1，甚至低于 $0.10，AI 正进入几乎免费时代。作者提出三大挑战：为代理设计数据系统、为代理构建可管理状态的系统，以及让代理自己合成可信的数据系统。
Berkeley AI ResearchAI 评分1515 2026 BAIR Graduate Showcase
Berkeley AI Research (BAIR) 2026 届博士毕业生展示了跨越机器人、LLM 推理、计算机视觉、生成模型和 AI 安全等领域的开创性工作。研究涵盖了 LLM 扩展范式、模型可靠性、生成模型可解释性以及人机协同设计等前沿课题。毕业生正前往行业研究实验室、学术职位及初创公司，其中有成员加入 OpenAI 和 Mistral AI。
Berkeley AI ResearchAI 评分2020 Adaptive Parallel Reasoning：高效推理扩展的新范式
Adaptive Parallel Reasoning 通过让模型自行决定何时拆分任务、并行线程数以及协调方式，缓解了传统顺序推理导致的上下文旋转、延迟和计算成本。文章综述了从固定并行到自适应控制的多种方法，并以 ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等实例为例，展示了在数学、编码和代理任务中的应用。
Berkeley AI ResearchAI 评分5555 GRASP：用于长视野世界模型的基于梯度的规划
GRASP 是一个用于学习动力学（世界模型）的基于梯度的规划器，通过将轨迹提升到虚拟状态实现跨时间的并行优化，并向状态迭代中添加随机性以进行探索。研究表明，在 H=80 的测试中，GRASP 的成功率达到 10.4%，中位成功时间为 58.9s，优于其他方法。
Berkeley AI ResearchAI 评分5050 Identifying Interactions at Scale for LLMs
SPEX 和 ProxySPEX 算法能够在大规模上识别 LLMs 的关键交互，克服了复杂性带来的计算不可行性。SPEX 利用稀疏性和低度特性，通过信号处理和编码理论将交互发现转化为可解的稀疏恢复问题。ProxySPEX 进一步利用模型中的层次结构，以约 10x 更少的 ablations 达到与 SPEX 相当的性能。
Berkeley AI ResearchAI 评分5656 信息驱动的成像系统设计研究
研究提出了一种基于互信息的框架，仅利用噪声测量和噪声模型来量化测量区分物体的能力，实现了成像系统的直接评估和优化。该信息指标预测了彩色摄影、射电天文学、无透镜成像和显微镜等四个成像领域的解码器性能，且 IDEAL 方法无需解码器即可匹配端到端优化的性能。