OpenAI 推出 BioBasicsBench 衡量 AI 智能体处理日常湿实验室科学的能力
OpenAI 引入 BioBasicsBench，这是一个包含 100 个任务的基准测试，用于衡量 AI 智能体解读原始实验数据和处理日常湿实验室科学的能力。该基准测试专注于评估 AI 智能体在实际科学实验场景中的表现。
#论文/研究
OpenAI NewsAI 评分3434 AWS Machine Learning BlogAI 评分5555 Amazon Quick 智能体原语分类法介绍
Amazon Quick 团队分享了智能体工作原语的分类法，通过 When What Who How 四个问题分解了智能体工作。系统定义了 Trigger Agent Capabilities 三个核心原语，其中 Agent 是一个持久学习的 Actor，Capabilities 包括 Tools Skills 和 Workflows。
Microsoft Research精选AI 评分8585 使用 PDD Kit 形式化验证 Agent 编写的全栈 Web 应用
Microsoft Research 发布 PDD Kit 工具包，用于形式化验证 Agent 编写的全栈 Web 应用，以 Pet Store 的 Rust 前端和后端登录逻辑为例。PDD Kit 将用户意图转化为 Verus 形式化规范，自动生成证明和高质量测试，开发者只需审查意图而非逐行代码。
推荐理由：PDD Kit 帮助将意图转化为形式化规范，并使用 Verus 证明 Agent 生成的代码满足该规范，将软件审查重点从代码转向意图。
Google DeepMind精选AI 评分7878 Google Antigravity 推出 Cheminformatics Skills 加速药物发现
Google Antigravity 搭载新的 Cheminformatics Skills 加速药物发现工作流，使用肺癌治疗案例，智能体在一小时内搜索数千化合物并提出新型刚性大环分子及其合成路线。该技能支持从文献数据提取、分子分析到预测模型构建和新分子设计，并提供 6 个月免费试用名额给 10,000 名科学家。
推荐理由：Google Antigravity 结合 Cheminformatics Skills 加速药物发现流程，将数日工作缩短至一小时，支持从文献提取到新分子设计的全流程。
Microsoft ResearchAI 评分4545 Microsoft Research 从合成企业数据评估到 Microsoft Copilot AI 置信度
Microsoft Research 构建了 Industry Evaluation Data Generation Platform，利用 O*NET occupational data、在线招聘信息和 SEC filings 等公开数据生成全规模合成企业环境，以解决真实企业数据敏感性与评估需求间的矛盾。
Microsoft ResearchAI 评分4545 Microsoft Research Focus – Edition #97
ForkPilot 是一个自改进的 agentic 框架，在六个基准测试和领先 AI 模型上，将 AI 处理需求降低了高达 59%，提高了复杂问题的可靠性和效率。
OpenAI NewsAI 评分1616 OpenAI 更新 Model Spec 以构建更具能力和益处的 AI
OpenAI 更新了 Model Spec，旨在指导更具能力和益处的 AI 发展。该更新概述了五个核心价值观，以确保 AI 具备健全的判断力、尊重人类主体性，并忠实于人类意图。
OpenAI NewsAI 评分2323 OpenAI 如何检测前沿模型错位
OpenAI 采用分层监控来检测前沿模型错位和未经授权的智能体行为。该系统旨在使响应人员能够在事件升级前进行干预。
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。
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。
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。