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。
#论文/研究
The DecoderAI 评分5858 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。
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。