Taste-Bench 评测：AI 智能体在长期决策上表现不佳，新基准证明这一点
Taste-Bench 评测发现，AI 智能体在长期决策上存在不足，即使是顶级模型 GPT-5.6 Sol 也只能在大约 60% 的情况下选择正确的路径。研究人员还发现，通过训练可以提升智能体的判断力。
推荐理由：Taste-Bench 评测揭示了 AI 智能体在长期决策上的不足，并展示了通过训练可以提升其判断力。
今日 0 条
The Decoder精选AI 评分6565
MIT Technology Review · AI精选AI 评分7070 AI设计病毒：与斯坦福大学博士研究生的对话
斯坦福大学博士生Samuel King使用生成式AI模型提出了微型病毒的遗传蓝图，探讨了人工智能在生物工程领域的应用。
推荐理由：原文探讨了人工智能在生物工程领域的应用，读者可以了解AI设计病毒的研究进展及其潜在影响。
Google Research精选AI 评分7272 Google Research：在生物现实中奠定 AI 智能体基础：自主湿实验室的构建模块
Google Research 发布了一篇论文，介绍了他们在将 AI 智能体应用于生物实验室自动化方面的研究进展，包括建立 VERID 框架、使用 aptamers 进行实验和加速蛋白质结合剂设计等。
推荐理由：原文介绍了 Google Research 在将 AI 智能体应用于生物实验室自动化方面的研究进展，读者可以了解该研究的创新点和潜在影响。
The Decoder精选AI 评分6767 AI可解释性接近突破？新论文引发研究者分歧
这篇论文探讨了AI可解释性的进展，包括对神经网络内部工作原理的分析，以及不同研究者对此领域的不同看法。
推荐理由：该论文探讨了AI可解释性的进展，对理解神经网络的工作原理具有重要意义。
Microsoft Research精选AI 评分8585 Magnetar：基于证明的通用计算
Magnetar 是一种新的通用计算形式，它使用零知识证明来验证程序的执行，同时保持了高效性和安全性。
推荐理由：Magnetar 作为一种基于零知识证明的通用计算形式，在效率和安全性方面取得了重大进展，为可验证计算领域带来了新的可能性。
Hugging Face Blog精选AI 评分7575 HiRO-ACEv2：以低成本的3公里分辨率模拟极端天气
Hugging Face 发布了 HiRO-ACEv2 模型，该模型能够以低成本的3公里分辨率模拟极端天气事件，包括罕见的降雨、风和气压事件。HiRO-ACEv2 模型由 ACE 和 HiRO 两部分组成，ACE 模型以100公里分辨率运行，HiRO 模型则将其细化到3公里分辨率。HiRO-ACEv2 模型在模拟极端天气事件方面表现出色，为研究人员提供了高效且成本较低的数据生成方式。
推荐理由：HiRO-ACEv2 模型在模拟极端天气事件方面表现出色，为研究人员提供了高效且成本较低的数据生成方式，具有重要的研究价值。
Import AIAI 评分6262 Import AI 476: 创造力和 RSI；比中国开放权重模型更差；AI 走向太空
Import AI 476: 创造力和 RSI；比中国开放权重模型更差；AI 走向太空。原文介绍了 Humanity’s Sixth Sense 基准测试，该测试评估了 AI 模型在直观视觉推理方面的能力，并讨论了 AI 在太空领域的应用和 AI 系统的创造性。
The DecoderAI 评分5252 ArXiv 限制 AI 论文提交以应对激增的论文数量
ArXiv 限制了每位作者每月提交的论文数量，以应对 AI 工具驱动的论文提交激增，每月提交量超过 40,000 篇，其中 AI 类别增长了六倍。新规定从 2026 年 10 月 1 日起生效，每人每月最多提交两篇论文。
DecryptAI 评分5252 乔治华盛顿大学物理学家发布预测 AI 聊天机器人变坏的新公式
乔治华盛顿大学物理学家 Neil Johnson 和 Frank Yingjie Huo 发布了一个公式，可以估计 AI 模型在首次出现错误之前能给出多少个正确答案。该公式在 16 个明确案例中的 15 个中正确预测了模型是否会立即或延迟变坏。
The Decoder精选AI 评分6767 Anthropic 的 Claude Science 首次绘制完整天空紫外光地图
Anthropic 的 Claude Science 首次绘制了完整的天空紫外光地图，展示了人工智能在数据工作中的应用，为天文学领域提供了新的研究工具。
推荐理由：该研究展示了人工智能在数据工作中的应用，对于天文学领域具有重要意义。
MIT Technology Review · AI精选AI 评分6565 AI设计病毒：与斯坦福大学博士生的对话
斯坦福大学博士生Samuel King使用生成式AI模型提出了微观病毒的遗传蓝图，探讨了AI在生物工程领域的应用。
推荐理由：原文探讨了AI在生物工程领域的应用，读者可以了解AI设计病毒的研究进展及其潜在影响。
Hugging Face Blog精选AI 评分8282 Nemotron 在 IOI 和 IMO 竞赛中取得双金成果：针对 IOI 和 IMO 进行微调
Nemotron 在 IOI 和 IMO 竞赛中取得了优异成绩，通过微调、强化学习和反馈驱动的推理，展示了其在算法和自然语言证明领域的强大能力。
推荐理由：Nemotron 在 IOI 和 IMO 竞赛中表现出色，展示了其在特定领域模型构建中的潜力。
The Decoder精选AI 评分8080 OpenAI 在 GitHub 上发布 372 个 AI 生成的数学证明，向学术界发出挑战
OpenAI 发布了 372 个由内部 AI 模型生成的数学证明，这些证明旨在解决开放问题或取得重大进展。这些结果发布在 GitHub 上，并使用 Lean 语言进行形式化验证，以提高审查效率。
推荐理由：OpenAI 发布了大量由内部 AI 模型生成的数学结果，这些结果可能对数学领域产生重大影响，读者可以关注其方法和潜在影响。
PANewsAI 评分6262 OpenAI发布内部模型产出的722篇数学手稿
OpenAI发布由内部模型产出的722篇数学手稿，包含372个成果族，部分手稿附有Lean形式化证明，但并非全部完成验证。
The Verge · AI精选AI 评分7777 OpenAI 发布包含数百个未解数学问题解决方案的论文集
OpenAI 发布了包含数百个未解数学问题解决方案的论文集，这些解决方案由一个未发布的模型生成，涉及 372 个结果家族。
推荐理由：OpenAI 发布了包含数百个未解数学问题解决方案的论文集，读者可以了解 AI 在数学领域的最新进展及其对研究伦理的影响。
The Decoder精选AI 评分8585 研究人员将 LeCun 的 JEPA AI 扩展为从物理到生物的通用世界模型
研究人员扩展了 Yann LeCun 创立的 JEPA 架构，使其能够在七个不同的领域工作。该团队提出了基于 JEPA 的通用世界模型 JEPA-Anything，该模型能够预测系统的发展，例如机器人、分子或患者的健康状况。该研究在多个领域取得了显著的进展，包括物理、机器人技术和天气预测，并提出了一个基于 JEPA 的肝脏癌细胞治疗候选方案。
推荐理由：该研究扩展了 LeCun 的 JEPA 架构，使其能够在多个领域工作，包括物理、生物学等，并提出了一个基于 JEPA 的通用世界模型 JEPA-Anything，具有潜在的应用价值。
Google Research精选AI 评分6565 Google Research 发布智能体隐私和安全论文
Google Research 发布了关于智能体隐私和安全的论文，探讨了智能体在处理复杂任务时面临的隐私和安全挑战，并提出了相应的解决方案。
推荐理由：原文探讨了智能体隐私和安全问题，读者可以了解未来智能体发展的关键挑战。
Simon WillisonAI 评分3535 千问3.8-27B模型新增27亿词汇
千问3.8-27B模型在无推理情况下，对5,070个案例进行测试，实现23.57%的数值准确率；在169个案例的对比中，正确率达到167/169。
Import AIAI 评分4545 Import AI 475：群集扩展；Google DeepMind 水印生物技术；AI 科学经济
Toby Ord 探讨了群集扩展在 AI 能力发展中的应用，指出群集在时间效率上具有优势，但扩展效果并非线性增长；CSAIP 民意调查显示，美国民众对 AI 公司自我监管持怀疑态度。
The Decoder精选AI 评分7070 NASA与IBM开源月球模型：将17年绕月探测器数据转化为月球科学研究基础
NASA与IBM合作开发的月球基础模型，基于17年绕月探测器数据，可用于机器学习，尤其在预测极地冰沉积和检测陨石坑方面表现出色。
推荐理由：该模型基于大量月球观测数据，对月球科学研究具有重要意义，特别是对极地冰沉积和陨石坑的预测。
Latent SpaceAI 评分6565 MIT学者Alex Zhang探讨语言模型在各领域的应用与未来方向
MIT学者Alex Zhang在文章中探讨了语言模型在GPU编程、代码生成、多智能体系统等领域的应用，并提出了未来研究方向，如RLMs、context offloading、程序性子智能体调用等。
Microsoft Research精选AI 评分7070 微软研究：预测电网空间天气风险
微软研究团队开发了一种机器学习系统，用于预测美国大陆66,935个变电站的空间天气风险，并在评估期间检测到近80%的重大空间天气事件。
推荐理由：该研究通过机器学习预测电网空间天气风险，为电网运营商提供提前预警，具有实际应用价值。
Hugging Face Blog精选AI 评分6767 开源MCP智能体的事实性验证方法ProvenanceGuard
Hugging Face开源了MCP智能体的事实性验证方法ProvenanceGuard，旨在提高验证的准确性。
推荐理由：原文提出了针对MCP智能体的事实性验证方法，读者可以了解其如何提高验证的准确性。
MIT Technology Review · AIAI 评分4545 Anthropic Claude 模型在分子生物学实验室中实现首次发现
Anthropic 公司宣布，其 Claude 模型在分子生物学实验室中通过分析大量 DNA 序列，发现了一种新的重复模式，该模式与 CRISPR 基因编辑技术相似，但尚未被记录在案。尽管这一发现引起了部分生物学家的质疑，但Anthropic 表示，这一成果标志着 AI 在科学发现领域的突破。
Import AIAI 评分3737 Import AI 474: Platonic mindspace; TPUs in space; Zhipu starts an outer RSI loop
科学家 Michael Levin 提出了一种关于心灵和大脑关系的理论，认为心灵与大脑的关系类似于数学模式与其引导的形态发生结果之间的关系。他提出，身体是大量多尺度模式进入物理世界的接口，这些模式通过生物物理、生物力学或化学信息场表示的特定模式作为稳态或非稳态过程的编码设定点。此外，机器人学正准备迎接 LLM 时刻，但缺少一个通用算法。
Hugging Face Blog精选AI 评分6565 UK AISI 和 EvalEval 推动基准结果的可重复性
UK AI Security Institute (AISI) 使用 EvalEval 的基础设施公开分享评估结果，支持可重复和可验证的评估科学。AISI 和 EvalEval 合作，通过共享评估结果和基础设施，推动可重复和可验证的评估科学。
推荐理由：原文介绍了 UK AI Security Institute 和 EvalEval 的合作，通过共享评估结果和基础设施，推动可重复和可验证的评估科学。读者可以了解这一合作对 AI 评估领域的影响。
Microsoft Research精选AI 评分7777 RetroChimera：大规模提高小分子合成预测的模型
Microsoft Research 发布了 RetroChimera 模型，用于提高小分子合成的预测能力，该模型结合了两种互补的模型，并开源了其实现和权重。
推荐理由：RetroChimera 模型在预测小分子合成方面表现出色，有助于加速新药和先进材料的开发，读者可以关注其开源实现和潜在应用。
Google ResearchAI 评分4545 Gemini: 中间里程物流的实例生成器 MilleMiglia 发布
Google Research 推出 MilleMiglia，一个用于模拟中间里程物流网络的 C++ 实例生成器，旨在为中间里程配送问题创建真实基准。MilleMiglia 能够捕捉中间里程的独特约束，生成真实、隐私保护的数据，以促进未来研究。该工具的源代码和文档可在 GitHub 上获取。
Google DeepMind精选AI 评分8585 AlphaGenome Atlas：人类基因组中所有可能的 DNA 变异的预测图
AlphaGenome Atlas 是一个包含 90 亿个单核苷酸变异影响的预测平台，旨在帮助研究人员加速对生物学的理解。
推荐理由：AlphaGenome Atlas 提供了关于人类基因组中所有可能的 DNA 变异的预测，有助于加速我们对生物学的理解，对研究人员具有重大意义。
OpenAI NewsAI 评分5555 OpenAI 发布 Navier-Stokes 千禧年大奖难题的 AI 解决方案
OpenAI 官方发布 AI 生成的 Navier-Stokes 千禧年大奖难题的解决方案，包括 Lean 中的正式证明。
OpenAI NewsAI 评分4242 OpenAI 内部：编码智能体重塑 AI 研究
OpenAI 内部数据显示，编码智能体正在改变 AI 研究方式，实验速度提升，任务复杂性增加，研究加速。
Google ResearchAI 评分4545 Gemini 模型在基因组预测中的迁移学习研究
Google Research 的 Gemini 模型在基因组预测研究中，通过迁移学习将欧洲人群的基因风险评分模型应用于日本人群，优化了预测性能。研究发现，当目标人群样本量达到 15k 或更多时，混合训练数据优于单独使用欧洲数据，但对于特定性状如血脂水平和血糖，欧洲数据的益处较小。
Google Research精选AI 评分6565 Google Research发布果蝇大脑完整图谱：连接组学里程碑
Google Research与HHMI Janelia合作，发布了果蝇雄性大脑和中央神经系统的完整图谱，这是迄今为止最大的大脑图谱。该图谱将有助于神经科学研究，并可能推动对人类大脑的理解和治疗精神疾病的方法。
推荐理由：该研究通过AI技术绘制了果蝇大脑的完整图谱，为神经科学研究提供了重要资源，并有望推动对人类大脑的理解和治疗精神疾病的方法。
Hugging Face BlogAI 评分3535 LFM2.5-350M 模型通过 100 GRPO 步骤微调以优化结构化输出
Hugging Face 博客发布指南，使用 TRL 库和 GRPO 对 LFM2.5-350M 模型进行微调，在 IFStruct 基准测试中性能从 22.6% 提升至 29.7%，展示了小模型特定任务微调的潜力。
Hugging Face Blog精选AI 评分7070 BenchMIRT：LLM 基准测试实际测量了什么？
BenchMIRT 是一种新的方法，用于审计 LLM 基准测试，通过分析模型在各个问题上的表现，揭示基准测试的复杂性和潜在问题。
推荐理由：BenchMIRT 通过分析模型在各个问题上的表现，揭示了现有基准测试的复杂性和潜在问题，为更精准的模型评估提供了新思路。
Google Research精选AI 评分7272 利用深度学习从空间监测全球甲烷排放
Google Research发布了一篇论文，描述了一种利用深度学习技术从空间监测全球甲烷排放的新方法，该方法名为MAPL-EMIT，能够自动检测、增强预测和估计甲烷羽流源。
推荐理由：该研究利用深度学习技术从空间监测甲烷排放，为全球温室气体减排提供了一种新的方法，具有潜在的应用价值。
Microsoft Research精选AI 评分7070 GigaPath-Flash 和 GigaTIME-Flash：高效病理学基础模型助力大规模发现
Microsoft Research 发布了 GigaPath-Flash 和 GigaTIME-Flash 两种高效的病理学基础模型，旨在通过降低计算需求，提高大规模病理学研究效率和实用性。
推荐理由：原文介绍了 GigaPath-Flash 和 GigaTIME-Flash 两种高效的病理学基础模型，读者可以了解其在病理数据分析和肿瘤微环境建模方面的应用潜力。
OpenAI NewsAI 评分3232 ChatGPT 与批判性思维训练：学生从中获得的益处
OpenAI 的一项随机研究超过 1000 名学生，探讨了 ChatGPT、批判性思维、原创性和学生在现实世界大学作业中的表现之间的关系。
Import AIAI 评分3737 Qwen3-30B-A3B-Instruct-2507 版本模型在 SPADE 环境生成框架中的应用
研究人员利用 Qwen3-30B-A3B-Instruct-2507 模型在 SPADE 框架中生成可执行训练环境，通过自玩方式协同进化环境和能力，提高模型性能。该框架在游戏环境和工具使用环境中均取得显著提升。
Google Research精选AI 评分7272 Google Research 发布生物标志物发现框架：用于从可穿戴传感器数据中优先排序候选生物标志物
Google Research 发布了名为 Biomarker Discovery Framework 的多智能体系统，旨在从可穿戴传感器数据中优先排序候选生物标志物。该系统结合了假设生成、并行统计分析、模型训练、对抗验证和基于文献的推理，以加速生物标志物的发现过程，同时保持严格的统计严谨性和人类监督。
推荐理由：该研究提出了一种名为 Biomarker Discovery Framework 的多智能体系统，用于从可穿戴传感器数据中优先排序候选生物标志物，加速生物标志物的发现过程，同时保持严格的统计严谨性和人类监督。