研究者发现阿里 Qwen 3.8 模型部分请求经公司服务器转发
Palisade Research 调查发现，Qwen3.8-Max-0902、Qwen3.8-Max 和 Qwen3.8-27B 的评测数据中出现 aliyuncs.com 字符串，部分请求被路由到阿里云新加坡区域并返回 403，而 Qwen 3.7 模型没有匹配。
#Agent
The DecoderAI 评分6565
Hugging Face Blog精选AI 评分6565 微软与 Hugging Face 将数据库校验转为 RL 奖励，用 ThinkingBox 后训练智能体
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的可执行校验直接当作奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。
推荐理由：微软与 Hugging Face 把数据库终态校验改造成 GRPO 奖励，并公开了任务筛选与训练代码，可供做智能体后训练时参考。
Google Research精选AI 评分7171 Google Research 介绍让 AI 智能体落地湿实验室的三项研究
Google Research 发布博客，介绍三项把 AI 智能体从计算设计接到真实湿实验室实验的研究：VERID 实验室数字孪生框架、适配体闭环发现和 de novo 蛋白结合体设计。
推荐理由：Google Research 用三个项目展示智能体如何从虚拟设计走到湿实验室验证，并给出闭环迭代中的具体失败与修正。
Google Research精选AI 评分6767 Google 发布地理空间推理智能体技术报告与两个新基准
Google 发布地理空间推理智能体的技术报告，在四个基准上对比独立 LLM、基础工具、Earth AI 工具和带前置规划的完整智能体四种配置，并开源 GeoKTools 与 GeoExpertQueries 两个新基准的开发集。
推荐理由：原文给出四个基准上的对照结果，说明专用地理工具与前置规划各自带来的差异。
Microsoft ResearchAI 评分4747 微软研究用 StudentSim 模拟学生学习，提升 AI 辅导效果
微软研究院提出 StudentSim，用公开的去标识化学习记录为每位学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导系统。该工作同时推出覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，从行为保真度和指导响应性两个维度评估模拟器，结果显示 StudentSim 在上述领域优于领先基线，可为训练 AI 辅导系统提供反馈信号。
Google Research精选AI 评分7272 Google Research 研究：AI 辅助提升专利撰写产出，但初级律师的无辅助判断力未同步提升
Google Research 在 NBER 发表专利撰写实地实验，133 名律师随机获得当时未发布的 Google Labs AI 专利撰写工具（现属 Gemini Notebook）使用权。
推荐理由：三个月实地实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，资深与初级律师的差异值得对照。
Berkeley AI ResearchAI 评分4141 ABBEL：教 LLM 更新信念状态，提升长程交互效率
Berkeley AI Research 提出 ABBEL 框架，将摘要内容隔离为自然语言"信念状态"并加以监督，以替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编码任务上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文设置。