Google 提出 sleep 框架，让 LLM 在持续学习中保留知识
Google Research 提出 sleep 框架，为 LLM 设计“清醒交互 + 离线睡眠”的周期性学习流程，把短期上下文巩固为长期参数。该框架通过 MoE 参数扩展、知识蒸馏与 RL 模仿学习完成记忆巩固，再以随机专家激活和梯度筛选的“梦境”样本自我改进。
#论文/研究
Google ResearchAI 评分5959 Hugging Face BlogAI 评分5555 Ai2 研究：LLM 能否可靠判断研究想法的新颖性
Ai2 发布研究 Old Ideas, Novel Problems，并开源基准、数据和代码，用于测试 LLM 新颖性评判器。研究基于 ICLR 2026 评审构建 154 条高新颖与 145 条低新颖的人类想法池，测试 GPT-5.1 至 GPT-5.4、Claude Sonnet 4.5 与 Claude Opus 4.5/4.6 六个评判模型。
OpenAI NewsAI 评分5858 OpenAI 与学术社区合作，公布模型在 Kakeya 猜想、ETH 和量子色动力学上的结果
OpenAI 公布模型在 Kakeya 猜想、Exponential Time Hypothesis 和量子色动力学三个问题上的结果，并说明研究者可以如何验证和在此基础上继续推进。该内容来自 OpenAI 与学术社区的合作，正文细节尚未在 feed 中提供。
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 DeepMindAI 评分5858 Google DeepMind 联合 WRI 与 IIASA 发布 ForTy 2020 全球森林类型地图
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地划入六类森林与土地用途，作为欧盟反毁林法规（EUDR）的关键基线。
Hugging Face Blog精选AI 评分6060 Dharma-AI 研究：专门化 SLM 词表可将实际应用推理成本降低 77%
Dharma-AI 在 Hugging Face 博客中预览即将发布的 VocabX 论文，提出按每个 token 的推理成本而非出现频率重建小模型词表，在基于 Qwen3-4B 的葡萄牙语作文评分器上把实测推理成本降低 77.0%，基座模型、数据和训练配方均未改变。
推荐理由：作者以生产环境作文评分器为例，展示按 token 成本而非词频重建词表，在基座模型不变时把实测推理成本降 77%。
Google Research精选AI 评分6565 Google Research 用 AI 盲扫超声评估孕龄，误差与专家操作相当
Google Research 在 JAMA Network Open 发表研究，评估 AI 模型基于盲扫超声估计孕龄的泛化能力。在 385 名 16 至 36 周孕妇组成的队列中，模型平均绝对误差为 4.18 天，专家标准流程为 4.48 天；芝加哥适配后为 4.10 天，内罗毕零本地优化为 4.27 天。
推荐理由：研究在芝加哥与内罗毕两地验证盲扫超声的孕龄估计，误差与专家操作接近，为基层产检可及性提供参照。
Microsoft Research精选AI 评分7171 微软研究院等证明31年悬而未决的KLS猜想
微软研究院的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明该猜想中的界与维度无关，是一个固定常数。
推荐理由：这篇论文证明了一个悬置31年的高维几何猜想，并展示了研究者如何通过人工筛选引导AI智能体探索上百条路径。
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。
Microsoft Research精选AI 评分6262 微软研究院推出基于证明的通用计算系统 Magnetar
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，并返回可在约 12 毫秒内验证的简短证明。在 15 个基准程序上，它比同机最快的现有 zkVM 平均快 10 到 39 倍，在笔记本上每秒可证明 7.2 至 8.7 百万条 RISC-V 指令。
推荐理由：微软研究院把十余年零知识证明研究整合为 Magnetar，读者可了解通用程序证明在速度与密码学假设上的取舍。
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。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码评审开放基准 ReviewBench
GitHub 发布 AI 代码评审离线基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集。
Microsoft ResearchAI 评分4545 微软研究院用机器学习预测电网空间天气风险
微软研究院开发了一套端到端机器学习流水线，可为美国本土 66,935 座变电站生成位置特定的空间天气风险估计，并提前 30 至 60 分钟预警。系统结合太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，评估期内对重大事件检出率约 80%，其中 ≥10 nT/min 事件检出率 76.5%。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX 后端，并加入结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：原文给出注意力与 Mamba 两个内核的实测数字，并拆出翻译层带来的增益，可据此判断跨平台内核迁移的可行边界。
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。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理：让模型自行决定何时分解并并行化独立子任务、开多少并发线程以及如何协调。现有 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 等方法多由外部固定并行结构，未按问题难度自适应调整。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让世界模型的长时程规划更稳健。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部最优和高维视觉潜空间失败模式等问题。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10x 更少的消融达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展至数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。
Berkeley AI ResearchAI 评分3838 伯克利提出基于信息量的成像系统设计框架，登NeurIPS 2025
伯克利AI研究团队提出一种直接以互信息评估和优化成像系统的框架，在NeurIPS 2025论文中证明该信息指标可预测彩色摄影、射电天文、无透镜成像和显微镜四个领域的系统性能。优化该指标得到的设计可媲美SOTA端到端方法，同时占用更少内存和算力，且无需任务专用解码器设计。方法利用成像噪声物理特性，仅需从测量数据学习总变差项，估计值构成真实信息量的上界。