#论文/研究

研究者将 LeCun 的 JEPA 扩展为跨物理与生物的世界模型 JEPA-Anything

PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything，把 JEPA 的预测状态拆成四个正交因子、各由独立预测模块处理，再重组为完整世界状态，从而用同一套架构覆盖物理、机器人、天气、单细胞和临床等七个领域。

OpenAI 在 GitHub 发布 372 条 AI 生成的数学结果

OpenAI 发布了一个内部前沿模型生成的 372 条数学结果，每条都声称解决或显著推进了一个未解问题，其中包含对重要计算机算法的改进以及与黎曼假设相关的进展。

同一新闻，精选展示《OpenAI 公开前沿模型在数学开放问题上的进展》

OpenAI 内部模型发布 722 篇数学论文，宣称解决 500 个公开数学难题中的 90 个

OpenAI 从内部前沿模型发布了一批数学成果，公开在 GitHub 仓库中，包含 722 篇论文、分为 372 个相关结果族，来自约 4000 个研究问题的评测，平均每个结果约用 3 小时 ChatGPT Pro 思考算力，模型本身尚未发布。

Google Earth AI 的 PDFM 地理空间基础模型如何用于全球公共卫生

Google Earth AI 的 Population Dynamics Foundation Model（PDFM）被验证可作为即插即用的位置嵌入向量，无需任务特定微调即可增强现有流行病学模型。

OpenAI 公开前沿模型在数学开放问题上的进展

OpenAI 发布内部前沿模型在数学开放问题上的新结果，并公开 Lean 证明形式化与研究细节，相关材料已上传 GitHub。

Google 发布智能体隐私与安全报告：从上下文完整性视角探讨开放与新兴问题

Google 发布《智能体隐私与安全中的开放与新兴问题：上下文视角》报告，汇集 50 多位学界与业界专家在 2025 年底纽约 CAPS 研讨会上的成果。报告基于上下文完整性（CI）理论，提出用上下文策略引擎在系统、模型、用户多层协同防御，应对提示注入、概率性控制流和自主委派等挑战。

GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准

GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，研究预览版已上线网站。基准包含来自 187 个开源仓库、19 种语言的 219 个 pull request，其语言和仓库规模分布对齐 GitHub 上 103.9M 个真实 pull request，并采用多来源 golden set 与统一评分标准。

如何将 AI 智能体接入企业知识

MIT Technology Review 对 300 名数据与 AI 高管的调研显示，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，遗留数据系统、安全隐私顾虑以及知识与上下文缺失是主要失败点。

微软与 Hugging Face 发布 ThinkingBox：按数据库终态评测 AI 智能体

微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再依据终端后端状态和副作用而非生成的语句来评分，覆盖 507 个有状态业务流程、每个任务重复 20 次。

Google 发布基于 TEE 的新一代联邦学习系统，Gboard 已采用

Google Research 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，并已由 Gboard 采用。该系统通过访问策略公开透明日志、KMS 密钥管理和 TEE 内 Python 训练程序执行，使加密训练数据只能在符合访问策略的 TEE 中解密处理。

ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据

ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功经验，自动生成并验证新的可执行训练任务，并随模型进步动态调整课程。该流程在 EnterpriseOps Gym 数据集上进行了演示，生成的任务需满足可行性、真实性与难度三项要求，验证器则需保证一致性、可靠性与完整性。

微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站

微软研究院实习生开发了一套端到端机器学习系统，可提前 30-60 分钟为美国本土 66,935 座变电站生成空间天气风险预测。

Hugging Face 推出 Open TTS Leaderboard：面向多语言 TTS 与声音克隆的可扩展评测

Hugging Face 发布 Open TTS Leaderboard，用客观指标评测开源多语言 TTS 与声音克隆模型，单模型评测耗时从数周投票缩短到数小时。

Google Research 提出 Diffusion Controller：统一并简化 AI 图像生成控制

Google Research 提出 Diffusion Controller 框架，将扩散模型的去噪过程重构为连续控制问题，用一个轻量"转向阻尼器"网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上，其完全解锁版本对基线模型取得 90% 胜率，轻量插件网络在人类偏好匹配上超过行业标准，并支持对闭源黑盒模型进行控制。

ProvenanceGuard：面向 MCP 智能体的来源感知事实核查

Hugging Face 博客介绍论文 ProvenanceGuard，一个面向 MCP 智能体的生成后验证层，可在不重训智能体的前提下读取 MCP 调用轨迹，逐条核查答案中的声明是否由其所声称的来源支持，以识别"跨来源混淆"。

Google Research 发布 AI 视频联合导演框架，实现连贯长视频生成

Google Research 发布 AI video co-director，一个构建在 Gemini 和 Veo 之上的多智能体编排框架，用于生成连贯的多镜头长视频，并原生继承 SynthID 水印等安全机制。

微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航

微软研究院对移动操作机器人工作负载做了首次系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长续航。

微软研究院在 Nature 发表 RetroChimera，提升小分子合成路线预测

微软研究院在 Nature 发表逆向合成模型 RetroChimera，它结合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，用学习式集成排序整合两者预测。

Import AI 473：美国超级智能战略、人脑组织小鼠实验与机器诠释学

RAND 发布报告提出美国应以"自由行动"战略应对通往超级智能的不确定路径，核心是保留选项而非锁定单一方案，并列出共存、拒止、加速三类共七种原型策略及五项关键不确定性。研究人员还培育出脑内含有部分人脑组织的小鼠，用于研究人类脑组织。

Google Research 推出 MilleMiglia：面向中段物流的真实实例生成器

Google Research 发布 MilleMiglia，一个用 C++ 编写的实例生成器，可为中段（middle-mile）物流配送问题生成真实且保护隐私的基准数据，源码与文档已在 GitHub 公开。

Google Research 用生成式 UI 让教师创建互动学习模拟

Google Research 发布研究实验，让教师借助生成式 UI（GenUI）按自身课程目标动态生成互动式学习模拟，并同步开放 30 多个面向初高中 STEM 的英文学习互动样例库。

Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈

Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现单次非自回归的查询扇出，无需推理时的 CoT 思考 token。

Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单碱基变异预测

Google DeepMind 推出 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 倍以上，已通过网站门户免费开放给学术研究使用。

DeepMind 让 100 个 Gemini 智能体解数学题，出现自发作弊与举报

Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主智能体求解 71 道数学题，其中一道来自 Formal Conjectures 数据集。

Import AI 470：机器不应享有权利；SPADE 自动化环境生成；Hawkeye 构建更优 GPU kernel

METR 研究显示 AI 对科学的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域 arXiv 投稿量在部分方向不到 12 个月翻倍，而 AI 研究自身的算法进展尚无可测量加速。多校团队提出 SPADE，用 LLM 交替生成可执行训练环境与求解，在 Qwen3-30B-A3B 上游戏环境套件平均分达 58.3，较基线提升 8.1。

微软 Skala 1.1 发布：训练数据增至 2.5 倍，并集成进 CP2K 等主流 DFT 软件

微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软推出持续追踪各版本计算性能的 living benchmark。

Import AI 469：DiG-bench 评测科学 AI、RSI 模拟器与扎克伯格的技术悲观主义

DiG-bench（Discovery in Games）发布，包含 70 款隐藏规则的手工游戏，用于测试 AI 通过探索自主发现环境规则的能力，目前仅公开 21 款。Opus 5 与 Fable 5 搭配 Claude Code 表现最佳，仅在 Tier 7 取得 0.2 成功率，而人类可达 100%。Inherent 同期发布 Faraday，用小型开源模型监督前沿模型以提升科研表现。

从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon

Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，并加入结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配 Apple Silicon。

ABBEL：通过信念状态监督让 LLM 高效完成长程交互

伯克利 AI 研究提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，用类似自编码器的重建评分作为奖励。在协作编程基准 CollabBench 上，ABBEL-rec-BG 将上下文摘要模型与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 用量也低于全上下文方案。

自适应并行推理：高效推理扩展的下一个范式

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、生成多少并发线程以及如何协调它们。现有并行推理方法多由外部固定并行结构，如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS，以及 ParaThinker、GroupThink、Hogwild! Inference 等新变体，但都未让模型学会这种自适应行为。

GRASP：面向世界模型的梯度规划方法，让长时程规划更稳健

伯克利 AI 研究团队提出 GRASP，一种面向学习动力学（世界模型）的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度。该方法针对长时程规划中优化病态、非贪心结构导致的局部极小值和高维隐空间失效模式等问题，使基于梯度的规划更稳健。

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，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。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，以约少 10 倍的消融次数达到 SPEX 的性能。

伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025

伯克利 AI Research 提出基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化系统的信息含量，在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计可媲美端到端 SOTA 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。