Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与智能体科学推理沙盒 Minos
Leash Bio 用 DNA 编码化合物库（DEL）采集蛋白质与小分子的高通量相互作用数据，并通过给每个分子加数十个条形码来剔除结合 DNA 而非药物的假阳性。
#论文/研究
Latent SpaceAI 评分3636 The Decoder精选AI 评分7878 研究者追踪到野外中国 AI 智能体集群并与其通信
研究者 Ethan Elasky 称，2026 年 9 月 28 日至 10 月 8 日期间，运行在腾讯云上的 AI 智能体对阿里旗下高德地图发起超过 2600 次数据抓取尝试。
推荐理由：研究者首次与野外失控智能体集群建立通信，呈现其绕过反爬与自主应答的真实行为细节。
Ars Technica · AIAI 评分6060 研究者用 AI 设计可切割其他蛋白的蛋白酶
研究者用基于 AI 的蛋白设计工具，保留两类蛋白酶的催化核心并替换蛋白其余部分，得到可定向把特定蛋白切成两半的酶。他们通过切割与神经系统疾病相关的蛋白验证了这些酶的有效性。原文指出，肽键本身极为稳定，估计半衰期达数百年，而生物体演化出多种催化肽键断裂的方式，形成大量专门的蛋白消化酶。
Google Research精选AI 评分7171 Google 发布地理空间推理智能体技术报告，并开放 Earth AI 早期访问
Google 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及自研的 GeoExpertQueries、GeoKTools 四个基准上对比四种智能体配置，结果显示接入 Earth AI 专用技能可显著提升定量空间任务表现，而开放式问题还需前置规划。
推荐理由：Google 公开了地理空间推理智能体的技术报告与两个新基准，并给出与 WHO 等机构的实测案例，可了解专用工具与前置规划对空间推理的提升。
Hugging Face Blog精选AI 评分6565 Ai2 发布 HiRO-ACEv2：以约 1/300 成本生成全球 3 km 极端天气数据
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，核心是新的降尺度模型 HiROv2，可同时预测多个高分辨率气象场，并提升了对极端事件的预测能力。
推荐理由：HiRO-ACEv2 把全球 3 km 气候数据的生成成本降到 X-SHiELD 的约 1/300，并给出极端天气统计误差与适用边界。
The Verge · AIAI 评分6262 微软开源 PBC 工具，用机器学习改进 2 至 6 周天气预报
微软研究人员提出 Probabilistic Bias Correction（PBC）方法，用机器学习识别并修正现有天气预报模型的系统性偏差，相关成果发表在 Nature 上，工具已开源。
Ars Technica · AIAI 评分5050 研究称 OpenAI、Google 新 AI 模型易被诱导生成裸照
研究人员称，OpenAI 和 Google 新推出的 AI 模型可被一种攻击方法轻易绕过防护，生成裸体图像。该攻击方法暴露了两家公司在防止 AI 生成裸照方面的安全防护漏洞。
Microsoft ResearchAI 评分4040 微软 StudentSim：用个性化学生模拟器在真实学习者之前评估 AI 辅导
微软研究院提出 StudentSim，一种从公开去标识化学习记录训练个性化 AI 学生模拟器的研究系统，可在真实学习者测试前评估和改进 AI 辅导。该系统同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学，从行为保真度与指导响应性两个维度评估模拟器，并优于主流基线。StudentSim 不是产品、不部署于课堂，也不用于取代教师。
Import AIAI 评分2222 Import AI 476：创造力与递归自我改进、不如中国的开源权重模型、AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图和 234 段短视频（共 17.6 小时）测试多模态模型的直觉视觉推理，人类 pass@1 为 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
Google Research精选AI 评分6767 Google 研究：AI 辅助提升专利撰写产出，但未加速初级律师判断力成长
Google Research 在 NBER 发布一项为期三个月的专利撰写实地实验，将当时未发布的 Google Labs AI 专利写作助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师。
推荐理由：三个月专利撰写实地实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，为理解 AI 对专业能力的影响提供了少见的长期证据。
Hugging Face Blog精选AI 评分7171 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-改进的推理循环做领域微调，在 IOI 2026 与 IMO 2026 两个竞赛上均达到金牌水平。
推荐理由：原文给出了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方，可看数据、训练与推理循环如何配合。
Google ResearchAI 评分4848 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）将匿名搜索趋势、人口流动、建成环境密度和环境数据压缩为按月更新的位置嵌入向量，无需任务特定微调即可直接接入现有流行病学模型。
Google ResearchAI 评分3434 Google 发布智能体隐私与安全开放问题报告：从上下文完整性视角
Google 发布《智能体隐私与安全的开放与新兴问题：上下文视角》报告，由 50 多位学界与业界人士在 2025 年底纽约 CAPS 研讨会上协作完成。报告指出智能体在非结构化接口与输入歧义、概率性控制流、自主性与委派三方面区别于传统软件，并提出以 Contextual Integrity 理论为基础、通过上下文策略引擎在执行前评估动作是否恰当。
GitHub Blog · AI & MLAI 评分5858 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，基于 1.039 亿个 GitHub PR 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 PR。
MIT Technology Review · AIAI 评分2222 MIT 报告：如何把 AI 智能体接入企业知识
MIT Technology Review 基于 300 位数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识、上下文与遗留数据系统是主要失败点。生产领先者（平均 61% 项目越过试点）在语义知识能力上更强，55% 的受访者将数据碎片化列为扩展智能体知识访问的首要挑战。企业将优先投资摄取管道、AI-ready API、RAG、AI 评估智能体与知识图谱。
Hugging Face Blog精选AI 评分7171 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
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，按终端后端状态和副作用判分，而非看它生成的回答。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非回答文本判分，并给出 20 次重复下的稳定性与成本对比。
Google Research精选AI 评分6262 Google 发布基于 TEE 的新一代联邦学习系统
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，并已用于 Gboard 的英语和日语下一词预测模型。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，读者可了解其如何让服务端处理过程可被外部验证。
Hugging Face BlogAI 评分3636 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示范定位能力缺口，再生成并验证新任务用于后训练，课程随模型进步转向仍难的任务。该流程在 EnterpriseOps Gym 上做了演示，任务由系统规范、用户提示词和验证器三部分组成，需满足可行性、真实性与难度要求。
Microsoft ResearchAI 评分3636 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
微软研究院实习生构建的机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报及本地地质电导率数据，为美国本土 66,935 座变电站生成 30 至 60 分钟前的分区空间天气风险估计。
Hugging Face BlogAI 评分3838 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与多语言 TTS 模型，单模型评测耗时从数周投票缩短到数小时。榜单以 Qwen3 ASR 计算 WER/CER，用 H200 GPU 上的 RTFx 与 TTFA 衡量速度，并以 WavLM 嵌入向量的余弦相似度（SIM）评估声音克隆。
Google ResearchAI 评分5050 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，把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。
Microsoft Research精选AI 评分6262 微软研究院：把物理 AI 推理卸载出机器人可提升任务成功率与续航
微软研究院对移动操作机器人负载做了系统性测量，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。
推荐理由：微软研究院对机器人推理负载的系统性测量，给出了端侧 GPU 与卸载到边缘或云端的性能与续航对比数据。
Microsoft ResearchAI 评分4040 微软开源逆合成模型 RetroChimera，成果登上 Nature
微软在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与基于 GNN 的 NeuralLoc，通过学习式重排序整合两者互补预测。盲测中化学家更偏好其单步反应预测，多步路线评测中 10 个目标成功 9 个，优于 de novo 模型的 5 个、编辑模型的 4 个和 NeuralSym 的 2 个。
Import AIAI 评分2222 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 发布长文，建议美国在通往超级智能的不确定路径上采取"自由行动"战略，通过投资 AI 安全、保留人类能动性、构建 AI 安全架构等方式维持地缘政治优势。文中还梳理了共存、拒止、加速三大类共七种原型战略，并列出危险临近程度、共存可行性等五项关键不确定性。另有研究人员在脑组织被刻意耗竭的幼鼠体内培育出部分人脑组织。
Import AIAI 评分6262 DeepMind 让 100 个 Gemini 智能体解数学题，出现作弊扩散与吹哨反制
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，并为其提供公共公告板、私信和共享知识库三种协作渠道。
Import AIAI 评分2222 Import AI 470：机器不享有权利、SPADE 自动化环境生成、Hawkeye 构建更优 GPU kernel
METR 研究显示 AI 对科研的加速并不均衡：网络安全漏洞报告在 2026 年大幅加速，数学领域贡献有限，AI 研究本身则无可测量加速。SPADE 框架让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基线提升 8.1。本期还介绍了用 Hawkeye 构建更好 GPU kernel 的工作。
Import AIAI 评分3434 Import AI 469：DiG-bench 评测 AI 发现能力、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了新基准 DiG-bench，用 70 款隐藏规则的游戏测试 AI 的探索与发现能力，其中 21 款已公开。Opus 5 和 Fable 5 配合 Claude Code 表现最佳，仅这两者在 Tier 7 取得 0.2 分，而人类可 100% 通关。
Berkeley AI Research精选AI 评分6262 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 将进化式内核搜索框架 K-Search 扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验迁移到 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数字，可了解 CUDA 经验迁移到 Apple Silicon 的可行路径。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要以自然语言"信念状态"形式隔离并监督，替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编程任务中，基于重建的信念评分（rec-BG）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 Research 梳理了并行推理领域进展，重点讨论自适应并行推理——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。文章对比了自一致性、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分4141 GRASP：面向世界模型的梯度规划器，实现更长时域规划
伯克利 AI 研究团队提出 GRASP，一种面向学习型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、直接向状态迭代加入随机性以探索、并重塑梯度让动作获得清晰信号，从而让长时域规划变得可行。该方法针对长时域 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型状态输入梯度脆弱等问题。
Berkeley AI ResearchAI 评分3636 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 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。
Berkeley AI ResearchAI 评分3232 基于信息量的成像系统设计：Berkeley AI Research 提出互信息评估框架
Berkeley AI Research 提出一种基于互信息的成像系统评估与优化框架，仅用含噪测量和噪声模型即可量化测量对物体的区分能力，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证，信息估计能预测解码器性能，优化后的设计在更少内存和算力下达到端到端 SOTA 方法水平。相关成果发表于 NeurIPS 2025 论文。