微软用合成企业数据评估 Copilot：从模拟租户到首个标准化评测基线
微软构建 Industry Evaluation Data Generation Platform，用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot，全程不使用客户数据。
#论文/研究
Microsoft ResearchAI 评分2828 Microsoft ResearchAI 评分2222 Microsoft Research Focus 第 97 期：ForkPilot、CABRA、TeleTune 与 Copilot 使用差异研究
Microsoft Research Focus 第 97 期介绍了多项新研究：自改进智能体框架 ForkPilot 在六个 benchmark 和主流模型上测试，达到现有最佳方法水平的同时将 AI 处理开销降低最多 59%。
Google ResearchAI 评分4747 Google Research 提出 sleep 框架：让 LLM 在持续学习中稳定保留知识
Google Research 提出面向持续学习的 sleep 框架，让 LLM 在“唤醒”交互与“睡眠”离线巩固之间循环，把短期上下文记忆写入长期参数。该框架结合 MoE 参数扩展、GKD 与 RL 模仿学习，可让模型持续习得新事实、保留最长 10M tokens 的上下文知识并提升复杂推理。睡眠阶段还通过随机专家选择与 RL 精修自生成样本来实现自我改进。
Hugging Face BlogAI 评分3434 Ai2 研究：LLM 能否可靠判断研究想法的新颖性？
Ai2 发布 Old Ideas, Novel Problems 研究，测试 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5 和 Claude Opus 4.6 六个 LLM 判断研究想法新颖性的可靠性。
OpenAI NewsAI 评分2222 OpenAI 与学术社区合作推进科学理解
OpenAI 公布其在 Kakeya 猜想、指数时间假设（ETH）和量子色动力学三个问题上的模型结果，并说明研究人员如何验证和在此基础上继续推进。
Hugging Face BlogAI 评分2222 LitPivot：在文献版图中动态情境化，辅助形成研究想法
Hugging Face 联合宾夕法尼亚大学开发了 LitPivot，一个帮助研究者在文献阅读中完成"文献触发的转向"的系统，通过 Asta Paper Finder 检索论文，围绕提案中被编辑的部分组织文献并给出带原文摘录的批评与修改建议。
Google DeepMindAI 评分3131 Google DeepMind 发布 ForTy 2020：10 米分辨率全球森林类型地图
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，将全球每 10×10 米地块划分为六类森林与土地利用类型，并同步提供 2017 至 2025 年的逐年变化时间序列。
Microsoft ResearchAI 评分4646 微软研究院用人类引导的 AI 智能体证明 31 年未解的 KLS 猜想
微软研究院张新志与合作者证明了 1995 年提出的 KLS 猜想，确立了对数凹分布与维度无关的普适几何原理。研究采用人类主导的智能体流程，AI 探索了 100 多种候选路径，最终通过递归改进将维度依赖完全消除。完整证明于 2026 年 10 月 4 日发布，另有独立团队同日给出完整证明，并已有 Lean 4 形式化验证。
Google ResearchAI 评分3232 Google Research 用 AI 辅助超声评估孕龄，盲扫法在肯尼亚与芝加哥实现专家级精度
Google Research 在 JAMA Network Open 发表前瞻性研究，其 AI 模型基于盲扫超声评估孕龄，平均绝对误差 4.18 天，与专家超声医师的 4.48 天达到临床非劣效。
Hugging Face BlogAI 评分3131 Hugging Face 推出 FairStress：评估 LLM 决策公平性的新基准
Hugging Face 发布 FairStress 基准，用于衡量 LLM 在招聘、贷款、医疗等决策中的群体公平性，覆盖 Olmo、Llama、Qwen、Gemma、Claude 和 GPT 系列模型。
Hugging Face BlogAI 评分5858 ALTK-Evolve 用学习型记忆让 GPT-4.1 客服智能体登顶 τ²-bench 零售榜
IBM Research 在 Hugging Face 博客发布 ALTK-Evolve：用 GPT-4.1 分析智能体在 τ²-bench 训练任务上的轨迹，把成功与失败蒸馏成简短行为规则追加到系统提示词，无需更新权重或人工标注。
Google ResearchAI 评分3434 Google Research 如何让 AI 智能体扎根真实湿实验室：VERID 框架与适配体闭环发现
Google Research 提出 VERID 框架，为实验室工作单元构建语义数字孪生，让 AI 智能体在动手前完成 3D 状态追踪、秒级虚拟试运行和硬件安全检查。
Hugging Face BlogAI 评分3636 NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 的 Indic 预训练数据集及开放数据生成流水线
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，其中原生文字 2,601.0 亿 token、罗马化 224.6 亿 token（按 Gemma-4 tokenizer 计）。
Microsoft ResearchAI 评分3434 微软研究院 Magnetar：基于哈希函数的通用零知识证明系统
微软研究院推出零知识证明系统 Magnetar，可证明用 Rust、Go 或 C 编写的程序，平均比此前最快的同类系统快 10 至 39 倍，且安全性仅依赖标准哈希函数。该系统让证明生成像运行程序一样常规，验证者可在毫秒内确认结果而无需重跑程序或信任执行方。Magnetar 是微软研究院十余年零知识证明实用化研究的最新成果，建立在 Spartan、Phalanx 等工作之上。
Hugging Face BlogAI 评分3434 HiRO-ACEv2：以约 1/300 成本实现 3 km 分辨率极端天气模拟
Hugging Face 发布 HiRO-ACE 系统更新 HiRO-ACEv2，其新降尺度模型 HiROv2 可同时预测多种高分辨率气象场，对百万分之一概率的极端事件统计误差在 3% 以内。该系统生成全球 3 km 气候数据的成本约为 X-SHiELD 的 1/300，仅需单一区域时可再省百倍以上。模型已开放下载，并提供网页 demo 与教程 notebook。
Microsoft ResearchAI 评分3434 Microsoft Research 推出 StudentSim：用个性化 AI 学生模拟器评估和改进 AI 辅导系统
Microsoft Research 提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，在辅导前为 AI 导师提供反馈信号。该工作同时发布 StudentSimEval 基准，从行为保真度和指导响应性两个维度评估模拟器，覆盖国际象棋、英语二语写作和数学三个领域，StudentSim 均优于主流基线。StudentSim 是研究系统，不部署于课堂，也不替代教师。
Google ResearchAI 评分5858 Google Research 三个月实地实验：AI 辅助提升专利撰写产出，但初级律师无辅助判断力未同步提升
Google Research 在 NBER 发布三个月实地实验，133 名专利律师中三分之二获得当时未发布的 Google Labs AI 专利撰写工具早期访问权。
Google ResearchAI 评分3636 Google Earth AI 的 PDFM 地理空间基础模型如何用于全球公共卫生
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，将自监督预训练的地点嵌入向量作为即插即用输入接入现有流行病学模型，无需任务特定微调。
Google ResearchAI 评分3131 Google 发布智能体隐私与安全开放问题报告：从上下文完整性切入
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，汇总 50 余位学界与业界专家在 2025 年底纽约 CAPS 研讨会的成果。报告指出智能体因非结构化输入、概率性控制流和自主委派而难以沿用传统软件的安全方法，主张以 Contextual Integrity 理论为基础构建上下文策略引擎，在系统沙箱、模型推理和用户控制多层协同防护。
Google ResearchAI 评分3131 Google 发布基于 TEE 的可验证隐私联邦学习系统
Google 宣布下一代联邦学习系统，利用 TEE 实现完全可验证、可审计的数据匿名化保证，Gboard 已采用该系统并获得比此前联邦学习系统更快的计算速度。系统通过访问策略公开透明日志 Rekor、KMS 策略校验和 Federated Language 编排实现端到端可验证，仅向工作负载运营方暴露指标和差分隐私模型权重。
Microsoft ResearchAI 评分3131 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可提前30-60分钟为美国本土66,935座变电站给出位置级空间天气风险估计，评估期内检出近80%的重大空间天气事件。系统结合AE与Dst指数预报、纬度、地质电导率及电网数据，Dst预测在2020-2026年评估期峰值活跃时段有62.2%的小时数优于Burton方程。
Google DeepMindAI 评分3232 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，可在不损害生物功能的前提下，把不可感知的签名嵌入蛋白质序列与 AlphaFold 3 预测的 3D 结构中。
Microsoft ResearchAI 评分3636 Microsoft Research 推出生物学科研系统 Quine
Microsoft Research 推出面向生物学复杂性的 AI 科研系统 Quine，由生物世界模型和连接科学工具、文献、湿实验室与研究者的交互框架组成。该系统与 Broad Institute 合作用于筛选预测可驱动肿瘤状态转变的化合物，多个排名靠前的候选物已在多项湿实验室实验中验证。
Berkeley AI ResearchAI 评分3636 ABBEL：让 LLM 通过信念状态更新实现高效长程交互
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，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 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 步降至 50 步，峰值 token 数也显著低于全上下文设置。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队系统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、开启多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild!
Berkeley AI ResearchAI 评分2222 GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以促进探索，并重塑梯度让动作获得清晰信号、避开高维视觉模型中的脆弱"状态-输入"梯度，使世界模型的长时程规划更稳健。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun 和 Amir Bar 合作完成。
Berkeley AI ResearchAI 评分3131 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 进一步利用层级结构，在约少 10 倍消融次数下达到 SPEX 同等性能。
Berkeley AI ResearchAI 评分2222 伯克利提出信息驱动成像系统设计框架，可跨四类成像任务预测性能
伯克利 AI 研究团队提出一种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信息含量，并在 NeurIPS 2025 论文中验证该指标能预测彩色摄影、射电天文、无透镜成像和显微成像四个领域的解码性能。优化该指标得到的设计可匹配 SOTA 端到端方法，同时所需内存和算力更少，且无需针对任务设计专用解码器。