微软研究：清空对话历史可让 AI 智能体找到更好方案
微软研究院一项研究提出 Fork-and-Flush 方法，让长时运行的 Autoresearch 智能体在保留工作区文件的同时清空对话上下文并分叉出 K 条并行分支，以跳出反复收敛到相似解的 idea basins。
#数据/训练
The DecoderAI 评分7171 The DecoderAI 评分6262 Sakana AI 与 UC Berkeley 提出 MASS 自改进方法，解题与评判能力提升但存在共享盲点
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS），让同一个语言模型同时承担解题、优化工作流和评判结果三种角色，实现递归自我改进。
Microsoft ResearchAI 评分3636 微软 StudentSim：用个性化学生模拟器在真实学习者测试前评估 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，表现优于领先基线。StudentSim 并非产品，不部署于课堂，也不用于替代教师。
Import AIAI 评分2222 Import AI 476：AI 创造力与递归自我改进、开源权重模型表现逊于中国、AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense 基准，用 522 道题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6666 Google Research 三个月实地实验：AI 辅助提升专利撰写产出，但未改善初级律师的无辅助判断力
Google Research 在 NBER 发布专利撰写三个月实地实验，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：三个月实地实验区分了AI带来的短期产出提升与无辅助判断力的变化，为理解AI对专业能力养成的影响提供了少见的长期证据。
Hugging Face Blog精选AI 评分6262 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-改进的推理循环做出两个专精系统，在 IOI 2026 与 IMO 2026 均达到金牌线。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可看到领域专精与推理循环如何配合。
Google ResearchAI 评分4040 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）将搜索趋势、人口流动、建成环境密度和环境决定因素压缩为位置嵌入向量，无需任务特定微调即可接入现有流行病学模型。
MIT Technology Review · AIAI 评分2222 如何将 AI 智能体接入企业知识
MIT Technology Review 基于对 300 名数据与 AI 高管的调研指出，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。
Hugging Face BlogAI 评分3838 ServiceNow CoreAI 提出 AutoSynthData：把企业智能体的能力短板转化为训练数据
ServiceNow CoreAI 构建了 AutoSynthData，用目标模型的失败案例和更强教师的成功案例定位能力缺口，再生成并校验新任务用于后训练。每个任务由系统规范、用户提示词和验证器组成，需满足可行性、真实性与难度要求，并随模型进步动态调整课程。该流程在 EnterpriseOps Gym 数据集上做了演示。
Microsoft ResearchAI 评分3232 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流水线，利用 L1 太阳风数据预测 AE 和 Dst 指数，为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
Microsoft Research精选AI 评分6262 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据训练的生物世界模型，以及连接模型、科学工具、文献与实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
Microsoft ResearchAI 评分3636 微软开源逆合成模型 RetroChimera，论文登上 Nature
微软研究院在 Nature 发表逆合成预测模型 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，在常见与罕见反应类别上均表现强劲。
Google ResearchAI 评分2424 Google 推出 MilleMiglia：面向中程物流的真实实例生成器
Google 发布 MilleMiglia，一个用 C++ 编写的实例生成器，可为中程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。中程物流承担区域乃至洲际配送中心间的大宗货物流转，成本占比高却长期缺乏公开高质量数据，因为物流企业视网络拓扑与需求量为敏感专有信息。该生成器将中程配送建模为时空图上的多商品流问题，以捕捉货物在多个车辆间转运、需在时间窗内衔接的同步约束。
Google ResearchAI 评分5858 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，让教师基于课程目标生成可交互的教学模拟，采用为学习优化的生成式 UI（GenUI），并内置分层提示、反馈与解答等脚手架。
Import AIAI 评分2222 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：网络安全漏洞报告率在 2026 年大幅加速，数学领域贡献有限，AI 研究本身则无可测量的加速。SPADE 通过自博弈让 LLM 交替生成可执行训练环境和求解，在 Qwen3-30B-A3B 上游戏环境套件平均分达 58.3，较基座提升 8.1。
Import AIAI 评分3838 Import AI 469：DiG-bench 测试 AI 发现能力、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 介绍了新基准 DiG-bench，用 70 款隐藏规则的游戏测试 AI 自主发现环境规律的能力，Opus 5 和 Fable 5 搭配 Claude Code 表现最佳，但仅能在最难的 Tier 7 完成 0.2 的任务，而人类可达 100%。
Berkeley AI ResearchAI 评分3333 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互摘要
Berkeley AI Research 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 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 研究团队梳理了并行推理领域进展，指出当前方法多由外部预设并行结构，模型无法自主决定何时分解任务、开多少线程。文章对比了自一致性、Best-of-N、Tree/Graph of Thoughts、MCTS 以及 ParaThinker、GroupThink、Hogwild! Inference 等方案，认为自适应并行推理是高效推理扩展的下一步方向。
Berkeley AI ResearchAI 评分3737 GRASP：面向世界模型的基于梯度的长时程规划方法
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的基于梯度的规划器，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。该方法旨在解决长时程规划中优化病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题。
Berkeley AI ResearchAI 评分2929 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 研究团队提出一种直接基于信息量评估和优化成像系统的框架，用互信息统一衡量分辨率、噪声与采样等因素，并仅从含噪测量和已知噪声模型中估计信息量。该框架在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化出的设计可媲美端到端方法，且内存与算力需求更低、无需任务专用解码器。相关成果发表于 NeurIPS 2025 论文。