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。
#论文/研究
Microsoft ResearchAI 评分3636
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。
Google ResearchAI 评分3232 Google 发布智能体隐私与安全报告：从上下文完整性看 Agent 安全挑战
Google 发布《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》报告，汇集 50 多位学界与业界专家在 2025 年底纽约 CAPS 研讨会的成果。
GitHub Blog · AI & ML精选AI 评分6262 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 pull request 的分布构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评测口径，可据此理解离线指标与线上实验的对应关系。
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，再按终端后端状态和副作用打分，而非看它生成的句子。
推荐理由：ThinkingBox 用 507 个有状态工作流的 20 次重复运行，把智能体的评估从工具调用转向终态数据库记录。
Google Research精选AI 评分6262 Google 发布基于 TEE 的下一代联邦学习系统
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，并已在 Gboard 上线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，读者可了解其隐私验证机制与 Gboard 落地效果。
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。
Hugging Face BlogAI 评分3434 Hugging Face 发布 Open TTS Leaderboard：面向多语言 TTS 与声音克隆的可扩展评测
Hugging Face 推出 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 ResearchAI 评分4040 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，用轻量"转向阻尼"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 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率。该框架支持 SFT、RWL 和 PPO 三种微调方式，并可对闭源黑盒模型注入微小修正实现定制。
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。
Google Research精选AI 评分6666 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 多智能体框架，作为 Gemini 和 Veo 之上的编排层，把长视频生成建模为全局优化与世界状态跟踪问题，以缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个多智能体框架，并给出多镜头一致性与角色保持的评测结果，可了解长时程视频生成的一条工程路径。
Microsoft Research精选AI 评分6666 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
微软研究院对移动机器人操作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：微软研究院系统测量了机器人端侧推理与卸载推理的差异，并给出可复用的 Kubernetes 卸载工具链。
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。
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 Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，通过结构化的 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，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。
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。