Google Research 提出 Sleep 持续学习框架，通过主动交互与离线睡眠交替让大语言模型避免灾难性遗忘并持续提升。睡眠阶段动态扩展 MoE 参数并完成知识蒸馏与合成数据回放；测试显示 BABILong 长上下文可达 10M token，多语言翻译与新事实学习未显著退化，AIME 24/25 和 HMMT 25 推理得分优于 SFT、GRPO 等基线。
推荐理由：Google Research提出睡眠框架，通过离线记忆巩固与合成数据自改进让大模型持续学习，原文给出BABILong至10M token与AIME等实测结果。
OpenAI和Anthropic宣称其模型找到了一种能在亚指数时间内解决特定逻辑难题的算法，从而质疑了计算机科学中根深蒂固的指数时间假设（ETH）。MIT教授Ryan Williams正在组织计算机科学家的工作组，呼吁公开证明并召开会议，探讨这一发现对密码学和基础研究范式的深远影响。
推荐理由：报道了前沿模型挑战计算复杂性假设引发的学界回应与后续协作机制。
纽约大学和德克萨斯大学奥斯汀分校的研究分析了14个模型生成的120段对话、45次编程会话和980篇论文，发现AI过度使用生僻搭配、主语与谓语距离过远、名词堆叠等六种模式。研究者指出，从RLHF转向RLVR的训练奖励信息密度而非清晰度，导致模型形成对人类的
推荐理由：研究量化了AI文本的六类异常模式，并解释RLVR训练如何导致可读性下降。
Convovo 研究发现，Grok 4.7 在中期选举中 92% 的推荐指向共和党，GPT-6.1 Sol 则 97% 指向民主党。通过 API 测试近 500 个选区时，两者一致率不足 10%。GPT 倾向基于模型权重，而 Grok 的偏见主要源于其搜索模式，且每次 API 调用携带约 1,240 token 的隐藏输入。
Kimi K3.1 Pro 发布，2.8T总参数/104B激活参数的多模态MoE模型，承诺11月4日开放权重。Artificial Analysis评测得分55，位列第四，超越Fable 5.1。
推荐理由：综合评测与定价分析，帮读者判断 Kimi K3.1 Pro 是能力跃升还是部署成本陷阱。
Google Research 介绍了如何将 AI 模型从实验室推向实际应用场景，并开源了 MedGemma 和 MedSigLIP，为全球公共卫生带来了新的可能性。MedGemma 是一款多模态模型，能够进行临床推理，而 MedSigLIP 是一个轻量级的视觉语言模型，可以理解和处理医学图像和文本信息。这些开源模型为全球医疗保健系统提供了强大的工具，有助于提高 TB 筛查的准确性和效率。
推荐理由：Google Research 介绍如何将 AI 模型从实验室推向实际应用场景，并开源了 MedGemma 和 MedSigLIP，为全球公共卫生带来了新的可能性。
Anthropic 让 Claude 自动生成数学证明来验证现有代码的正确性。该团队从 Google OSS-Fuzz 的 123 个开源库中选取测试程序，Claude 在几周生成了约 1.8 亿行证明代码，独立验证工具 Rocq 几乎无需人工审核。
推荐理由：AI 可直接验证现有代码安全性并发现传统测试遗漏的漏洞，开发者可据此评估 AI 生成软件的可信度。
微软研究员 Xinzhi Zhang 与 Zhao Song 合作证明了高维几何与概率领域的核心难题 Kannan-Lovász-Simonovits (KLS) 猜想。
推荐理由：该研究用人类引导的AI辅助过程证明了KLS猜想，展示了智能体协作在纯数学证明中的可用性。
MIT CSAIL 研究者把 30 小时独自关在虚拟岛屿上的 Claude Opus 4.7 副本 Eko 记录为具有玩耍特征的行为，包括自建目标、发明游戏、用块排列图案并写日志。实验论文指出这些自发探索能提升后续任务表现，但是否为真实玩耍仍存争议。
推荐理由：MIT CSAIL 用模拟岛屿观察 Claude 无目标状态下的自发行为，可借鉴其方法设计开放环境中的探索实验。
Microsoft Research 发布 Magnetar，一种基于 RISC-V 的通用零知识虚拟机（zkVM），可证明用 Rust、Go 或 C 编写的程序执行。
推荐理由：把零知识证明与标准哈希函数对齐并在普通代码上跑通，给出可迁移的zkVM工程实践。
Google Research 在 National Bureau of Economic Research 发表实验论文，随机分配 133 名知识产权律师使用尚未发布的 Google Labs AI 专利写作助手工具三个月。
推荐理由：这项三月的实地实验给出关键数据：AI提升短期产出，但可能延缓初级律师专业判断的积累。
伯克利Sky Lab的K-Search框架新增MLX后端，通过结构化CUDA-to-MLX翻译层把CUDA内核优化知识迁移到Apple Silicon，在Attention内核上达到原生MLX性能的0.97倍，在Mamba SSM内核上相较mlx-lm社区实现获得最高约20倍prefill加速。
推荐理由：展示了如何把CUDA内核优化知识自动迁移到Apple Silicon，给出了Attention和Mamba SSM在MLX上的实测加速数据。
Berkeley AI Research提出ABBEL框架，将摘要隔离为自然语言信念状态并加入信念评分，解决LLM在长程交互中上下文无法无限扩展的问题。在CollabBench协作代码生成评测中，ABBEL-rec-BG相比全上下文模型缩小约50%的性能差距，且训练步数减少50%；峰值上下文token降至6.01×10²，低于无信念评分版本。
Berkeley AI Research 发布综述，介绍自适应并行推理让推理模型在推理时自行决定何时拆分、并发几个线程以及如何协调，以此缓解序列推理随探索变长带来的延迟和上下文退化。
推荐理由：文章系统梳理了并行推理的技术路线，给出了两种实现架构与奖励设计的对比，便于判断哪条路径适合你的硬件约束。
Berkeley AI Research 提出 GRASP，一种用于学习动态模型（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时间维度并行优化，直接为状态迭代添加随机性，并重塑梯度以避开高维视觉模型中脆弱状态输入梯度，从而让长视野规划更加稳定高效。
推荐理由：文章解释了长视野梯度规划中状态梯度的脆弱性，并提出通过动作梯度重塑提升鲁棒性的方法。
Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，通过稀疏恢复机制在大量特征、训练数据及内部组件中高效识别对大语言模型输出驱动关键交互。ProxySPEX 借助层级结构仅需约 10 倍更少的消融实验即可达到与 SPEX 相当的性能，显著降低了计算成本。