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。
AI2 发布 NoveltyBench 基准评估大模型判断科研 Idea 新颖性的可靠性。研究表明不同大模型（GPT-5.1 到 Claude Opus 4.6）在评判 AI 生成科研 Idea 的新颖性时，仅通过微调 prompt 就能导致准确率在同一个 Idea 上暴跌超过 50 个百分点。
推荐理由：文章提供了衡量 LLM 评判科研 Idea 新颖性稳定性的基准工具，展示了 prompt 微小改动如何让准确率暴跌超过 50 个百分点。
OpenAI 分享模型在 Kakeya 猜想、指数时间假设和量子色动力学上的研究成果，并说明研究者如何验证和在此基础上推进工作。
推荐理由：原文披露OpenAI在Kakeya猜想、指数时间假设和量子色动力学上的模型结果，并给出学术验证与复现路径。
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。
Hugging Face 发布 LitPivot，一个帮助研究者通过文献阅读调整研究方向的研究构思系统。该系统通过 Asta Paper Finder 检索文献，将研究方案拆分为问题、贡献和评估三个层面进行动态关联与批评支持。在 17 名研究者的实验中，专家评分显示经 LitPivot 打磨的研究想法在文献支撑度、新颖性和实用性上均优于基线工具。
Google DeepMind、Google Research、WRI和IIASA联合发布Forest Typology 2020（ForTy 2020），提供10米分辨率全球森林类型地图，并将2017至2025年的早期时序数据同步开放在Google Earth Engine。
推荐理由：ForTy 2020地图配合2017至2025年时序数据，可在10米分辨率下区分森林类型并追踪变化，帮助监管和供应链溯源。
Hugging Face 博客介绍了即将发布的 VocabX 方法，通过按生成 token 与输入 token 的不同推理成本对词表进行特化，在基于 Qwen3-4B 的葡萄牙语作文自动评分器上把输出 token 从 350 降至 101，实测推理成本下降 77.0%，评分基准从 0.703 提升至 0.810。
推荐理由：原文用生产数据说明词表如何按生成成本加权优化，读者可据此评估推理成本压缩的方法。
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。
Google Research 与合作方在 JAMA Network Open 发表研究，评估基于盲区扫查的 AI 模型估算孕周的能力。模型仅在芝加哥 120 名参与者的小样本上微调，并在芝加哥与内罗毕两个临床站点进行前瞻性测试，在 385 名 16 至 36 周孕妇中实现了平均绝对误差 4.18 天的精度，达到与专家超声测量的非劣效性。
推荐理由：在芝加哥与内罗毕两处临床环境中验证了盲区扫查AI估测孕周的精度，为全球低资源地区扩大孕产超声覆盖提供了可复用的技术证据。
NVIDIA 发布 Cosmos3-H-Dreams，面向腹腔镜胆囊切除术的交互式生成手术模拟器。模型基于 Cosmos 3，通过老师到学生蒸馏与 FlashDreams 加速，支持在单卡 NVIDIA RTX PRO 6000 上实时推理。
推荐理由：NVIDIA 把 Cosmos 系列能力拓展到腹腔镜手术场景，模型支持多步蒸馏与 FlashDreams 流式推理，开发者可在 RTX PRO 6000 上体验实时交互模拟。
Hugging Face官方博客发布ALTK-Evolve，用gpt-4.1学习并应用行为准则，在τ²-bench零售任务取得Pass^4 67.5%，超过所有零售条目；使用gpt-5.5时航空任务达82.0%，超越前沿模型。该方法仅通过提示词注入学习到的准则，无需权重更新或人工标注。
Allen AI 推出 FairStress 基准，通过 300 个真实场景和超过 1300 万测试用例，评估 LLM 在招聘、信贷等高风险决策中面对对抗性前缀时的选择稳定性。研究发现 Claude Opus 5 和 GPT-5.5 等前沿模型在相同论证下，更容易放弃正确选择以迎合少数群体编码的候选人，这种隐性偏见在固定选项评测（如 BBQ）中往往被掩盖。
推荐理由：原文揭示了主流模型在对抗性提示下的隐性反刻板印象偏差，并提供了可复用的FairStress-Core基准。
Google Research 发布三项研究，展示AI智能体在湿实验中的闭环学习能力。VERID框架提供语义数字孪生，支持3D状态追踪、虚拟试运行和硬件安全检查。适配体实验中，智能体经三轮迭代将针对肌红蛋白和α-凝血酶的命中率达33.5%和42.1%。蛋白质结合剂设计通过表位切除优化加速折叠计算，实现单纳摩尔亲和力结合剂，人机协作几乎将命中率提高一倍。
推荐理由：原文展示了闭环学习让AI智能体自主设计DNA适配体和蛋白结合剂的实际效果。
NVIDIA 联合 IIT Madras 与 AI4Bharat 发布 Nemotron-pretraining-Indic-v1 语料库及开源 GPU 加速数据生成流水线，即将在 Hugging Face 开放。
推荐理由：公开2.8万亿token印地语语料和复用的GPU加速生成流程，开发者可直接复用或微调以构建本土语言模型。
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。
Hugging Face 发布 HiRO-ACEv2，能在约 1/300 于 X-SHiELD 的成本下生成全球 3 公里分辨率气候数据，可同时预测高降水、风和气压场，极端事件统计误差在 3% 以内，并对未见过的热带气旋也保持合理能量估计。模型配套下载链接、教程笔记本和可视化 Web Demo，但当前仍只适用于与 X-SHiELD 对齐的 ACE 版本。
推荐理由：给出了HiRO-ACEv2对极端天气的模拟精度、成本节省比例和输出能力变化，读者可据此判断它对气候模拟工作流的实际价值。
Microsoft Research 发布 StudentSim，通过训练个性化 AI 学生模拟器来辅助 AI 辅导系统的研发与评估。该系统基于公开的去标识化学习记录，在象棋、英语写作和数学任务上能有效模拟学生行为及接受指导后的变化，为模型迭代提供早期研究信号。
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。
微软亚洲研究院开源 Agent Lightning v1.0，是一套约 3500 行代码的轻量 Agentic RL 框架。它通过 Harnessed Agentic RL 范式让部署用的智能体 harness 直接参与训练，并在 Agent 与模型之间加入 LLM 代理来观察和记录调用。
推荐理由：原文给出了轻量架构和真实 harness 接入方式，读者可以据此复用该框架训练自己的代码智能体。
Google Research 发布论文，以地球AI的人口动态基础模型（PDFM）为概念验证，展示其无需微调即可提升多种疾病预测任务的表现。
推荐理由：论文验证了地理空间基础模型在多国多病种场景的可迁移性，为公共卫生决策提供了可落地的数据替代方案。
Google Research 发布关于自主智能体隐私与安全的研究报告，提出将 LLM 与语境完整性理论结合，构建可实时动态生成策略的上下文策略引擎。报告倡导系统级沙箱、模型推理、用户控制和生态治理的多层方法，并呼吁建立标准化的多智能体基准和开源沙箱以评估隐私与安全。
推荐理由：报告提出了基于语境完整性理论的上下文策略引擎，为自主智能体的隐私与安全治理提供了多层级的研究路径。
Google Research 发布《Toward provably private learning from federated data》，介绍新一代联邦学习系统把训练和去匿名化计算放在可信执行环境中，并通过 Rekor 公共透明日志、可重复构建和访问策略绑定来提供外部可验证的隐私保证。
推荐理由：文章给出了新一代联邦学习系统的完整设计，将 TEE 的远程验证与访问策略绑定，读者可以据此理解可审计隐私的技术路径。
Google DeepMind 介绍 SynthID Bio，把不可见的数字水印嵌入合成蛋白质序列的氨基酸选择和预测3D结构的原子坐标中。测试显示在 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 等靶点上保持结合活性与野生型相似度，并把能力写入 AlphaFold 3 扩散网络的局部微调中。
推荐理由：将可验证的数字水印嵌入蛋白序列与3D结构且不影响生物活性，为AI设计生物学提供新的溯源与筛检手段。
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。
Berkeley AI Research 在 NeurIPS 2025 提出信息驱动成像系统设计框架。该方法仅利用含噪测量值和噪声模型估算互信息，避免传统指标割裂评估或需联合训练解码器的复杂性问题。IDEAL 方法通过梯度上升优化编码参数，在彩色摄影、射电天文、无透镜成像和显微术四个领域验证了信息量与下游性能的相关性。代码已开源。
推荐理由：提出直接基于噪声测量值评估成像系统信息量的方法，无需解码器即可优化硬件设计。