新基准 Taste-Bench 显示 AI 智能体长期决策能力不足
研究者提出 Taste-Bench，用智能体运行轨迹中的决策分叉点考察其长期决策质量，共 502 道二选一题。测试的 14 个模型中最好的 GPT-5.6 Sol 平均准确率 59.7%，GPT-5.5 为 59.5%，其余明显更低；当关键线索只在后续步骤才出现时，平均准确率降至 21%。
#数据/训练
The DecoderAI 评分5858
Latent SpaceAI 评分5858 Leash Bio 的 Ian Quigley 谈 DEL 数据与智能体科学推理环境 Minos
Latent Space 播客访谈 Leash Bio 的 Ian Quigley，讨论该公司如何用 DNA 编码库（DEL）收集蛋白质与小分子的高通量相互作用数据，并整理出干净可复现的数据用于大规模建模。
Ars Technica · AIAI 评分5858 研究者用 AI 设计可切割其他蛋白的蛋白酶
研究者用基于 AI 的蛋白设计工具，保留两类蛋白酶催化核心并替换蛋白其余部分，设计出可被调整以在特定位点切割目标蛋白的酶。他们用这些酶切割与神经疾病相关的蛋白，以演示其效果。原文指出，肽键本身半衰期可达数百年，而生物体通过蛋白酶催化其断裂。
Microsoft ResearchAI 评分3838 微软研究院 StudentSim：用个性化学生模拟器评估和改进 AI 辅导
微软研究院提出研究系统 StudentSim，用公开去标识化学习记录为每个学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导系统。研究同时发布覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，从行为保真度与指导响应性两个维度评测模拟器，StudentSim 在三项任务上均优于主流基线。该系统仅为研究用途，未部署于课堂，也不用于替代教师。
MIT Technology Review · AIAI 评分2222 MIT Technology Review 调研：知识缺口阻碍企业 AI 智能体落地
MIT Technology Review 基于 300 名数据与 AI 高管调研发现，企业平均仅约 34% 的智能体 AI 项目进入生产环境，遗留数据系统、安全隐私顾虑和知识与上下文缺失是主要失败点。
Microsoft ResearchAI 评分5858 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生 Rohan Kannan 构建了一套机器学习管线，利用 L1 拉格朗日点的太阳风观测和 AE、Dst 指数预报，结合纬度与地质电导率，为美国本土 66,935 座变电站生成提前 30 至 60 分钟的风险估计。
Microsoft Research精选AI 评分6969 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院推出 Quine，一个面向生物学的研究系统，由跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像的多模态世界模型和连接科学工具、文献与实验的交互框架组成。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与工具编排框架，并给出胰腺癌细胞状态预测的湿实验验证结果。
Berkeley AI ResearchAI 评分3838 ABBEL：通过信念状态更新让 LLM 高效完成长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言"信念状态"并对其内容进行监督评分。在协作编程基准 CollabBench 上，基于重建的信念评分把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，峰值上下文 token 数也明显低于全上下文设置。
Berkeley AI ResearchAI 评分4040 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中注入随机性以促进探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型梯度脆弱等问题，使基于梯度的长时程规划更稳健。
Berkeley AI ResearchAI 评分3838 伯克利提出基于信息量的成像系统设计框架，登NeurIPS 2025
伯克利AI研究团队提出一种直接以互信息评估和优化成像系统的框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力。该信息指标在彩色摄影、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，优化后设计可匹配SOTA端到端方法，且内存和算力需求更低、无需任务专用解码器。