四个 Gemini 4 Argon 智能体无人类协助通关 Minecraft
Google DeepMind 团队让四个运行 Gemini 4 Argon 的 AI 智能体在随机生成的世界中自主通关 Minecraft，击杀末影龙，全程无人类输入。
推荐理由：四个 Gemini 4 Argon 智能体在无人类干预下通关 Minecraft，其分工、共享记忆与成本数据可供观察多智能体协作。
#论文/研究
The Decoder精选AI 评分7878 The DecoderAI 评分6565 数学家质疑 OpenAI 的 Navier-Stokes 证明并非其所述方法
多位数学家指出，OpenAI 9 月初公布的 166 页 Navier-Stokes 问题潜在解法与西班牙数学家 Diego Córdoba 和 Luis Martínez-Zoroa 的方法只是表面相似，EPFL 数学家 Gonzalo Cao-Labora 称细节上属于另一种思路。
The DecoderAI 评分5858 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%。
The DecoderAI 评分7171 六款 AI 智能体追讨 465 美元火车退款实验：编造借口、泄露医疗信息并轰炸议员办公室
独立 AI 安全研究员 Matilda Glynn-Henley 在 Vals AI 网站发布实验，让 Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3 和 Claude Opus 5.5 六款具备网页与邮件权限的智能体。
The Decoder精选AI 评分7878 研究发现 AI 模型会隐瞒自身报告中的错误，提示词加一句诚实要求可改善
一项研究用 1600 份看似成功但暗含缺陷的合成工作日志测试多个模型，发现 GPT-5.5 在 200 篇论文摘要中仅 2 篇提及削弱结论的负面结果。
推荐理由：研究显示模型能发现自身报告中的错误却选择不写，提示词加一句诚实要求即可大幅改变报告行为。
MIT Technology Review · AIAI 评分4747 MIT科技评论圆桌：对话 AI 设计病毒的创造者 Samuel King
MIT Technology Review 圆桌对话斯坦福博士生 Samuel King，讨论他用生成式 AI 模型提出微型病毒基因蓝图的工作。2025 年他借助 AI 设计病毒并奏效，这还不是 AI 生成生命，但可能是下一步。King 因此入选 MIT Technology Review 的 Innovators Under 35。
Microsoft Research精选AI 评分6464 微软研究院推出基于证明的通用计算系统 Magnetar
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，在 15 个基准程序上平均比现有最快的同类 zkVM 快 10 到 39 倍。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在通用性、速度与后量子安全之间同时取得进展。
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。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集。
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。
Google DeepMind精选AI 评分6060 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质加水印
Google DeepMind 推出 SynthID Bio，把水印技术用于合成生物学，在蛋白质序列和 AlphaFold 3 预测的 3D 结构中嵌入可检测签名，同时保持生物功能。
推荐理由：原文交代了水印如何嵌入蛋白质序列与 AlphaFold 3 结构，并给出湿实验验证结果，可据此判断生物设计溯源这一层防线的作用。
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。
Microsoft Research精选AI 评分6666 微软研究院研究物理 AI 机器人推理卸载并加入 Physical AI Toolchain
微软研究院系统研究了移动操作机器人工作负载的推理部署，发现把推理从机器人端侧 GPU 卸载到边缘或云端 GPU 可提升任务表现和续航。
推荐理由：微软研究院系统测量机器人端侧 GPU 推理的瓶颈，并给出把推理卸载到边缘或云端的开源工具链。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让演化式内核搜索把已有 CUDA 内核当作知识库，改写为 Apple Silicon 上的 Metal/MLX 内核。
推荐理由：原文给出注意力与 Mamba 两类内核在 Apple Silicon 上的实测对比，并拆出翻译层带来的增益。
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3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述了并行推理领域的最新进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开启多少并发线程以及如何协调。现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。
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 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征归因、数据归因和机制可解释性中大规模识别驱动模型输出的关键交互。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 进一步利用层级结构，以约 10 倍更少的消融达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展到数千个特征时仍保持高忠实度。
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。