跳到正文
#论文/研究
  1. The Decoder78

    GPT-6-Astra 在 TheoPhysEval 物理基准上解出 50 题中的 49 题，单题成本不到 3 美元

    一项新基准测试让市面可用的 AI 智能体在无人类提示下求解理论物理研究题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 50 题中的 49 题（98%），平均单题成本不到 3 美元，整套基准约 116 美元。

    推荐理由：读者可看到智能体在理论物理论文级计算上的实际得分、成本与失败模式，以及作者对科研训练和资源分配的影响判断。

  2. Microsoft Research62

    微软研究院发布 Magnetar：基于证明的通用计算 zkVM

    微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍，证明验证约 12 毫秒。

    推荐理由：微软研究院公开 Magnetar 的 zkVM 设计与基准，读者可了解零知识证明在通用程序上的速度与密码学取舍。

  1. Google Research60

    Google 发布地理空间推理智能体技术报告与两个新基准

    Google Research 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及自研的 GeoExpertQueries、GeoKTools 四个基准上对比四种配置，并开源两个新基准的开发集。

    推荐理由：Google 公开地理空间推理智能体的技术报告与两个新基准，并给出与 WHO 等伙伴的实测案例，可了解专用工具与前置规划对空间推理的作用。

  1. Google Research66

    Google Research 三个月实地实验：AI 辅助提升专利撰写产出，但初级律师无辅助判断力未见提升

    Google Research 在 NBER 发布一项针对 133 名专利律师的三个月实地实验，随机让三分之二律师提前使用当时未发布的 Google Labs AI 专利撰写工具（现属 Gemini Notebook）。

    推荐理由：三个月实地实验区分了AI带来的即时产出提升与无辅助判断力的变化，为评估AI对专业能力的影响提供了可参考的实验设计。

  1. Hugging Face Blog60

    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-改进的推理流程做领域微调，在 IOI 2026 和 IMO 2026 均达到金牌水平。

    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，可迁移到其他专业领域。

  1. Hugging Face Blog78

    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，而非看模型生成的句子。

    推荐理由：微软与 Hugging Face 联合发布的智能体评测环境，用后端状态而非模型自述来判定任务是否真正完成。

  1. Google Research62

    Google 发布基于 TEE 的新一代联邦学习系统

    Google 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远程验证和审计的保证，并已由 Gboard 采用。系统通过访问策略公开透明日志 Rekor、KMS 密钥管理与可复现构建，让外部审计者能核查服务端实际运行的代码；Gboard 已用其上线英语和日语下一词预测模型，训练时间从过去的 1-2 个月大幅缩短，瓶颈转移到服务端 TEE 资源。

    推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，并给出 Gboard 已上线的实际部署情况，可了解隐私可验证训练的一种工程路径。

  1. Microsoft Research62

    微软研究院：把机器人推理卸载到边缘或云端可提升任务成功率与续航

    微软研究院对移动操作机器人工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 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。

  1. Berkeley AI Research60

    从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon

    IBM Research 与 UC Berkeley Sky Lab 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核知识迁移到 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据，读者可据此判断 CUDA 经验能否复用到非 NVIDIA 硬件。

已经到底了