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。
#数据/训练
The Decoder精选AI 评分7878
Latent SpaceAI 评分5858 Leash Bio 发布 Minos 预印本与开放数据集，用 DEL 数据做科学智能体强化学习
Leash Bio 的 Ian Quigley 在 Latent Space 访谈中透露，团队把多年积累的 DNA Encoded Libraries（DEL）数据转化为数万个 lab-in-the-loop 模拟环境，供智能体做可验证的科学推理与强化学习；两个月后该工作发展为 Minos，并发布完整预印本、博客和开放数据集。
Ars Technica · AIAI 评分6262 研究者用 AI 设计可切割其他蛋白的蛋白酶
研究者用 AI 蛋白设计工具保留两类蛋白酶的催化核心、替换其余部分，设计出能定向切割特定蛋白的酶，并用其切割与神经疾病相关的蛋白。肽键本身极为稳定，估计半衰期达数百年，而生物体内的蛋白酶能催化其断裂。原文未给出具体模型名称或实验数据。
Google Research精选AI 评分6060 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。
The Verge · AIAI 评分6060 微软开源机器学习工具 PBC，改进两到六周天气预报
微软研究院联合 MIT、ECMWF 等机构在 Nature 发表研究，提出概率偏差校正方法 PBC，用机器学习识别并修正现有天气预报模型的系统性偏差，而非新建独立模型，相关工具已开源。
Microsoft ResearchAI 评分4040 微软 StudentSim：用个性化学生模拟器在真实学习者之前评估 AI 导师
微软研究院推出 StudentSim，一个在真实学习者测试之前评估和改进 AI 导师的研究系统，它从公开的去标识化学习记录训练个性化学生模拟器，每个模拟器对应一名学生。
Google Research精选AI 评分6666 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。
Hugging Face Blog精选AI 评分6060 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。
Google ResearchAI 评分5050 Google Earth AI 的 PDFM 地理空间基础模型如何用于全球公共卫生
Google Earth AI 的 Population Dynamics Foundation Model（PDFM）将搜索趋势、人口流动、建成环境密度和环境决定因素压缩为位置嵌入向量，无需任务特定微调即可直接接入现有流行病学模型。
MIT Technology Review · AIAI 评分2222 如何将 AI 智能体接入企业知识
MIT Technology Review 基于对 300 名数据与 AI 高管的调研指出，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识、上下文与遗留数据系统是主要失败点。生产领先者（平均 61% 项目走出试点）在语义知识能力上更强，55% 的受访者将数据碎片化列为扩展智能体知识访问的首要挑战。企业将优先投资摄取管道、AI-ready API、RAG、AI 评估智能体与知识图谱。
Hugging Face BlogAI 评分4040 ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功示范，自动生成并验证新的可执行训练任务，随模型进步动态调整课程。该流程在 EnterpriseOps Gym 环境中演示，生成任务需满足可行性、真实性与难度三项要求，验证器则需保证一致性、可靠性与完整性。
Microsoft ResearchAI 评分3636 微软研究院用机器学习预测电网空间天气风险
微软研究院开发了一套机器学习流水线，利用太阳风观测、AE 与 Dst 指数预报及地质电导率数据，为美国本土 66,935 座变电站生成提前 30 至 60 分钟的位置级空间天气风险估计。在 2020-2026 年评估期内，该系统检测到近 80% 的重大空间天气事件，对 ≥10 nT/min 事件检测率达 76.5%，Dst 预测在 62.2% 的峰值活跃小时上优于 Burton 方程。
Microsoft ResearchAI 评分4040 微软在 Nature 发布 RetroChimera 逆合成模型并开源权重
微软在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式重排序整合两者互补预测，在盲测中化学家对其单步反应预测的偏好超过前代模型与文献反应。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互摘要
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务上，基于重建的信念评分（ABBEL-rec-BG）把与全上下文模型的差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也低于全上下文设置。