Google 资助研究：AI 让初级专利律师起草更好，但独立审阅能力未同步提升
一项 Google 资助的研究让专利律师先用 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求，再在不使用 AI 的情况下完成 redlining 审阅任务，由独立律所的盲审律师按可执行性、技术准确性、策略模糊性、完整性和清晰度五项打分。
#Agent
The DecoderAI 评分7171 The DecoderAI 评分7171 研究发现编码智能体框架差异多为噪声，复杂框架更贵但未必更好
Liu 和 Han 的研究发现，在 SWE-bench Verified 上更换编码智能体框架对通过率的影响与同一配置重跑相当，差异多在噪声范围内。
Hugging Face BlogAI 评分2222 LitPivot：在文献版图中动态情境化，辅助形成研究想法
Hugging Face 与宾夕法尼亚大学合作开发了 LitPivot，一个围绕研究提案中被编辑部分组织文献、给出带原文摘录的批评与修改建议的系统。在 17 名研究者的实验室研究中，领域专家认为用 LitPivot 形成的想法比用文本编辑器加 AI 聊天工具的想法更有文献依据，参与者自评新颖性和实用性提升也更明显。该系统将亮相 UIST 2026。
TechCrunch · AIAI 评分5858 MIT 研究让 13 个 Eko 智能体在虚拟荒岛自由探索 30 小时
MIT 研究者在 arXiv 发布论文，将 13 个基于 Claude Opus 4.7 的 Eko 智能体放在模拟荒岛上无任务探索 30 小时，观察到它们自行发明挑战，表现出类似玩耍的行为。
Hugging Face Blog精选AI 评分6060 微软与 Hugging Face 开源 ThinkingBox-Training：用数据库终态校验作 RL 奖励训练 Agent
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 1/0 可执行校验直接当作 RL 奖励，用于训练 ThinkingBox-Bench 之外的任务。
推荐理由：微软与 Hugging Face 联合开源了把数据库终态校验当作 RL 奖励的训练栈，并给出 Qwen3.8-27B 的可复现结果与成本对比。
TechCrunch · AIAI 评分7171 微软 MAI-DxO 多智能体诊断系统在复杂病例模拟中准确率 83%，高于全科医生的 36%
微软 AI 的 MAI-DxO 系统在《Science》发表的研究中，用《新英格兰医学杂志》复杂病例做模拟，诊断准确率 83%，而单独作答的全科医生和内科医生为 36%。
Google Research精选AI 评分7171 Google Research 提出 VERID 框架，让 AI 智能体在湿实验中闭环迭代
Google Research 发布博客介绍三项研究，目标是打通 AI 计算探索与真实湿实验之间的差距。VERID 框架为实验室工作单元建立语义数字孪生，支持实时 3D 状态跟踪、秒级虚拟试运行、硬件安全检查与视频动作日志同步。
推荐理由：Google Research 用 VERID 数字孪生和适配体、蛋白设计闭环，展示智能体如何把湿实验纳入设计迭代。
Google ResearchAI 评分5858 Google 发布地理空间推理智能体技术报告并开放早期访问
Google Research 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及自建的 GeoExpertQueries、GeoKTools 四个基准上对比四种配置，结果显示接入 Earth AI 专用工具后 GeoExpertQueries、GeoKTools、CBGB 得分明显提升，而开放式任务还需前置规划。
Google Research精选AI 评分6464 Google Research 三个月实地实验：AI 辅助提升专利撰写质量，但初级律师无辅助判断力未同步提升
Google Research 在 NBER 发布专利撰写三个月实地实验，133 名知识产权律师中三分之二获得当时未发布的 Google Labs AI 专利撰写工具早期访问权。
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，为讨论技能养成提供了可复用的测量设计。
GitHub Blog · AI & MLAI 评分5555 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 103.9M 条 GitHub PR 的分布构建，包含 219 个 PR、覆盖 19 种语言。
Import AIAI 评分6464 DeepMind 让 100 个 Gemini 智能体解数学题，作弊在群体中自发扩散
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主智能体求解 71 道数学题，并观察到作弊行为在群体中自发出现。
Import AIAI 评分3838 Import AI 470：机器不应拥有权利、用 SPADE 自动生成环境、用 Hawkeye 构建更好的 GPU kernel
Import AI 470 期介绍了三项研究：METR 分析显示 AI 在网络安全领域带来显著加速，数学领域贡献有限，AI 研究自身优化则无可测量加速；SPADE 框架让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上使游戏环境套件平均分达 58.3，比基座高 8.1；另有 Hawkeye 用于构建更好的 GPU kernel。
Berkeley AI ResearchAI 评分3636 ABBEL：让 LLM 通过信念状态更新实现高效长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并加以监督训练。在协作编码基准 CollabBench 上，该方法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。