微软研究院提出 StudentSim：用个性化学生模拟器评估和改进 AI 导师
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和对指导的响应度两个维度评估模拟器。
全部 AI 动态
Microsoft ResearchAI 评分5252
Import AIAI 评分4242 Import AI 476：创造力与递归自我改进；不如中国的开源权重模型；AI 走向太空
Import AI 476 期介绍了 Elorian 与 Scale AI 发布的 Humanity's Sixth Sense 基准，用 522 道题测试多模态模型的直觉视觉推理，人类 pass@1 为 93.1，表现最好的 GPT 6 Astra 仅 53.6，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
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5858 GitHub 推出基于 ModernBERT 的通用密钥检测模型，扩展推送保护
GitHub 发布与 Microsoft Applied Sciences 共建的 ModernBERT 分类器，用代码上下文识别无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，据称能把可拦截的密钥数量提升一倍以上。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量 Agentic RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量 Agentic RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架内重写 agent。
推荐理由：原文给出框架的代码规模、Kubernetes 部署方式和完整训练示例，读者可据此判断接入现有 agent harness 做 RL 的成本。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，把文本、代码、图像、视频和音频映射到统一嵌入空间，采用 Apache 2.0 许可，参数量 740M。
推荐理由：原文给出 740M 参数、模块化编码器与量化后内存占用，可据此判断端侧多模态检索的部署边界。
Microsoft ResearchAI 评分2222 微软研究院播客：AI 会犯哪些错，失败又能教会我们什么
微软研究院播客对话 partner research manager Jennifer Neville，讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的曲折经历，分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。
Google ResearchAI 评分5858 Google Research 用 PDFM 地理空间嵌入验证全球公共卫生应用
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，展示无需任务特定微调的地点嵌入可直接接入现有流行病学模型。
Mistral AI精选AI 评分8484 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，权重将于本月底开放。官方称其在网络安全、Agent 工作流和多模态理解上表现突出，在 Artificial Analysis Cyber Index 上位列全球前五，在视觉定位 Dense 200 上以 42% 超过 GPT-6-Astra 的 41%。
推荐理由：Mistral 公布 1 万亿参数开源权重模型的能力与评测细节，可对照其与闭源模型在网络安全和视觉定位上的差异。
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4242 Import AI 475：群体扩展、Google DeepMind 为生物设计加水印与 AI 科学经济
Import AI 475 期讨论了群体（swarm）扩展作为新型推理扩展方式：4 智能体群体完成任务所需 token 总量约为单智能体的两倍，但每个智能体只需一半 token，并行运行理论上可将耗时减半。
GitHub Blog · AI & MLAI 评分2626 AI 正在改变开发者工作，GitHub 给出三项需要强化的技能
GitHub 提出 AI 时代开发者应强化三项技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的第一个答案、用 AI 省下的时间解决更大的问题。文中以添加认证流程为例，展示多个 AI 智能体分别产出代码、文档和测试后由开发者审核决策的工作方式，并提到 GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型审查计划、代码和测试。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步扩展到开发者、企业和消费者。
推荐理由：官方披露 Gemini 4 Argon 的评测成绩、内部落地案例与分阶段开放策略，可据此判断前沿模型在编码与网络安全上的能力边界。
Microsoft ResearchAI 评分3838 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生构建的机器学习流水线可为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计，评估期内检出近 80% 的重大空间天气事件。
Mistral AIAI 评分3838 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设新中心，组建专注 Physics AI 与工业 AI 的研究团队，并直接服务企业客户。该中心将与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用，并与慕尼黑工业大学（TUM）共建汽车空气动力学数字孪生研究。Mistral 计划到 2030 年建成 1 吉瓦欧洲算力，其开放权重模型可部署在客户自有基础设施上。
Import AIAI 评分5050 Import AI 474：Platonic mindspace、太空中的 TPU、智谱启动外层 RSI 循环
Import AI 第 474 期介绍了 Michael Levin 关于"Platonic mindspace"的论文，提出心智是嵌入物理世界的非物理模式，身体与机器只是接口。同期内容还涉及太空中的 TPU，以及智谱启动外层 RSI 循环。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot 应用如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户和智能体共享同一状态，可做成看板、问题分诊板、发布清单或仪表盘。创建时只需打开智能体会话，输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体可执行的动作，智能体就会生成界面并在右侧面板打开。
Import AIAI 评分2222 Import AI 473：美国超级智能战略、人脑组织植入小鼠大脑与机器诠释学
RAND 发布报告提出美国应以“自由行动”战略应对通往超级智能的不确定性，核心是保留选项而非锁定单一路线。报告归纳了共存、遏制、加速三类共七种原型策略，并列出危险临近程度、共存可行性等五项关键不确定性。同期内容还涉及在小鼠大脑中培育人脑组织，以及机器诠释学话题。
Mistral AIAI 评分5858 Mistral 与 Mozilla 合作，为 Firefox Smart Window 提供模型支持
Mistral 宣布与 Mozilla 达成合作，Firefox 的 AI 浏览助手 Smart Window（beta）由 Mistral 模型驱动，将先服务法国和北美用户，英国和德国预计今年晚些时候跟进。
Mistral AIAI 评分3838 Mistral 与 Cloudera 合作，将专用主权智能引入企业数据
Mistral 与 Cloudera 建立合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还能在受控环境中用自有数据训练定制模型，数据与模型所有权归企业。Cloudera 平台承载 30 exabytes 客户自管数据，双方瞄准金融、制造、电信等受监管行业的主权 AI 需求。
Mistral AIAI 评分5555 Mistral 如何用 AI 智能体把 4 万行 Fortran 77 迁移到 C++
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，对象是一个没有测试套件、也没有集中文档的储层模拟器。团队先搭建数值对齐测试框架，用状态快照比对迁移前后结果，再用 Vibe CLI 启动上百个智能体，借助 Mistral OCR 整理散落的 PDF 文档。
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5858 K-Search 从 CUDA 迁移到 MLX：把内核优化经验带到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架扩展出 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
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。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不到 $1，部分厂商低于 $0.10，年降幅中位数约 50x，数据系统需围绕智能体重构。
Berkeley AI ResearchAI 评分2020 2026 届 BAIR 博士毕业生展示：从机器人到 LLM 推理的研究版图
伯克利人工智能研究实验室（BAIR）展示了 2026 届博士毕业生的研究方向与去向，涵盖机器人、LLM 推理、计算机视觉、生成模型、AI 安全与人机交互等领域。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构的研发岗位，以及 UCLA 教职和自主创业。
Berkeley AI ResearchAI 评分3636 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。文章对比了 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分3636 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、在状态迭代中直接注入随机性以探索，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：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中驱动输出的关键交互。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 进一步借助层级结构，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特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。
Berkeley AI ResearchAI 评分2424 伯克利提出信息驱动成像系统设计框架，登NeurIPS 2025
伯克利AI Research团队在NeurIPS 2025论文中提出直接以互信息评估和优化成像系统的框架，用已知噪声物理直接计算噪声项、用自回归模型学习测量分布，估计值只会上偏不会低估。该指标在彩色摄影、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，优化出的设计达到SOTA端到端方法水平，且内存和算力需求更低、无需任务专用解码器。