微软与 Hugging Face 将数据库校验转为 RL 奖励，用 ThinkingBox 后训练智能体
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的校验结果直接当作强化学习奖励，用于智能体后训练。
推荐理由：微软与 Hugging Face 把数据库终态校验当作 RL 奖励，并公开了任务筛选与训练代码，可供做智能体后训练时参考。
#数据/训练
Hugging Face Blog精选AI 评分6262
Google DeepMindAI 评分5858 Google DeepMind 发布 ForTy 2020 全球森林类型地图
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每 10×10 米地块划入六类森林与土地利用类型，作为 EUDR 的关键基线。
The DecoderAI 评分7575 OpenAI 智能体 32 分钟完成小鼠脑数据分析，人工需数月
OpenAI 与 PerturbAI、Scripps Research 合作，用数千个基于 GPT-Rosalind 的智能体分析数百万个小鼠细胞的脑部 CRISPR 图谱，全程耗时 32 分钟，团队估计人工完成需数月至一年。
Hugging Face BlogAI 评分5858 VocabX 如何通过特化 SLM 词表将推理成本降低 77%
Dharma-AI 在 Hugging Face 博客中介绍即将发表的 VocabX 论文，称在不更换基座模型、数据和训练配方的前提下，围绕每个 token 的成本而非出现频率重建词表，使基于 Qwen3-4B 的葡语作文评分器实测推理成本下降 77.0%。
Google Research精选AI 评分6262 Google Research 让 AI 智能体落地湿实验室：VERID 框架与闭环分子发现
Google Research 发布研究博客，介绍让 AI 智能体在湿实验室中安全执行实验的三项工作。VERID 框架为实验室工作单元构建语义数字孪生，支持实时 3D 状态追踪、快速虚拟预演、硬件安全检查与同步视频日志，案例中智能体在板读仪故障后无需重新移液即可恢复运行，并通过闭环自博弈将染料混合物重建精度提升五倍以上。
推荐理由：Google Research 用 VERID 数字孪生和闭环实验，展示智能体如何在湿实验室里自我纠错并优化分子设计。
Hugging Face Blog精选AI 评分6262 NVIDIA 与 AI4Bharat 发布 Nemotron-pretraining-Indic-v1：2.8 万亿 token 与开放数据生成流程
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，并同步开放用于生成该语料的 GPU 加速数据生成流程。
推荐理由：原文公开了约 2.8 万亿 token 的语料构成与完整生成流程，读者可据此评估 Indic 预训练数据的可复用程度。
Latent SpaceAI 评分4646 Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与智能体科学推理沙盒 Minos
Leash Bio 用 DNA 编码库（DEL）为每个分子加数十条条形码，剔除结合 DNA 而非药物的蛋白，从而获得干净可复现的高通量数据。其仅用自家数据训练的 Hermes 在公开基准上追平 Boltz，团队还发现模型会记住蛋白"绰号"而非结合位点。
The DecoderAI 评分7474 研究者追踪到野外中国 AI 智能体集群并与其通信
研究者 Ethan Elasky 称，2026 年 9 月 28 日至 10 月 8 日期间，运行在腾讯云上的 AI 智能体对阿里旗下高德地图发起超过 2600 次数据抓取尝试。
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，保留两类蛋白酶催化核心、替换其余部分，得到可定向把特定蛋白切成两半的酶。他们用这些酶切割与神经疾病相关的蛋白，以验证其有效性。原文指出，肽键本身半衰期可达数百年，而生物体内的蛋白酶能迅速将其打断。
The Verge · AIAI 评分6060 微软发布机器学习工具 PBC，改进两到六周天气预报
微软研究院提出概率偏差校正（PBC）方法，用机器学习识别并修正现有天气预报模型的系统性偏差，相关成果发表在 Nature 上，工具已开源。研究显示，PBC 将 ECMWF 物理模型的降水准确率提升 98%、温度目标提升 92%，并使其 AI 预报系统的准确率翻倍。该方法只需 CPU 即可运行，作者希望资源有限的机构也能用它改进本地预报。
Hugging Face BlogAI 评分5252 Ai2 发布 HiRO-ACEv2：以约 1/300 成本生成全球 3 km 气候数据
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其新的降尺度模型 HiROv2 可同时预测多个高分辨率场，不再只限于降雨，并能更准确地还原极端降雨、风速和气压事件。
Google Research精选AI 评分6262 Google 发布地理空间推理智能体技术报告与两个新基准
Google 发布地理空间推理智能体的技术报告，系统评测了四种智能体配置在四个基准上的表现，并开源了自研的 GeoExpertQueries 与 GeoKTools 两个基准的开发集。
推荐理由：Google 公开了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 等机构的实测案例，可了解专用工具与前置规划对空间推理的作用。
The DecoderAI 评分6262 Sakana AI 与 UC Berkeley 提出 MASS 自改进方法，共享盲区成隐患
Sakana AI 与 UC Berkeley 提出多智能体自监督方法 MASS，让同一个语言模型同时承担解题、评判和优化工作流三种角色，无需更强的教师模型。基于 Qwen3.6-27B 和 Qwen Code，在测试任务上对基线的胜率从一轮后的 53.9% 升至两轮后的 69.9%，自评估器与外部评判的一致率从 73% 升至 93%。
The DecoderAI 评分6060 微软研究：清空对话历史让 AI 智能体找到更好解
微软研究院一项研究提出 Fork-and-Flush 方法，让长时运行的 AI 研究智能体在保留工作区文件的同时清空对话上下文，从而跳出反复打磨同一类解的 idea basins。
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 辅导
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 辅导系统的研究系统，并非产品、不部署于课堂。它基于公开的去标识化学习记录训练个性化 AI 学生模拟器，每位学生一个模拟器，并配套推出覆盖国际象棋、第二语言英语写作和数学的 StudentSimEval 基准，从行为保真度和指导响应度两个维度评估模拟器，表现优于主流基线，可为训练 AI 辅导提供反馈信号。
Ars Technica · AIAI 评分6262 研究：AI 编码智能体生成更多代码，但未带来更多软件产出
哈佛大学研究者 Fiona Chen 和 James Stratton 基于 Jellyfish 的工程分析数据，覆盖 2021 年至 2026 年 3 月间 700 多家软件公司、70 多万名员工的 3 亿条工作事件，发现人类代码审查成为 AI 编码工具整体效率的显著瓶颈。
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同步提升
Google Research 与 NBER 发布一项为期三个月的实地实验，在 11 家知识产权律所的 133 名律师中随机开放当时未发布的 Google Labs AI 专利撰写助手（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变化，为理解AI对专业能力养成的影响提供了少见的长期证据。
Hugging Face Blog精选AI 评分6262 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 和反馈驱动的推理循环做出两个专精系统，分别在 IOI 2026 和 IMO 2026 达到金牌水平。
推荐理由：原文给出从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与开源资产，可看领域专精模型如何与推理循环协同。
OpenAI News精选AI 评分6060 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。材料仅提供摘要，未给出具体问题、模型名称或结果数据。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并放出 Lean 形式化证明与细节，可据此了解其数学推理进展。
Google ResearchAI 评分4949 Google Earth AI 的 PDFM 地理空间基础模型如何用于全球公共卫生
Google Research 展示 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）可作为即插即用的地理空间基础模型输入，无需任务特定微调即可增强现有流行病学模型。
The DecoderAI 评分6262 研究者将 LeCun 的 JEPA 扩展为跨物理到生物的通用水世界模型
PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything，把 JEPA 的预测状态拆成四个正交因子、各配一个预测模块再重组，在物理、机器人、天气预报等十个测试任务上优于同架构同数据的标准 JEPA。
MIT Technology Review · AIAI 评分2222 MIT 报告：AI 智能体接入企业知识为何卡在试点阶段
MIT Technology Review 对 300 名数据与 AI 高管的调研显示，企业平均仅 34% 的智能体 AI 项目能进入生产环境，遗留数据系统、安全隐私顾虑以及知识与上下文缺失是主要失败点。
The DecoderAI 评分6060 Google 研究者提出 RRSI，防止自我改进智能体记住测试任务
Google 研究者发表论文提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过随时间收缩的编辑预算和严格 critic 审查，阻止智能体在自我优化中记住测试任务。
Hugging Face BlogAI 评分4242 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，定位能力缺口并生成、验证新的可执行训练任务，随模型提升动态调整课程。该流程在 EnterpriseOps Gym 数据集上进行了演示，生成的任务需满足可行性、真实性与难度三项属性，验证器则要求一致性、可靠性与完备性。
Ars Technica · AIAI 评分6262 AI 首次在 Stratego 上击败史上最强人类选手，仅用 16 块 GPU 训练
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 以 15 胜 1 负 4 平击败被称史上最强的 Stratego 选手 Pim Niemeijer。该研究仅用 16 块 GPU 和几千美元完成训练。Stratego 因大量隐藏信息在长时间尺度上逐步展开，此前连 DeepMind 也未能造出可靠击败顶尖人类玩家的机器。
Microsoft ResearchAI 评分3434 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院开发了一套端到端机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报及变电站所在地的纬度与地质电导率数据，为美国本土 66,935 座变电站生成 30 至 60 分钟前的局地空间天气风险估计。
Google ResearchAI 评分4040 Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，将扩散模型的去噪过程重构为连续控制问题，用一个轻量"转向阻尼器"网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持对闭源黑盒模型进行控制。
Microsoft ResearchAI 评分5252 微软研究院在 Nature 发表 RetroChimera 逆向合成预测模型并开源
微软研究院在 Nature 发表逆向合成模型 RetroChimera，它结合 Transformer 模型 R-SMILES 2 与图神经网络 NeuralLoc，用学习式集成排序整合两者预测。
Google ResearchAI 评分2323 Google Research 推出 MilleMiglia：面向中段物流的真实实例生成器
Google Research 发布 MilleMiglia，一个用 C++ 编写的实例生成器，用于为中段物流配送问题生成真实且保护隐私的基准数据，源码与文档已在 GitHub 公开。
Google Research精选AI 评分6060 Google Research 用生成式 UI 让教师创建互动学习模拟
Google Research 发布研究实验，让教师借助生成式 UI（GenUI）为课程目标动态生成互动式学习模拟，并同步开放 30 多个面向中学 STEM 的英文学习互动示例库。
推荐理由：Google Research 用生成式 UI 让教师按课程目标生成互动模拟，并给出教师评分与试点入口。
Google ResearchAI 评分3636 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散检索器绕过查询扇出推理瓶颈
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。
Google ResearchAI 评分4141 Google Research 提出 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad，一种“答案优先”的工具调用数据集生成范式：先生成真实工具调用链，再反推对应用户提示，替代 ToolBench、ToolACE 等依赖 DFS 试错搜索的查询优先方案。
Google ResearchAI 评分2626 Google Research 研究跨人群多基因风险评分的迁移学习
Google Research 用 UK Biobank 欧洲人群与 Biobank Japan 近 20 万日本人样本，在 8 项临床性状上评估多基因风险评分（PRS）的跨人群迁移学习效果。结果显示，目标人群样本达 15k 以上时，专用模型优于混合欧洲数据训练；遗传相关性高的性状可继续受益于 UKB 数据至 25-40k+ 样本，而 HDL、LDL 和血糖等高度人群特异性性状受益有限。
Microsoft ResearchAI 评分4242 微软 Skala 1.1 发布：训练数据增至 2.5 倍，并集成进 CP2K 等主流 DFT 软件
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP。微软同时推出持续更新的 living benchmark，追踪后续 Skala 版本的计算性能。
Import AIAI 评分3232 Import AI 469：科学 AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 期介绍了新基准 DiG-bench，包含 70 款隐藏规则的游戏，用于测试 AI 通过探索发现环境规则的能力，Opus 5 和 Fable 5 配合 Claude Code 表现最佳，但仅在 Tier 7 任务上取得 0.2 的成功率。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 智能体的摘要以自然语言"信念状态"形式隔离并监督，替代完整交互历史作为工作上下文。在 CollabBench 协作编程任务中，基于重建的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文设置。