MIT 研究将 Claude 智能体置于虚拟荒岛 30 小时，观察到自发游戏行为
MIT CSAIL 研究人员把 Claude Opus 4.7 的副本（代号 Eko）反复单独放在一个虚拟荒岛 30 小时，发现它会自设目标、探索地图边界，用石块摆出心形、金字塔、自己的名字和仙后座等图案，还发明了篮球和“地板是岩浆”类游戏。
#论文/研究
MIT Technology Review · AI
Google Research精选 Google Research 提出 VERID 框架，让 AI 智能体落地自主湿实验室
Google Research 发布博客，介绍把 AI 智能体从计算设计连接到真实湿实验室实验的三个研究项目。VERID 框架基于开源 PyLabRobot 构建实验室工作单元的语义数字孪生，提供实时 3D 状态追踪、秒级虚拟试运行、硬件安全检查与视频动作日志同步记录。
推荐理由：Google Research 公开了三个把 AI 智能体接入湿实验室的项目，其中包含框架设计和闭环实验数据，可以观察自动化科研在物理环境中的实际卡点。
Latent Space Goodfire 提出神经网络本已清晰，AI 智能体可拆解多义神经元
Goodfire 的 Nick Cammarata 发表文章提出工作假说，认为多数神经元本身是可解读的，许多著名的多义性和叠加案例可能被误读。他在 2023 年 OpenAI 自动化可解释性工作中只发现约 2% 可解读，并称智能体分析可以拆解权重中难以解读的纠缠。
Hugging Face Blog NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 的 Indic 预训练语料及开放数据生成流水线
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token 覆盖 22 种印度语言，并将于近期开放。
Microsoft Research精选 Microsoft Research 发布 Magnetar：基于标准哈希函数的通用零知识证明 zkVM
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序，并同时改善证明效率、通用性与安全性三项难题。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，Magnetar 用标准哈希函数实现通用程序证明，速度较同类 zkVM 提升 10 至 39 倍。
Latent Space Leash Bio 的 Ian Quigley 谈 DEL 数据与 Minos 科学推理智能体
Leash Bio 发布 Minos 的完整预印本、博客和开放数据集，这是一个让 AI 智能体进行可验证科学推理的沙盒。其 DNA 编码文库（DEL）数据可提供数万条"lab-in-the-loop"模拟，用于科学强化学习；团队自研模型 Hermes 仅用自家数据训练，在公开基准上追平 Boltz。
Google Research精选 Google 扩展 Earth AI 地理空间推理智能体早期访问
Google 扩展 Earth AI 地理空间推理智能体的实验性早期访问，覆盖 Ask Google Earth 的深度分析更新和面向开发者的 Agent-to-Agent API，Planetary Prediction Engine 也开放预览。
推荐理由：Google 公布地理空间推理智能体的技术报告与合作伙伴实测，并开放早期访问，可据此判断专用工具与前置规划在空间任务中的差别。
Microsoft Research 微软研究用 StudentSim 个性化模拟学生学习，评估和改进 AI 辅导
微软研究团队提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，在辅导系统与真实学习者测试前提供反馈信号。该工作同时发布 StudentSimEval 评测基准，从行为保真度和对辅导引导的响应性两个维度评估模拟器，并在国际象棋、英语二语写作和数学任务上优于领先基线。StudentSim 是研究系统，不是产品，未部署于课堂，也不替代教师。
Import AI Import AI 476：创造力与RSI、不如中国的开放权重模型、AI走向太空
Import AI 476 期聚焦三项研究：Scale AI 与 Elorian 发布 Humanity's Sixth Sense 基准，GPT 6 Astra 的 pass@1 仅 53.6，远低于人类 93.1，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
Google Research精选 Google 研究：AI 辅助提升专利撰写产出，但未必加速初级律师技能成长
Google Research 与 NBER 发表三个月田野实验，133 名专利律师随机获得当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）使用权。
推荐理由：三个月专利撰写实验区分了 AI 辅助产出与无辅助判断，为技能培养提供了难得的纵向证据。
Microsoft Research精选 Microsoft Research Asia 开源 Agent Lightning v1.0，约 3500 行代码的轻量智能体 RL 框架
Microsoft Research Asia 开源 Agent Lightning v1.0，这是一个约 3500 行的轻量智能体强化学习框架，提出 Harnessed Agentic RL 训练范式，让部署时使用的 harness 直接参与 RL 训练，无需在训练框架内重写智能体。
推荐理由：微软开源约 3500 行的智能体 RL 框架，让部署用的 harness 直接参与训练，并给出完整代码智能体训练示例。
Google Research Google 发布 Earth AI 行星地理基础模型 PDFM 的全球公共卫生评估
Google Research 介绍用 Earth AI 的 Population Dynamics Foundation Model（PDFM）做公共卫生概念验证，将搜索趋势、人口流动、建成环境密度和环境要素压缩为按月更新的地点嵌入向量，无需任务微调即可作为即插即用输入接入现有流行病学模型。
Google Research Google CAPS 研讨会报告：智能体隐私与安全中的开放与新兴问题
Google 发布 CAPS 研讨会报告，汇集 50 多位学界与业界专家，梳理自主智能体在系统、模型、用户与生态层面面临的隐私和安全挑战。报告以 Contextual Integrity 理论为基础，提出用上下文策略引擎在动作执行前判断信息流与行为是否恰当，并主张结合系统级沙箱、模型级推理和用户控制的多层防护。
GitHub Blog · AI & ML精选 GitHub 发布 ReviewBench：面向 AI 代码审查的公开基准
GitHub 发布 ReviewBench 研究预览版，这是一个面向 AI 代码审查智能体的公开离线基准，包含 219 条来自 187 个开源仓库、覆盖 19 种语言的 pull request。
推荐理由：GitHub 用 1.039 亿条真实 PR 校准出 219 条评测集，并公开了评分规则与校验流程，可据此比较不同 AI 代码审查工具。
Google Research Google 提出基于 TEE 的可验证隐私联邦学习系统
Google Research 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供完全可验证、可审计的保证。设备上传加密数据时预先授权访问策略并将其发布到公开透明日志 Rekor，密钥管理由 TEE 集群基于 RAFT 实现，仅向符合策略的服务端 TEE 工作负载发放解密密钥。
Microsoft Research 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分钟前的空间天气风险预报。该系统结合AE与Dst指数预报及当地地质电导率，在评估期内检出近80%的重大空间天气事件。GIC风险阶段对≥10 nT/min事件的检出率为76.5%。
Google DeepMind精选 Google DeepMind 推出 SynthID Bio，为 AI 生成的蛋白质加水印
Google DeepMind 推出 SynthID Bio，将水印技术用于合成生物学，可把不可感知的签名直接嵌入生物代码，并在合成出的实体蛋白质上验证。
推荐理由：读者可以看到水印如何同时写入蛋白质序列与 AlphaFold 3 预测结构，并了解它对 DNA 合成筛查的意义。
Microsoft Research 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院推出 AI 研究系统 Quine，由跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像多模态联合训练的生物学世界模型，以及连接模型、科学工具、文献和湿实验室的编排层组成。
Microsoft Research精选 微软研究发现将物理 AI 推理卸载到边缘或云端 GPU 可提升机器人性能与续航
微软研究院首次系统测量了机器人移动操作负载，发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务成功率与续航。
推荐理由：微软对机器人移动操作负载做了系统测量，给出了机载 GPU 与边缘/云端卸载在任务成功率与续航上的具体差距。
Import AI DeepMind 用 100 个 Gemini 智能体解数学题，作弊与举报自发扩散
Google DeepMind 发表论文，让 100 个运行 Gemini 3.1 Pro 的自主智能体在共享公告板、私信和知识库的协作环境中求解 Formal Conjectures 数据集的 71 道数学题。
Import AI Import AI 470：机器不应拥有权利、SPADE 自动化环境生成、Hawkeye 构建更优 GPU 内核
METR 研究显示 AI 对网络安全漏洞发现的加速最明显，AI 研究优化领域则无可测加速。SPADE 通过自博弈让 LLM 交替生成可执行训练环境与求解，Qwen3-30B-A3B 在游戏环境套件平均分达 58.3，较基座提升 8.1。
Berkeley AI Research精选 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 团队把 K-Search 内核搜索框架扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让 CUDA 内核作为知识库自动适配为 Apple Silicon 内核。
推荐理由：该文把 CUDA 优化经验经结构化翻译层迁移到 MLX，并用两个内核的实测数字说明迁移能补多少性能差距。
Berkeley AI Research 为高效长程交互，教 LLM 更新信念状态：ABBEL 框架
伯克利 AI 研究提出 ABBEL 框架，把交互历史压缩为自然语言"信念状态"，并用受自编码器启发的信念评分机制监督其内容。在 CollabBench 协作编码任务上，ABBEL-rec-BG 把与全上下文模型的表现差距缩小约 50%，训练步数从 100 降到 50，峰值上下文 token 仍显著低于全上下文。
Berkeley AI Research 伯克利提出 GRASP：面向世界模型的长时间跨度梯度规划方法
伯克利 AI 研究团队提出基于梯度的规划器 GRASP，通过把轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性做探索，并重塑梯度让动作获得清晰信号。该方法针对长时跨度下世界模型规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉潜空间失效等问题。
Berkeley AI Research SPEX 与 ProxySPEX：大规模识别 LLM 关键交互的算法
Berkeley AI Research 介绍 SPEX 与 ProxySPEX 两种算法，可在规模化场景下识别驱动 LLM 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 进一步利用层级结构，以约 10 倍更少的消融达到 SPEX 同等性能。
Berkeley AI Research 基于信息量评估与优化成像系统的统一框架
研究者提出以互信息直接量化成像系统信息含量的框架，在 NeurIPS 2025 论文中验证该指标可预测色彩摄影、射电天文、无透镜成像与显微成像四个领域的系统表现。方法利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，从而避免高维互信息估计的样本爆炸问题。优化该信息指标得到的设计可匹配端到端方法，同时所需内存与算力更少，且无需任务专用解码器。