从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，通过结构化的 CUDA 到 MLX 翻译层，把已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断 CUDA 经验能否复用到 Apple Silicon。
#论文/研究
Berkeley AI Research精选AI 评分6262
Import AIAI 评分6262 Epoch 与 METR 发布 MirrorCode 长周期编程基准
Epoch 与 METR 发布 MirrorCode 基准，考察 AI 仅凭 CLI 访问重新实现软件程序的能力，覆盖 25 个目标程序。Opus 4.7 用 14 小时、251 美元推理成本完成一项人类需 2 至 17 周的任务，17/25 的目标程序至少有一次满分运行，但 8/25 从未达到 100% 阈值，ruff、giac_subset 和 mailauth 最难。
OpenAI NewsAI 评分3838 OpenAI 研究：AI 如何拓展人们在工作中的能力边界
OpenAI 新研究显示，ChatGPT 用户正在跨角色承担任务，工作边界因此被重塑。研究关注的是 AI 如何拓展员工能做的事，而非单纯替代。
Berkeley AI ResearchAI 评分3333 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 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智能体工作上下文。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。
Google Research精选AI 评分6262 Google 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体
Google Research 发布 SymptomAI，一个基于 Gemini Flash 2.0 的对话式症状评估智能体，在 n=13,917 的随机全国研究中让参与者与五种不同提问策略的智能体对话并给出鉴别诊断（DDx）。
推荐理由：Google 用 13917 人随机对照研究比较五种提问策略，并首次把 AI 诊断与 Fitbit 生理信号做交叉验证。
Google Research精选AI 评分6262 Google Research 用强化学习让量子计算机从错误中学习
Google Research 在 Nature 发表论文，提出用强化学习智能体从量子纠错检测事件中学习，在计算过程中持续调节数千个控制参数以对抗漂移。在 Willow 超导处理器上人为注入漂移后，该方法将纠错码的逻辑稳定性提升 3.5 倍，并在专家校准基础上进一步把逻辑错误率压低 20%，使表面码逻辑错误降至每千个纠错周期不到一次。
推荐理由：Google 用强化学习让量子处理器在计算中持续校准控制参数，读者可了解纠错与校准解耦这一瓶颈的新解法。
Hugging Face BlogAI 评分2222 新模型来了，DharmaOCR 在巴西葡萄牙语 OCR 上仍保持优势
DharmaOCR 在葡萄牙语专项基准上得分 0.925，高于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语监督微调加 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，从而在提取质量和稳定性上保持优势。
Google ResearchAI 评分2727 Google Research 揭示扩散模型创造力来源：score smoothing 机制
Google Research 在 ICLR 2026 论文中揭示，扩散模型的创造力源于神经网络训练中的 score smoothing 效应：权重衰减等正则化使学到的 score function 变平滑，让去噪过程在训练数据点之间插值，从而生成新样本。研究用一维 +1/-1 示例和两层 ReLU 网络实验验证，即使没有显式正则化，梯度训练的隐式正则化也能产生该效应。
OpenAI NewsAI 评分4242 OpenAI 推出 GPT-Red：用自我博弈解锁鲁棒性自我改进
OpenAI 发布自动化红队系统 GPT-Red，通过自我博弈提升 AI 安全性、对齐与提示注入鲁棒性。该系统面向鲁棒性的自我改进，可用于自动化红队测试。
Hugging Face BlogAI 评分5858 Hume 发布 Real World VoiceEQ：衡量语音 AI 的人类质量
Hume 发布 Real World VoiceEQ 基准，用于评估语音交互的人类质量，覆盖 40 多个专有与开源语音模型、15+ 评估维度和 60+ 指标，涵盖 ASR、TTS、S2S 与语音理解。
Google Research精选AI 评分6262 Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型
Google Research 发布 SensorFM，一个从无标注可穿戴数据中学习的大型传感器基础模型，预训练语料来自五百万名同意参与者、超过一万亿分钟的多模态传感器信号，覆盖 100 多个国家、50 个美国州和 20 多种 Fitbit 与 Pixel Watch 设备。
推荐理由：Google 用五百万人的万亿分钟可穿戴数据预训练通用生理表征，读者可了解基础模型在健康信号上的规模化路径。
OpenAI NewsAI 评分3636 OpenAI 分析揭示 SWE-Bench Pro 编码评测存在可靠性问题
OpenAI 发布新分析，指出热门编码基准 SWE-Bench Pro 存在可靠性与准确性隐患，可能影响对 AI 模型的评测。该分析聚焦于如何从编码评测中区分有效信号与噪声。
Google ResearchAI 评分5050 Google Research 用 Google Maps 路由干预缓解城市拥堵
Google Research 在 Nature Cities 发表首个大规模真实世界研究，通过修改 Google Maps 算法将不到 2% 的行程引导至替代路线，在美国 10 座城市测试后，目标路段车速中位数提升约 2%，燃油消耗率中位数下降 0.5% 至 1.0%。
Hugging Face BlogAI 评分4444 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布 ScarfBench（Self-Contained Application Refactoring Benchmark），用于评估 AI 智能体在 Spring、Jakarta EE、Quarkus 之间的跨框架迁移能力，包含 34 个应用、102 个框架实现、204 个迁移任务和 1,331 个专家测试。
Hugging Face BlogAI 评分2424 为什么专业化不可避免：从优化理论、进化生物学到机器学习
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，指出优化理论、进化生物学、竞争市场与机器学习共同预测同一结论：专业化不可避免。
OpenAI NewsAI 评分2626 OpenAI 推出 GeneBench-Pro 基准
OpenAI 推出 GeneBench-Pro，一个用复杂真实数据集测试 AI 在基因组学、生物学和科研中表现的新基准。
Hugging Face BlogAI 评分3434 DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用
Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），一个无需重训练、单次前向传播即可从数据点集合同时估计分布密度与 score 的模型。
Import AIAI 评分3838 Import AI 463：NVIDIA 用 ENPIRE 让机器人自我改进；中国 1 万卡 GPU 集群；人类时代挽歌
NVIDIA 推出 ENPIRE 框架，让编码智能体驱动真实机械臂自主试错与策略改进，在 PushT、整理插针、用切割器剪扎带等任务上达到 99% 成功率，测试硬件为双 YAM 机械臂加 RTX 5090 工作站。GPT-5.5（Codex）与 Opus 4.7（Claude Code）表现互有胜负，Kimi-2.6 落后，8 个智能体并行能更快得到更高分。
Google Research精选AI 评分6262 Google 用冻结多 token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 发布新架构，将多 token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上，在不改动主干权重的前提下加速端侧推理，已上线 Pixel 9 和 10 系列。
推荐理由：Google 把多 token 预测接到冻结的 Gemini Nano v3 上，读者可了解端侧推理在内存与能耗约束下的具体优化路径。
Google ResearchAI 评分3838 Google 用线性弹性缓存优化云成本：Spanner 内存占用降 15.5%
Google Research 提出线性弹性缓存，将页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小。在 Spanner 生产环境测试数月后，内存占用降低 15.5%，缓存未命中仅增加 5.5%，总拥有成本（TCO）降低约 5%，实际 I/O 成本影响仅 0.5%。
OpenAI NewsAI 评分3838 OpenAI 研究：AI 智能体如何改变工作方式
OpenAI 发布新研究论文，展示 AI 智能体正在改变工作方式，能够承担更长、更复杂的任务，并在多种岗位上提升生产力。
Google ResearchAI 评分3939 Google Research 研究：推理如何解锁 LLM 的参数化知识召回
Google Research 在 COLM 2026 发表的论文揭示，推理能让 LLM 召回原本几乎无法获取的参数化知识，且这一效果并非来自复杂问题的分解。
Hugging Face BlogAI 评分4646 Hugging Face 与 Treble Technologies 推出 FFASR 远场 ASR 基准榜单
Hugging Face 与 Treble Technologies 上线首个开放、社区驱动的远场 ASR 基准 FFASR Leaderboard，覆盖 14 个模拟房间，并设 Lab Measured 与 Lab Simulated 两列做 sim-to-real 验证。
Import AIAI 评分6262 牛津等机构研究：AI 说服力稳定超过人类专家，真实捐款效果近 3 倍
牛津大学、英国 AI 安全研究所、斯坦福大学和伦敦政治经济学院的研究者通过四项实验、6,923 人参与的 18,978 场对话发现，AI 系统在文本说服上稳定强于人类专家，即便专家可自选议题、提前研究并接受 1,000 英镑奖金激励。
Hugging Face BlogAI 评分4949 MosaicLeaks：你的深度研究智能体能守住秘密吗？
Hugging Face 博客提出 MosaicLeaks，用 1001 条多跳研究链测试深度研究智能体的隐私泄漏，其外部查询日志可被拼凑出私有企业信息。测试中智能体频繁泄漏，仅优化任务表现会加剧泄漏；其 Privacy-Aware Deep Research（PA-DR）RL 训练方法将严格链成功率从 48.7% 提升至 58.7%，并把答案/全信息泄漏从 34.0% 降至 9.9%。
OpenAI NewsAI 评分5858 研究者用 OpenAI 推理模型辅助诊断儿童罕见遗传病，新增 18 例确诊
研究者使用 OpenAI 的推理模型辅助诊断罕见疾病，在先前未解决的病例中新增 18 例确诊。该结果来自对儿童罕见遗传病诊断场景的应用。
OpenAI NewsAI 评分5858 OpenAI 与 Molecule.one 用 GPT-5.4 构建近自主 AI 化学家改进药物合成反应
OpenAI 与 Molecule.one 展示了一个使用 GPT-5.4 的近自主 AI 化学家，它改进了一个关键的药物制造反应，推进了药物化学研究。
OpenAI NewsAI 评分3535 OpenAI 推出 LifeSciBench 生命科学评测基准
OpenAI 发布 LifeSciBench，一个由专家编写并评审的基准，用于评估 AI 系统处理真实生命科学研究任务与决策的能力。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI Control Roadmap 与智能体安全技术框架
Google DeepMind 发布 AI Control Roadmap，一套用于在 Google 内部部署和管理高级 AI 的框架，采用纵深防御思路，在模型对齐之外增加系统级安全层，把内部智能体视为可能未对齐的潜在内部威胁。
推荐理由：DeepMind 公开内部 AI 控制路线图，给出检测与响应分级和百万条编码智能体轨迹的实测数据，可供安全团队参考。
OpenAI NewsAI 评分5858 OpenAI 提出 Deployment Simulation，用真实对话数据预测模型部署前行为
OpenAI 推出 Deployment Simulation，一种在部署前预测 AI 模型行为的方法，使用真实对话数据来提升安全性和评估准确性。
Google ResearchAI 评分3838 Google Research 研究 AI 如何帮助用户理解皮肤问题
Google Research 公布两项关于 AI 辅助皮肤问题理解的研究，其中发表于 JAMA Dermatology 的大规模调查显示，2345 名参与者使用 AI 工具后尝试命名皮肤状况的比例超 62%，准确率 23%，约为对照组 8% 的近三倍。但 AI 组在判断下一步就医建议上未取得统计显著改善，且比对照组更易给出不够紧急的建议。
Google ResearchAI 评分2929 Google Research 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用相对距离检验判断遗忘后的模型在分布上更接近安全重训模型还是原始受损模型。该框架基于 f-divergence，支持 Chi-squared、KL 和 Hockey-stick 等散度，可自动选择最优散度与超参数，无需样本划分，并在任意样本量下控制假阳性。
Google DeepMind精选AI 评分6262 Google DeepMind 在塞拉利昂开展 AI 学习试验并发布教师培训指南
Google DeepMind 公布在塞拉利昂开展的预注册试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度，八周内完成。
推荐理由：原文给出塞拉利昂预注册试验的量化结果与教师主导设计，可了解 AI 辅助教学在真实课堂中的效果边界。
Import AIAI 评分5050 Import AI 460：社会可被 reward hacking、Anthropic 的 RSI 数据、基于 RL 的四旋翼竞速
伦敦国王学院、复旦大学与 Alan Turing Institute 构建了 SocioHack 基准，用 72 个沙盒社会环境测试 AI 的"社会性 hacking"，RL 训练的 LLM 能以 61.25% 召回率和 90.85% 精确率重新发现历史上已被修补的规则漏洞。
Google Research精选AI 评分7171 Google 研究用手机前摄实现被动心率监测
Google Research 在 Nature 发表 PHRM 研究系统，利用手机前摄在面部解锁后拍摄视频，在后台被动估算心率和静息心率。该系统与 ECG 对比的 MAPE 低于 10%，每日 RHR 与 Fitbit Charge 6 对比的 MAE 为 4.39 bpm，并在浅、中、深三种肤色分组中均达到预设的非劣效标准。
推荐理由：Google 用手机前摄在解锁后被动测心率，论文给出跨肤色误差与可申请的数据和模型资源。
Import AIAI 评分3838 Import AI 459：AI 监管为何困难、蛋白质折叠模型的缩放定律、以及为 AI 系统灭绝风险定价
Import AI 459 聚焦三项研究：英国 AI 安全研究所的论文指出用 AI 监督 AI 训练的自动化对齐并非万能方案；另有工作提出蛋白质折叠模型的缩放定律，以及为 AI 系统灭绝风险定价的尝试。同期还介绍了美国 AI 经济年增速约 2,000%、2025 年名义 AI GDP 约 2500 亿美元的测算研究。
Google ResearchAI 评分3636 Google 推出零信任聚合的隐私分析方案
Google 为隐私分析服务推出零信任聚合方案，结合新型密码学聚合协议与 TEE，使设备只需单条消息即可安全提交数据，无需多轮在线交互。该协议可证明 Google 只能获得群体的匿名聚合洞察，原始个体数据即使在硬件保护范围内也不会被解密或重建，TEE 证明机制则向参与者验证协议按公开代码正确执行。
Google Research精选AI 评分7878 Google 将 ERA 科研编码工具开放使用，并推出 Computational Discovery
Google 宣布把基于 Gemini 的科研工具 Empirical Research Assistance（ERA）开放给科学家使用，相关论文同日发表于 Nature。
推荐理由：Google 把 ERA 从 Nature 论文推进到可申请使用的工具，并给出八个跨学科应用案例，可据此判断科研编码自动化的落地边界。
Google DeepMind精选AI 评分6262 Google DeepMind 用 Co-Scientist 加速细胞衰老逆转的基因线索发现
Google DeepMind 介绍其 Co-Scientist 正被用于细胞衰老逆转研究，帮助生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室筛选基因通路。Co-Scientist 扫描数万篇论文后提出 20 多个新的候选基因因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。它还能将原本需要长达六个月的筛选数据分析缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与耗时对比，可了解 AI 智能体参与科研假设生成的实际方式。
Import AIAI 评分3434 Import AI 457：AI 版 Stuxnet、有缺陷的 Muon 优化器与正向对齐
Import AI 457 期聚焦三项研究：SentinelOne 拆解出约 20 年前的病毒 fast16.sys，它通过篡改 LS-DYNA 970、PKPM、MOHID 等高精度计算软件的内存结果，定向破坏工程与物理仿真。