MIT 等机构的研究团队在 Nature 发表论文，提出一种机器学习后处理层，学习并修正现有预报模型的误差，将 2 至 6 周次季节预报的准确率提高一倍，并在 ECMWF 的预报竞赛中夺得第一。该模型首次在这一时间尺度上超过气候平均值，同时显著提升了对极端天气的预测能力，且为开源、低成本的附加模块，可搭配任意预报模型使用。
推荐理由：研究把机器学习后处理叠加到现有预报模型上，使 2 至 6 周的次季节预报首次超过气候平均值，为极端天气预警提供新路径。
研究人员利用 AI 蛋白质设计工具，仅保留两类蛋白酶起催化作用的核心，替换其余全部结构，设计出可将特定蛋白质切成两半的新型酶。他们通过切割与神经系统疾病相关的蛋白质验证了其有效性，并表示这些酶可按需调整以针对不同目标蛋白。
MIT McGovern 研究所与 ICoN 中心 10 月 9 日在 PNAS 发表论文，论证判断人工神经网络是否具备生物合理性的关键指标是自我组织能力，并展示一组随机连接的单元仅凭简单规则即可重塑为有效的信息处理网络，在图像分类任务上表现与依赖反向传播设计的网络相当。研究者认为，若大脑确实使用这类突触 motif 完成反向传播的功能，将在机制层面打通人工网络与生物大脑。
Meta 介绍了新一代生成式广告模型 GEM，将此前按 Facebook、Instagram、Reels 等场景分别优化的做法改为单一中心基础模型，统一预测跨场景点击与转化。
Sakana AI 与 UC Berkeley 研究人员提出多智能体自监督方法 MASS，让同一个语言模型同时承担任务执行、评估和流程优化三种角色，实现递归自我改进。
微软研究团队提出 StudentSim，一个从公开去标识化学习记录中训练个性化 AI 学生模拟器的研究系统，用于在真实学习者测试之前评估和改进 AI 辅导系统。该工作同时推出 StudentSimEval 基准与评估协议，覆盖国际象棋、第二语言英语写作和数学，从行为保真度和引导响应性两个维度评估模拟器，StudentSim 在这些领域均优于主流基线。
Epoch AI 用新基准 InnovationEval 测试 AI 智能体能否自主做研究：任务是提出一种改进语言模型训练的新方法并独立实现、测试和迭代。Claude Fable 5 和 GPT-5.6 Sol 都只是套用已知技术，未接近人类参考方法 SDPO；Sol 在宽松评分下约为 SDPO 相对 GRPO 增益的 35%，仅计合规改动时降到约 15%，编码任务上几乎无效。
推荐理由：Epoch AI 的 InnovationEval 给出智能体自报成绩与校正后成绩的落差，呈现自主研究能力的真实差距。
字节团队论文《Periodic Weak Spots: Phase Sensitivity from Chunked KV-Cache Compression》指出。
昆士兰大学 Jen Jen Chung 在 IROS 2026 主旨演讲中指出，决定智能上限的不是数据绝对规模，而是数据质量与信息密度，盲目堆砌数据会导致系统崩溃与策略失能。她在无人机自主滑翔、多机器人通信和富接触装配任务中证明，按需采集高价值信息、传输最关键信息而非全部数据，比扩增数据更有效。其团队提出的“策略修复”方案在相同示教数据预算下，泛化性能提升显著优于盲目扩增数据。
英伟达团队从 Nemotron 3 出发，用监督微调、强化学习和反馈驱动的推理循环，让 Nemotron-3-Ultra-CC 在 IOI 2026 拿到 535.4/600，超过 361.12 的金牌线；通用版 Nemotron 3 Ultra 配合 SFT、RL 检查点在生成-验证-修正系统中于 IMO 2026 得到 30/42，超过 29 的官方金牌线。
推荐理由：原文公开了从 Nemotron 3 到 IOI、IMO 金牌级系统的完整微调配方与数据规模，可据此评估领域特化模型的可复现路径。
银河通用 GaLbot 团队联合清华大学、北京大学等机构在 IROS 2026 发布 LATENT，用 5 名业余网球选手约 5 小时的人体动作数据，训练人形机器人学习网球击球技能。
HiPHI 是一个 617.5 小时的全身体人体运动数据集，由光学动捕以亚毫米精度采集，其中包含 245.7 小时带同步物体轨迹与网格的人-物交互数据，并用语言学框架 FrameNet 组织动作覆盖范围。该白皮书同时提出衡量动作多样性与交互 grounding 的基准套件，并报告了在该数据集上训练、部署到实体 Unitree G1 人形机器人上的策略结果。
OpenAI 用尚未发布的内部前沿模型发布 722 篇数学手稿，分属 372 个结果族，来自约 4000 个研究问题的评估，平均每个结果消耗约 3 小时 ChatGPT Pro 推理算力。
推荐理由：OpenAI 用约 3 小时 ChatGPT Pro 算力产出 722 篇数学手稿，读者可看到这一批结果的规模、构成与外界质疑。
林肯实验室超级计算中心（LLSC）自 2018 年起持续开展 Lincoln AI Computing Survey（LAICS），梳理商用 AI 加速器的峰值性能与峰值功耗。
PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything，把 LeCun 提出的 JEPA 架构拆成四个正交预测模块，用同一套原理处理物理、机器人、天气、单细胞和临床等七个领域。
研究团队用 Ataraxos 系统在军棋（Stratego）中击败史上最强选手 Niemeijer，有效胜率达 85%，这是人类在主要竞技桌游中最后的优势领域之一。
推荐理由：对比 Ataraxos 与 DeepMind DeepNash 的算力与成本差距，展示不完全信息博弈中强化学习的新路径。
AI2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重大升级，核心是一套重新设计的开源 MoE 训练系统，目标是把 MoE 训练扩展到万亿参数规模。
推荐理由：原文给出 MoE 训练栈在专家池扩展与吞吐上的实测对比，可据此判断大 MoE 训练的开源可选方案。
MIT 研究团队借助 AI 算法调整脂质纳米颗粒（LNP）周围的辅料配方，使 RNA 疫苗在室温下可稳定保存长达一年，或在 37 摄氏度（98 华氏度）下保存两个月。
推荐理由：MIT 团队用 AI 算法筛选辅料配方，把 RNA 疫苗从超低温冷链中解放出来，读者可看到小数据集算法如何加速生物实验设计。
MIT 及合作机构的研究人员提出 xvr（X-ray volume registration）技术，用 AI 将手术中的 2D X 光片与患者术前 3D 扫描自动配准，数秒内完成、精度达亚毫米级，比现有 AI 方法高出一个数量级。该模型基于物理模拟生成的患者专属合成 X 光训练，约五分钟即可适配单个患者，无需担心模型幻觉。相关论文已发表在 Nature 上。
Google DeepMind 推出 AlphaGenome Atlas，一个包含人类基因组约 90 亿个单核苷酸变异效应预测的平台，以 1-petabyte 数据集预计算 AlphaGenome 的预测结果。
推荐理由：AlphaGenome Atlas 把全基因组 90 亿个单碱基变异的预测预计算成可检索平台，读者可据此了解变异解读资源的规模与开放方式。
MIT 生物系团队开发出机器学习框架 PottsMPNN，可生成与任何天然蛋白质都不相似的序列，同时更准确预测突变对蛋白质稳定性的影响，相关论文发表在 PNAS。该框架通过引入噪声、成对分布建模氨基酸相互作用，并加入进化相关序列训练，让模型更好理解序列—能量景观。研究者认为，评估蛋白质设计不应只看能否复现进化选出的天然序列，而应看生成序列折叠成目标结构的可能性。
MIT 研究人员在 Nature Computational Science 发表论文，提出名为 CrysVCD（crystal generator with valence-constrained design）的框架，在材料生成开始前用语言模型约束价电子规则，使常用材料模型更常满足价壳层规则，在近 70% 的计算生成中达到高晶格动力学稳定性。
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出量化感知修复（QAH）：不再从恢复后的 bfloat16 checkpoint 蒸馏，而是直接从压缩前的原始模型蒸馏，教师与学生架构和精度均可不同。
MIT 工程师开发出名为 Extreme Event Aware（η-learning）的机器学习方法，无需历史极端事件数据即可生成合理的极端天气与最坏情景，并刻画其持续时间、强度和影响范围。该方法结合点统计与空间地图，用美国本土 25 年逐小时降水数据训练，并已在 Nature Communications 发表，还可用于机器人导航和金融市场。
METR 分析发现 AI 对科研的加速并不均衡：网络安全漏洞报告在 2026 年明显加速，数学研究仅小幅加速（部分领域 arXiv 投稿不到 12 个月翻倍），而 AI 研究本身的算法进展尚无可测加速。多校团队提出 SPADE，用 LLM 自博弈协同进化可执行训练环境，在 Qwen3-30B-A3B 上相比基座提升 8.1。另有用 Hawkeye 构建更好 GPU kernel 的内容。
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据比首个公开版本多 2.5 倍，在 GMTKN55 的 55 个类别中拿下 32 项第一，加权平均误差 2.8 kcal/mol。该版本现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软还推出持续追踪各版本计算性能的 living benchmark。
MIT CSAIL 团队在 Nature Communications 发表研究，提出“归因衰减”现象：生成模型训练数据越多，单张训练图像、某位艺术家的全部作品或某个人的所有照片对特定输出的影响越小，甚至删除后输出完全不变。
推荐理由：研究提出归因衰减现象并给出精确删除训练样本的方法，为版权与责任认定提供了可对照的技术证据。
Hugging Face 举办 ICML 2026 开放复现挑战赛，1,221 名社区成员用 Claude Code、Codex、Cursor 等编码智能体在 19 天内发布 6,816 份 Trackio logbook，覆盖 2,226 篇论文、约占大会 34%。
微软研究院推出胸部 X 光 VLM 研究模型 CARE-X，用辅助监督头与 DAPO 强化学习在生成式与判别式任务间统一推理，并明确其尚未获监管批准、不可用于临床诊断。
IBM 研究团队提出 ALTK-Evolve，与 ACE 一样让智能体从自身轨迹中学习经验并在推理时注入，不做权重更新也不需要人工标注，区别在于经验的交付方式。
MIT CSAIL 与清华大学提出预训练方法 GeoPT，通过 130 万个"合成动力学"样本让仿真模型学习物理交互，峰值性能达成速度提升 2 倍、训练数据减少最多 60%。该方法可模拟车辆、飞机、船舶受风、水、碰撞等力的响应，在工业基准上速度和精度超过现有仿真模型。
Multiverse Computing 发布论文《Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss》。
MIT 团队在《Joule》发表论文，用 AI 引导算法在 24 小时内设计出 10 万个候选分子，从中筛选出比 DMTMSA 更小的溶剂 DMFSA，同时兼顾钠金属电池的快充性能与长期稳定性。钠的储量约为锂的 1000 倍，单位成本仅为锂的约百分之一，但钠金属高反应性此前难以兼顾快充与循环寿命，DMFSA 在 27 个候选溶剂的对比测试中表现最佳。
伯克利 AI 研究提出 ABBEL 框架，将 LLM 的摘要以自然语言"信念状态"形式隔离并监督其信息内容，通过类自编码器的信念评分奖励能重建最新观测的摘要。在协作编程基准 CollabBench 上，ABBEL-rec-BG 把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，峰值上下文 token 数也低于全上下文设置。
MIT 等机构研究人员开发出 GIFT（Geometric Inference Feedback Tuning）系统，教视觉语言模型自动把 2D 设计转换为可直接执行的 CAD 程序，精度更高且只用约 20% 的算力。
MIT Media Lab 的 Pat Pataranutaporn 与研究生 Anthony Baez、Sheer Karny 提出「神经透明」，通过对比模型内部激活得到共情、诚实、毒性、幻觉、谄媚等「行为方向」，把用户系统提示词对应的激活投影为旭日图，在对话开始前预览聊天机器人性格。
Hume 推出 Real World VoiceEQ 语音 AI 基准，覆盖 40 多个主流闭源与开源语音模型，横跨 ASR、TTS、S2S 与语音理解四类共 15+ 维度、60+ 指标。
Hugging Face 团队提出 DiScoFormer（Density and Score Transformer），单次前向传播即可同时估计分布的密度与 score，无需针对新分布重新训练。
Hugging Face 博客发布 MosaicLeaks 基准，用 1001 条交错公私信息的多跳研究链检验深度研究智能体的隐私泄漏，并区分意图、答案、全信息三类泄漏。其提出的隐私感知训练方法 PA-DR 将严格链成功率从 48.7% 提升到 58.7%，同时把答案/全信息泄漏率从 34.0% 降到 9.9%。测试显示仅按任务表现训练会加剧泄漏。
Google DeepMind 发布在塞拉利昂开展的预注册对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提高 0.258 个标准差，约相当于八周内取得 1.2 至 1.7 年的常规学习进步；教师将 Gemini 用于约一半课时目标 12 小时的班级增益更高，约 1.8 至 2.5 年。
推荐理由：Google DeepMind 在塞拉利昂的预注册 RCT 显示 Guided Learning 带来约 1.2 至 1.7 年数学学习增益，并公开了实现方法。