Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并获同行评审
Google DeepMind 的新研究发表于 Science，其 AlphaProof Nexus 自主解决了 353 个 Erdős 开放问题中的九个，其中两个已悬置 56 年，团队在论文发表前已在线公开这些解法。
推荐理由：在 AI 数学证明争议中，这篇论文展示了经同行评审的路径，读者可对比其与 OpenAI 做法的差异。
The Decoder精选AI 评分8989
雷峰网AI 评分5656 银河通用与清华 LATENT：用不完美人类数据让人形机器人学会网球对打
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。
The DecoderAI 评分6363 Google 研究者提出 RRSI，防止自改进 AI 智能体记住测试任务
Google 研究者提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过随时间收缩的编辑预算和严格 critic 过滤硬编码任务名等基准特定技巧，缓解智能体反复自优化测试框架时记住训练任务的问题。
The Decoder精选AI 评分8282 AI 击败军棋（Stratego）最强人类选手，终结人类最后堡垒之一
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。
MIT News · AIAI 评分4747 MIT CSAIL 联合 Google 等推出 InstructMesh，让用户用自然语言修复并定制 AI 生成的 3D 模型
MIT CSAIL 联合 Google 和东北大学推出 InstructMesh，把 3D 生成系统 TRELLIS 与 GPT-4 结合，用户可用自然语言点选并修改 AI 生成的 3D 模型后再打印。
TechCrunch · AIAI 评分4040 研究：Claude Opus 5.5 最爱说“this matters”，各模型写作特征各不相同
Graphite 研究发现，Claude Opus 5.5 使用“this matters”的频率是人类的 116 倍，“why X matters”高出 92 倍，最爱用词为“dependable”（高出 23 倍）；OpenAI 的 Astra 最大特征是被称作“纠正性框架”的“not simply X”句式，出现频率超人类 100 倍。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组全部 90 亿个单碱基变异预测
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。
Import AIAI 评分5252 DeepMind 用 100 个 Agent 解数学题：作弊自发涌现并被举报
Google DeepMind 发表论文，让 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体协作求解 71 道数学题，并提供公共公告板、私信和共享知识库三种协作渠道。
Import AIAI 评分2626 Import AI 469：Science AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了 DiG-bench（Discovery in Games）基准，包含 70 款规则与目标均隐藏的手工游戏，其中 21 款已公开，Opus 5 和 Fable 5 搭配 Claude Code 表现最佳，但仅能在 Tier 7 取得 0.2 分。
Google DeepMind精选AI 评分6565 Google DeepMind 公布塞拉利昂 Guided Learning 预注册试验结果
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。
Google DeepMindAI 评分2929 Google DeepMind Co-Scientist 如何助力 Calico 破解衰老研究难题
Google DeepMind 的 Co-Scientist 被 Calico Life Sciences 用于衰老生物学研究，帮助其从质量参差的文献中筛选出值得验证的假设。
Google DeepMindAI 评分3838 Google Co-Scientist 助力肝纤维化药物重定位研究
Google DeepMind 的 Co-Scientist 帮助斯坦福大学医学院团队筛选肝纤维化候选药物：它提出的 3 个候选中有 2 个在活体人肝细胞实验中阻断纤维化并促进肝细胞再生，其中抗癌药 vorinostat 阻断了 91% 的致肝纤维化损伤反应。研究者自行挑选的 2 个药物则未见效果，Co-Scientist 的推荐指向重塑基因活性的药物。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo，一种将训练拆成多个解耦计算“岛屿”、异步传输数据的分布式架构，可在远距离数据中心间以更低带宽训练大语言模型。
推荐理由：原文用混沌工程和 12B 模型跨四区域实测说明解耦训练如何隔离故障并放宽带宽要求。
Google DeepMindAI 评分5757 Google DeepMind 发布 AI 有害操纵研究的可验证评估工具
Google DeepMind 发布关于 AI 有害操纵的研究结果，称建成首个经实证验证的工具，用于在真实场景中测量此类操纵。研究覆盖英国、美国、印度共 9 项实验、超过 1 万名参与者，聚焦金融和健康等高风险场景，发现 AI 在健康话题上的有害操纵效果最弱，一个领域的成功无法预测另一个领域。
Google DeepMindAI 评分4848 Google DeepMind 发布 AGI 认知框架与评估论文，并联合 Kaggle 举办黑客松
Google DeepMind 发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》，提出包含感知、生成、注意力、学习、记忆、推理、元认知、执行功能、问题解决、社会认知 10 项认知能力的分类体系，并配套三阶段评估协议，将 AI 表现对照人类基线分布。
Google DeepMindAI 评分4141 Google DeepMind 联合 Kaggle 推出 FACTS Benchmark Suite，系统评测大语言模型事实性
Google DeepMind 与 Kaggle 联合发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共含 3,513 个示例。
Google DeepMindAI 评分4141 Google DeepMind 用 AlphaFold 改造光合作用关键酶，培育更耐热作物
密歇根州立大学 Berkley Walker 团队借助 AlphaFold 预测光合作用关键酶 GLYK 的三维结构，发现植物版 GLYK 的三个柔性 loop 在高温下失稳。研究人员用嗜热藻类 GLYK 中更刚性的 loop 替换这些不稳定区域，构建的杂合酶中有一个在高达 65 °C 下仍保持稳定。
Google DeepMind精选AI 评分6464 DeepMind 用 AlphaFold 揭示心脏病关键蛋白 apoB100 结构
Google DeepMind 发布案例，密苏里大学的研究者借助 AlphaFold 生成原子级结构预测，再与冷冻电镜图像数据对照修正，解析出“坏胆固醇”关键蛋白 apoB100 的结构。
推荐理由：AlphaFold 与冷冻电镜结合解析 apoB100 结构，读者可了解蛋白质结构预测在疾病研究中的实际作用路径。
Google DeepMindAI 评分5959 DeepMind 发布 SIMA 2 智能体：接入 Gemini，可在虚拟 3D 世界中推理与自我改进
Google DeepMind 发布 SIMA 2，通过将 Gemini 模型作为智能体核心，使其从单纯执行指令升级为能在虚拟 3D 世界中推理目标、与用户对话并自我改进的游戏伙伴。
Google DeepMindAI 评分4848 Google DeepMind 新研究：让 AI 视觉模型更像人一样看世界
Google DeepMind 在 Nature 发表新论文，提出一种三步对齐方法，用认知科学的"odd-one-out"任务发现视觉模型常依赖背景色、纹理等表层特征，与人类判断系统性错位。团队以 SigLIP-SO400M 为基座训练适配器作为"教师"，生成含百万张图像、数百万条类人判断的 AligNet 数据集，再微调其他模型，使其内部表征按人类概念层级重新组织，从而提升鲁棒性与泛化能力。
Google DeepMindAI 评分4545 Google 用 AI 预测森林砍伐风险、绘制物种分布图并升级生物声学模型 Perch
Google 发布森林砍伐风险预测基准数据集，基于纯卫星输入和 vision transformer 架构，可在大范围区域内实现 30 米分辨率预测。
Hugging Face BlogAI 评分4646 Hugging Face 发布 TimeScope：视频大模型能处理多长视频？
Hugging Face 开源基准 TimeScope，通过在 1 分钟至 8 小时的长视频中插入 5-10 秒"针"片段，评测视频大模型的定位检索、信息综合与细粒度时序感知三项能力。测试显示，即便 Gemini 2.5-Pro 等领先模型在真正的长视频时序理解上仍显吃力，且视频越长性能下滑越明显。
Hugging Face BlogAI 评分5353 Artificial Analysis 发布 Big Bench Audio 音频推理基准
Artificial Analysis 发布 Big Bench Audio 评测数据集，将 Big Bench Hard 的 1000 道题改编为音频形式，用于评估音频语言模型的推理能力。
Hugging Face BlogAI 评分5252 Hugging Face 详解 FineVideo 数据集构建：从 190 万条视频到 4.3 万条标注视频
Hugging Face 发布 FineVideo 数据集，包含 4.3 万条视频、总计 3400 小时，并标注了描述、叙事细节、场景切分和问答对。
Hugging Face BlogAI 评分3636 一次失败的实验：Infini-Attention，以及我们为何仍应继续尝试？
Hugging Face 复现 Google 的 Infini-Attention 时发现，随着记忆压缩次数增加，模型性能持续下降，团队约 90% 的时间都花在调试一个收敛问题上。作者认为，ring attention、YaRN 和 rope scaling 目前仍是扩展预训练模型上下文长度的最佳方式。
Hugging Face BlogAI 评分5151 Hugging Face 推出 Open Medical-LLM Leaderboard，评测医疗场景大语言模型
Open Life Science AI 在 Hugging Face 发布 Open Medical-LLM Leaderboard，用统一平台评测大语言模型在医疗任务上的表现，以准确率为主要指标。
Hugging Face Blog精选AI 评分6161 Hugging Face 将 Perceiver IO 加入 Transformers，支持任意模态
Hugging Face 将 Perceiver IO 加入 Transformers，这是首个可处理文本、图像、音频、视频、点云及其组合的 Transformer 类模型，随模型提供图像分类与光流预测示例和多个 notebook。
推荐理由：原文给出 Perceiver IO 加入 Transformers 的实现细节与多模态示例，读者可据此判断跨模态统一架构的可用性。
Hugging Face BlogAI 评分4040 Hugging Face 用 10 亿句对训练句嵌入模型
Hugging Face 在社区周活动中用 10 亿句对训练出 SOTA 句嵌入模型，训练跑在 7 块 TPU v3-8 上。方法采用批内负样本的对比学习目标，配合大批次、难负样本和跨数据集批次提升质量。模型与数据集已在模型卡中开源。