Google DeepMind 的 AlphaProof Nexus 独立解决了数十个开放数学问题，相关研究发表在 Science 上。它攻克了 353 个 Erdős 开放问题中的 9 个，其中两个已悬置 56 年，还证明了 OEIS 整数序列数据库中的 44 个猜想，解决了一个代数几何开放问题，并改进了 min-max 优化中的一个已知边界。
推荐理由：对比 OpenAI 绕过期刊的做法，这篇论文展示了 AI 数学成果走同行评审的路径。
杨立昆提出分层联合嵌入预测架构 H-JEPA，把多个 JEPA 逐层堆叠，每层在各自表征空间预测不同时间跨度的状态，规划时由高层给出粗略目标、逐层细化到底层动作。
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和智能体团队形式运行，并设置中等与最高两档推理强度。
Epoch AI 用自研基准 InnovationEval 测试 AI 智能体能否独立开展研究，任务是发明一种改进语言模型训练的新方法并自行实现、测试和迭代，起点为 GRPO，人类参考方法为 SDPO。
推荐理由：Epoch AI 用自研基准测试智能体能否独立做研究，给出了自报成绩与实际成绩的差距数据。
arXiv 宣布自 2026 年 10 月 1 日起将投稿上限设为每人每自然月两篇，此前 2024 年起实施的同时三篇活跃投稿限制继续保留。该限制适用于所有分类且仅针对投稿人，共同作者不受影响，被拒论文仍计入限额，但作者在发表前删除论文可退回名额。
推荐理由：arXiv 因 AI 投稿激增收紧投稿上限，读者可了解学术预印本平台在 AI 时代的审核压力与应对。
OpenAI 于 2026 年 10 月 6 日一次性发布 700 余篇手稿，声称解决了数百个未解数学问题，数学博客 Proofs and Prompts 随后收集了 100 多位研究者的回应。
推荐理由：汇集百余位数学家的第一手反应，呈现 OpenAI 一次性发布 700 余篇论文对学术共同体造成的冲击与分歧。
字节团队论文《Periodic Weak Spots: Phase Sensitivity from Chunked KV-Cache Compression》指出，DeepSeek V4 系列采用的分块 KV Cache 压缩会带来相位敏感性：关键 Token 落在切块交界盲区时模型容易答错。
推荐理由：字节论文指出分块 KV Cache 压缩带来周期性相位盲区，并梳理动态分块等改进方向，可帮助理解长上下文压缩的结构性代价。
清华大学团队联合多所高校推出的世界模型评测 WorldArena 2.0 在 IROS 2026 公布终榜，三条赛道分别评测视频质量、在线强化学习环境和真实机器人操作。
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出，AlphaFold 的突破只是开始，蛋白质折叠问题远未解决。
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 多家软件开发公司、70 多万名员工的 3 亿条工作事件（如提交和 pull request），发现人类代码审查是 AI 编码工具整体效率的显著瓶颈。
OpenAI本周发布近400项AI生成的数学结果，分布在700多份手稿中，涵盖组合数学、几何、数论、理论计算机科学、代数、拓扑、概率与统计力学及数学物理等领域。
推荐理由：通过数十位数学家的第一手反应，呈现OpenAI大规模发布数学成果对学术生态的实际冲击与验证缺口。
OpenAI 发布了一批由内部前沿模型产出的新数学结果，相关材料已公开在 GitHub 仓库 openai/math。OpenAI 表示在发布过程中咨询了普林斯顿高等研究院数学与人工智能独立顾问组，并参考其建议和公开推荐来决定发布方式。
推荐理由：OpenAI 公开一批由内部前沿模型产出的数学结果，并说明与外部数学顾问组的沟通方式。
GitHub 发布 ReviewBench，一个面向代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方式与评测口径，读者可据此判断自家审查智能体的强弱与取舍。
MIT Technology Review 基于对 300 名数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产阶段，知识缺失是主要失败原因之一。
Meta 表示，在 AI 模型于数学、物理、化学五项竞赛取得金牌级表现后，团队进一步测试 AI 能否在尚无解法路径的开放问题上作出贡献。过去数月，数学家通过常规 meta.ai 聊天界面、无定制研究脚手架，与 Muse Spark 1.1 和 Muse Spark 1.2 的 Thinking Mode 协作求解，今天公开了其中六篇论文。
推荐理由：Meta 公开六篇由数学家与 Muse Spark 协作完成的开放数学问题论文，并说明人机分工与评审流程。
哈佛物理学家 Matthew Schwartz 在 Anthropic Science Blog 客座文章中提出，LLM 虽能力广泛，但像对待人类合作者那样使用它们并非激发其科学优势的最佳方式。为此他构建了一套用于定量科学精确计算的工具包，Claude 借此发现了生态学、群体遗传学等十几个领域的关联，Schwartz 再与领域专家合作引导其聚焦有趣问题。
微软研究院实习生开发了一套端到端机器学习流水线，结合太阳风观测、AE 与 Dst 指数预报、地质电导率和电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使水印不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时保持其生物功能。
推荐理由：SynthID 水印从图像扩展到合成生物，读者可了解 AI 生成蛋白质的可验证溯源思路与湿实验验证结果。
我们如何看待保障前沿 RL 训练运行的安全：https://openai.com/index/towards-safety-cases-for-frontier-ai-training/
Anthropic 科学博客披露，Claude 在 Claude Science 中仅凭一条描述九圈问题的提示词，基本无监督运行数天，完成了平面 N=4 超杨-米尔斯模型中的九圈散射振幅计算，总成本为几千美元。
推荐理由：Anthropic 官方披露 Claude 在物理散射振幅计算中把此前八圈记录推进到九圈，并给出成本与独立验证信息。
我们正在通过 MentalHealthBench 展示前沿模型在真实心理健康对话中如何持续改进。 这个新的开放基准由 80 多位心理健康临床医生的意见共同构建。 我们将其公开释出，以便其他研究人员可以审查方法、运行自己的评估，并在此基础上继续推进。 https://openai.com/index/introducing-mentalhealthbench/
Anthropic 称 Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统，其基因旁有一段类似 CRISPR 的重复 DNA 序列。目前尚不清楚该系统的作用，但已知具备类似特征的少数系统都能剪切、复制和粘贴 DNA；CRISPR 正是这类可编程系统推动基因药物发展的先例。Anthropic 表示还需更多研究才能确定该系统的作用及能否有类似用途。
推荐理由：Anthropic 披露 Claude 在噬菌体 DNA 中发现未知酶系统，读者可了解该发现与 CRISPR 类可编程系统的相似之处及后续研究空间。
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链与开源入口。
微软研究院在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型由 Transformer 模型 R-SMILES 2 与基于 GNN 的 NeuralLoc 组成，通过学习式重排序整合两者互补预测。
Anthropic 的经济团队正在分享一个新模型，探讨 AI 到 2030 年可能如何影响经济增长、就业、工资等。 探索这些情景，告诉我们你认为会发生什么，并看看你的回答与超过 10,000 名美国人相比如何。https://www.anthropic.com/institute/econ-scenarios
Google DeepMind 推出 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，超过 AlphaFold Database 的 30 倍，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 向学术研究免费开放。
推荐理由：DeepMind 把 AlphaGenome 的预测预计算成 1PB 数据集并开放门户，读者可据此判断基因组变异解读的可用入口。
Meta 预览内部评测框架 WildArtifactBench，用于评估智能体在多样交付格式下的复杂真实任务。该框架采用人类与智能体偏好评判的胜率和 Elo 分数，而非严格的标准答案评分标准，从而扩展了实际多模态工作流的任务覆盖范围。Meta 已从该基准中开放 10 个任务，以衡量多模态智能体的实际效用。
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 CUDA-to-MLX 翻译层把已有 CUDA 内核当作知识库，在 Apple Silicon 上生成高质量内核。
推荐理由：读者可看到 CUDA 内核经验如何被结构化迁移到 Apple Silicon，以及翻译层对性能差距的具体贡献。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，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 步降至 50 步，峰值 token 数也低于全上下文设置。
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长时程规划变得可行。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层次性结构，以约 10 倍更少的消融达到 SPEX 的性能。
伯克利 AI Research 提出一套基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，并在 NeurIPS 2025 论文中验证。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域均能预测解码器性能，优化后设计可媲美端到端方法，且内存与算力需求更低、无需任务专用解码器。