#论文/研究

微软研究院提出 StudentSim：用学生模拟器为 AI 辅导系统提供反馈

微软研究院发布研究系统 StudentSim，用公开的去标识化学习记录训练个性化 AI 学生模拟器，在真实学习者测试之前评估和改进 AI 辅导系统。该系统采用两阶段训练，先在同学科多学生记录上学习共性，再针对单个学生适配，并配套提出覆盖国际象棋、第二语言英语写作和数学的评测协议 StudentSimEval。

Qwen@Alibaba_Qwen· 21:11AI 评分4848

千问发布 QwenGyre，将弹性强化学习引入超长时程（XLong）智能体训练，核心设计包括 Elastic Scheduler 与 Trajectory Processor。

Aran Komatsuzaki@arankomatsuzaki· 00:21AI 评分6060

Nvidia 提出 ARC 方法，可教会现有机器人基础模型进行推理，无需新的机器人演示数据，也无需基础规模训练。该方法在推理密集型任务上的成功率提升超过 5 倍，且不改变模型架构。

Aran Komatsuzaki@arankomatsuzaki· 00:18AI 评分4545

3 万小时的自我中心视角视频教不会什么 - 条件化用少得多的数据就能让智能体饱和。 - 智能体饱和后，物体交互的收敛远低于该水平。 - 更多数据或更大的模型都无法弥合这一差距。 https://arxiv.org/abs/2610.12464

AK@_akhaliq· 07:08AI 评分3838

Agent Plasticity 通过经验衡量自我改进 论文：https://huggingface.co/papers/2610.08902

AK@_akhaliq· 07:06AI 评分3838

Iris-3B 超越潜在空间：像素空间扩散训练、转换与微调 论文：https://huggingface.co/papers/2610.09450

AK@_akhaliq· 06:52AI 评分2626

旧想法，新问题 基于 LLM 的新颖性评估的不稳定性 论文：https://huggingface.co/papers/2610.02022

Anthropic@AnthropicAI· 04:16AI 评分4848

天体物理学家 Brice Ménard 与 Claude Science 合作，制作出首张完整的紫外波段全天图，填补了射电到伽马射线天图中长期缺失的紫外区域。他引导 Claude 查找现有数据集、加以整合，并用统计推断补全空白，这项工作原本需要人类数周，借助 Claude 仅用几天完成。该图可作为教学工具，也说明 AI 让科学家一直无暇顾及的缓慢低优先级工作变得可行。

Aran Komatsuzaki@arankomatsuzaki· 00:28AI 评分4242

Meta 推出 RoboJEPA 将 JEPA 预测器从 22M 扩展到 8B 参数（迄今训练的最大模型），使用覆盖 12 种机器人形态的数据，并研究潜在预测误差如何预测下游规划性能 https://arxiv.org/abs/2610.10515

Aran Komatsuzaki@arankomatsuzaki· 00:23AI 评分3838

Workhorse：从人类数据学习稳健的全身人形移动操作 在真实的 Unitree G1 上，Workhorse 用双手和踢腿分拣箱子，接住抛来的箱子，还能推倒并爬上行李箱。 项目：https://hybridrobotics.github.io/workhorse/ 论文：https://arxiv.org/abs/2610.09117

Aran Komatsuzaki@arankomatsuzaki· 00:16AI 评分4242

Nvidia 推出 Long-WAM - 一个用于扩展世界-动作模型上下文的框架 - 将上下文从 0.0 秒增加到 19.2 秒，在 RoboCasa GR-1 上将成功率从 63.3% 提升至 78.7%

Emad@EMostaque· 06:56AI 评分5858

OpenAI 宣布发布一批由内部前沿模型产出的数学结果，相关代码与材料放在 github.com/openai/math。OpenAI 表示曾咨询美国高等研究院（IAS）数学与人工智能独立顾问组的意见，并参考其公开建议来决定发布方式。Emad Mostaque 转发该消息并调侃称有 722 个问题，但霍奇猜想不在其中。

OpenAI@OpenAI· 06:19精选AI 评分7272

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.com/openai/math。OpenAI 表示在发布前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确定发布方式。

AK@_akhaliq· 02:05AI 评分2626

OmniReasoning 突破音视频联合推理的极限 论文：https://huggingface.co/papers/2609.39490

AK@_akhaliq· 02:04AI 评分2222

ALoDLM 自适应循环扩散语言模型 论文：https://huggingface.co/papers/2610.04198

Aran Komatsuzaki@arankomatsuzaki· 22:53AI 评分3838

基础模型能通过借鉴训练数据中的线索进行推理 在开头加上“.\n\n Okay”，可将 Olmo-3-7B 在 MATH-500 上的 pass@1 准确率从 42% 提升到 78%；而加上“ Alright ,”则可将 Qwen3-14B 的准确率从 72% 提升到 87% RL 会让这些线索更可能出现，而修正这些线索则能恢复其相对于基础模型的大部分性能提升。

Aran Komatsuzaki@arankomatsuzaki· 22:10AI 评分3838

Amazon AGI 推出 Adaptively Looped Diffusion Language Models 在平均基准得分上超越所有已评估的 DLM 及对应的 AR 基线 项目：https://alo-dlm.github.io/ 摘要：https://arxiv.org/abs/2610.04198 代码库：https://github.com/amazon-science/ALoDLM 模型：https://huggingface.co/amazon/ALoDLM-8B

Google AI@GoogleAI· 00:55AI 评分5858

Google AI 介绍 AI 研究实验室 Living Models 将 Gemma 4 与植物 DNA 专用模型 BOTANIC-1 组合，用于快速定位影响作物性状的基因突变。

GitHub 发布 AI 代码审查开放基准 ReviewBench

GitHub 发布 AI 代码审查开放基准 ReviewBench，包含 219 个来自 187 个开源仓库、覆盖 19 种语言的 PR，分布参照 1.039 亿个 GitHub PR。

AI at Meta@AIatMeta· 03:11AI 评分5858

Meta 公布六篇论文，内容来自数学家过去数月通过 meta.ai 普通聊天界面与 Muse Spark 1.1、1.2 的 Thinking Mode 协作求解尚无现成路径的开放问题，未使用定制研究脚手架。合作遵循同一套原则：由数学家主导研究，再由另一组数学家评审，每篇论文标注哪些段落主要由人类或 AI 起草，并注明所依据的先前研究；若有其他团队独立宣布同一问题的解法，也会一并致谢。

Hugging Face@huggingface· 22:51精选AI 评分7878

Hugging Face 团队发布多 harness RL 训练指南，指出同一模型在相同权重下，在一个 agent harness 中得分 62%，在另一个中仅 33%。

Anthropic@AnthropicAI· 02:57AI 评分3636

哈佛物理学家 Matthew Schwartz 在 Anthropic Science Blog 客座文章中提出，LLM 与科学协作存在"阻抗失配"：LLM 能力很强，但像对待人类合作者那样使用它并非发挥其科学优势的最佳方式。为此他开发了一套用于定量科学精确计算的工具包，Claude 借此找到与生态学、群体遗传学等十几个领域的联系，Schwartz 再与领域专家合作把方向引向有价值的问题。

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，评估期内检出近80%的重大空间天气事件。系统结合AE与Dst指数预报、纬度、地质电导率及电网数据，Dst预测在2020-2026年活动高峰时段有62.2%的小时优于Burton方程。

Google DeepMind 推出 SynthID Bio，为 AI 生成的蛋白质加可验证水印

Google DeepMind 发布 SynthID Bio，把水印技术引入合成生物学，将不可感知的签名嵌入生物代码，在实验室测试中保持蛋白质生物功能不变。该方法针对序列微调氨基酸选择、针对 3D 结构调整原子坐标，并在 AlphaFold 3 扩散网络中微调部分权重，使预测坐标自带可检测签名。

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 Quine，一个由跨模态生物学世界模型和连接模型、科学工具、文献与研究者的交互框架组成的 AI 研究系统。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，从数千个化合物中筛选并优先排序候选分子，湿实验显示排名最高的化合物产生了最大的经典态到基底态细胞状态转变，整个筛选到候选验证过程仅用一个周末。

Anthropic@AnthropicAI· 01:46精选AI 评分6868

Anthropic 在科学博客中介绍，Claude 在 Claude Science 中依据单条提示词、基本无人监督运行数天，在平面 N=4 超对称杨-米尔斯模型的九圈散射振幅计算上超过此前八圈纪录，总成本为几千美元。该结果由 SLAC 的 Lance Dixon 独立验证，所用方法来自 Dixon 及其同事；此前八圈纪录也由 Dixon 团队在该简化模型中创下。

Anthropic@AnthropicAI· 02:18AI 评分5858

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，但已知具有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，而弄清该系统用途仍需更多研究。

Google AI@GoogleAI· 02:00AI 评分2020

哦，原来这就是我们绘制雄性果蝇全部 166,000 个神经元图谱的原因。来看看这项社区大规模协作成果，展示这些微小果蝇大脑究竟有多大能耐 🪰🧵

Google AI@GoogleAI· 21:30AI 评分5858

Google Research Connectomics 团队与 HHMI Janelia 合作，发布了雄性果蝇大脑和中枢神经系统的完整连接图，按已校对神经元数量计算是迄今规模最大的脑图谱。推文随后解释了研究团队为何关注这只小果蝇的大脑。

Qwen@Alibaba_Qwen· 19:37AI 评分5050

千问推出 E-Commerce Bench，用于评测长周期自主商业运营：智能体以 ¥100,000 启动资金经营网店 365 天，需处理选品、议价、定价、促销、库存与现金流。

AI at Meta@AIatMeta· 02:25AI 评分4040

Meta 预览内部评测框架 WildArtifactBench，用于评估智能体在多种交付格式下完成复杂真实任务的能力。该框架不依赖严格的标准答案评分，而是采用人类与智能体偏好评判给出的胜率和 Elo 分数，从而扩大对实际多模态工作流的任务覆盖。Meta 已从中开放 10 个任务，用于衡量多模态智能体的实际实用价值。

Hugging Face@huggingface· 00:00AI 评分3333

AI 智能体如何复现 ICML 2026 论文 https://x.com/i/broadcasts/1OxwbbdvRygJB

K-Search 扩展 MLX 后端：把 CUDA 内核经验迁移到 Apple Silicon

Berkeley Sky Lab 团队为 K-Search 增加 MLX 后端和结构化 CUDA-to-MLX 翻译层，让进化式内核搜索以现有 CUDA 内核为知识库生成 Apple Silicon 内核。

ABBEL：通过信念状态监督让 LLM 高效完成长程交互

伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言"信念状态"并对其内容单独监督。在协作编程基准 CollabBench 上，该方法把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，峰值上下文 token 数也明显低于全上下文设置。

自适应并行推理：高效推理扩展的下一个范式

伯克利 AI 研究团队综述并行推理进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开多少并发线程以及如何协调。现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。

Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器

Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将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以促进探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型状态-输入梯度脆弱等问题，使基于梯度的长时程规划更稳健。

Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互

Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，用于在大规模场景下识别 LLM 的关键交互。SPEX 利用稀疏性和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 倍更少的消融实验达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展到数千个特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。

Berkeley AI Research 提出基于信息量的成像系统设计框架

Berkeley AI Research 提出一种直接以互信息评估和优化成像系统的框架，无需任务专用解码器。该信息指标在彩色摄影、射电天文、无透镜成像和显微镜四个领域预测了系统性能，优化后的设计达到与端到端方法相当的水平，且内存和算力需求更低。方法利用已知噪声物理直接计算噪声项，仅需从测量数据中学习测量分布，并给出真实信息量的上界。

Mira Murati@miramurati· 01:06AI 评分3636

结合RL和SFT的优势，采用同策略蒸馏，这是一种有前景的方法，可用于训练小模型以提升领域表现和持续学习能力。