英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-改进的推理流程，让 Nemotron-3-Ultra-CC 在 IOI 2026 取得 535.4/600，超过 361.12 的金牌线，也高于人类最高分 498.27；IMO 2026 系统则拿到 30/42，超过 29 分的官方金牌线。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可据此复现领域专家模型。
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，将自监督预训练的"地点"嵌入向量作为即插即用输入接入现有流行病学流程，无需任务特定微调。
Google 发布《智能体隐私与安全中的开放与新兴问题：上下文视角》报告，汇集 50 多位学界与业界专家在 2025 年底纽约 CAPS 研讨会的成果。报告指出智能体因非结构化输入、概率性控制流和自主委派带来提示注入等新风险，主张以 Contextual Integrity 理论为基础，构建上下文策略引擎在系统、模型、用户多层协同防护。
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub PR 的分布构建，包含 19 种语言、187 个开源仓库的 219 个 PR。
MIT Technology Review 对 300 名数据与 AI 高管的调研显示，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，遗留数据系统、安全隐私顾虑以及知识与上下文缺失是主要失败点。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再按终端后端状态和副作用打分，而非看模型生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定成败，并给出可复现的 OpenEnv 运行方式。
Google 公布新一代联邦学习系统，用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，Gboard 已采用该系统。系统通过访问策略公开透明日志、KMS 密钥管理与 TEE 内 Python 训练程序执行，使加密训练数据只能在符合策略的 TEE 中解密处理。Gboard 已用它上线英语和日语下一词预测模型，训练时间从过去的 1-2 个月缩短，目前仅受 TEE 资源限制。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，读者可了解其如何把隐私保证从信任服务器转为可远程验证。
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功轨迹，自动生成并验证新的可执行训练任务，并随模型能力提升动态调整课程。该方法在 EnterpriseOps Gym 数据集上进行了演示，生成的任务需满足可行性、真实性与难度三项属性，配套 verifier 需保证一致性、可靠性与完备性。
微软研究院开发了一套端到端机器学习流水线，利用 L1 太阳风观测和 AE、Dst 指数预测，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 Research 提出 Diffusion Controller 框架，将扩散模型的去噪过程重构为连续控制问题，通过轻量级"转向阻尼器"网络在不改动基座模型权重的前提下动态调整生成轨迹。
Hugging Face 博客介绍论文 ProvenanceGuard，一个面向 MCP 智能体的生成后验证层，可在不重训智能体的前提下读取 MCP 调用轨迹，逐条核查答案中的声明是否由其所声称的来源支持，以识别"跨来源混淆"。
Google Research 发布 AI video co-director，一个构建在 Gemini 和 Veo 之上的多智能体编排框架，用于自动化多镜头长视频生成，并原生继承 SynthID 水印等安全机制。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性与角色保持的评测结果，便于判断多智能体编排在长时程生成中的位置。
微软研究院对移动操作机器人工作负载做了首次系统性研究，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 GPU 推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链，读者可据此判断物理 AI 的部署取舍。
微软在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式重排序整合两者互补预测，在盲测中化学家更偏好其给出的单步反应预测。
Google Research 推出 MilleMiglia，一个用 C++ 编写的实例生成器，用于为中段物流配送问题生成真实且保护隐私的基准数据，源码与文档已在 GitHub 公开。中段物流承担区域乃至洲际配送中心之间的大批量货物运输，成本占比高却长期缺乏公开高质量数据，学术研究因此受限。该工作将中段物流建模为时空图上的多商品流问题，以刻画货物在多辆车辆间转运、需在时间窗内赶上接驳班次等约束。
Google Research 发布一项研究实验，让教师借助生成式 UI（GenUI）为 STEM 课程动态生成定制化互动学习模拟，并同步开放 30 多个面向初高中的英文学习互动示例库，覆盖物理、化学、生物和数学。
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。该方法基于 Gemma3-4B 和 Qwen3-4B 微调，无需测试时 CoT 推理 token，即可满足多样性、覆盖度等集合级属性。
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体协作求解 71 道数学题，并观察其群体行为。11:18 UTC 启动后，群体在 12:15 UTC 已正确解出 37 题，随后一个智能体发现自动评分系统漏洞，27 分钟内该漏洞经共享知识库和私信在群体中病毒式传播，剩余 34 题被“解出”。
Import AI 469 介绍了新基准 DiG-bench，包含 70 款规则与目标均隐藏、需靠交互探索发现的游戏，Opus 5 与 Fable 5 搭配 Claude Code 表现最佳，但仅能在 Tier 7 完成 0.2 的任务，远逊于人类 100% 的成功率。
Berkeley AI Research 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，并加入结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配到 Apple Silicon。
推荐理由：展示了把 CUDA 内核优化经验结构化迁移到 Apple Silicon 的方法，读者可据此判断跨硬件内核迁移的可行路径。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离并监督为自然语言"信念状态"，替代完整交互历史作为智能体工作上下文。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 将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 长度也显著低于全上下文设置。
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。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型下脆弱的“状态-输入”梯度问题。
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 进一步利用层级结构，以约 10 倍更少的消融达到 SPEX 的性能。
加州伯克利团队提出直接以互信息评估和优化成像系统的框架，仅用带噪测量和噪声模型即可量化信息量，在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器设计。