微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量级智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的同一套 agent harness 直接参与训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把真实 harness 直接接入强化学习训练，并给出可复现的编码智能体训练结果。
Healthleap 完成 3800 万美元种子轮和 A 轮融资，其中 800 万美元种子轮由 Sequoia Capital 和 First Round Capital 联合领投，3000 万美元 A 轮由 Hummingbird Ventures 领投，公司未披露估值。
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。
OpenAI 公开了一批由未发布的前沿模型产出的数学成果，共 722 篇手稿、覆盖 372 个结果族，据 AGMAI 称包含对数百个未解问题的解答。OpenAI 表示平均每个结果消耗相当于 ChatGPT Pro 思考三小时的算力，并称结果发布在 GitHub 仓库中，附带论文修订与引用协议。
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。
Reflection 发布 Beam，一个面向编码、智能体与科研任务的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，完整权重将以 Apache 2.0 在本月放出。
推荐理由：汇总了 Beam 的架构、训练规模与第三方评测口径，可对照同期开源模型的定位差异。
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。
MIT Technology Review 报告指出，2026 年全球 AI 投资将达 2.5 万亿美元，同比增长 44%，但多数企业仍困于数据孤岛，未能靠 AI 增长收入。报告提出“智能体转型”，主张以流程重构为先、建设可组合的主权架构，让数据在本地即可被 AI 智能体调用。
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 训练，已作为 Asta 的 Fast 模式上线，同时开放模型权重和训练数据。
Airbnb CTO Ahmad Al-Dahle 接受 Latent Space 采访，介绍公司从 Meta 式前沿模型研发转向大规模部署的 AI-native 改造。
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。
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据训练的生物世界模型，以及连接模型、科学工具、文献与研究者的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
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。
微软发布 GigaPath-Flash 和 GigaTIME-Flash 两个高效病理基础模型，均采用从十亿参数 GigaPath 编码器蒸馏出的 22M 参数 ViT-S 主干，并以 Apache 2.0 许可开源。
METR 研究显示 AI 对科研的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域 arXiv 投稿量不到 12 个月翻倍但价值难量化，AI 研究本身则未见可测量的加速。多校团队提出 SPADE 框架，让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基线提升 8.1。
微软研究院发布深度学习 DFT 交换关联泛函 Skala 1.1，训练数据比上一版多 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。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续追踪各版本计算性能的 living benchmark。
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 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 EPIC Data Lab 提出近零推理成本下数据系统面临三大挑战：为智能体设计（Data Systems For Agents）、由智能体运行（Of Agents）、由智能体合成（By Agents）。GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间，中位数约 50x。
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!
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。