AI2 推出 StateBench 基准，测语言模型在长文档中的状态追踪能力
AI2 发布 StateBench 基准，按四个难度级别评测语言模型在长文档中追踪实体状态变化的能力。
#论文/研究
Hugging Face BlogAI 评分5151 Hugging Face BlogAI 评分4545 Hugging Face 发布 Palette：用合成数据教会小型开源模型按你的设计语言制作幻灯片
Hugging Face 推出 Palette，一个经 LoRA 微调的 20B 开源权重模型，按 IBM Design Language 训练，学习“设计师+程序员”分工方式生成幻灯片，在 PresentBench 三个领域中的两个排名第一。
Hugging Face BlogAI 评分4747 Collinear AI 发布 CWE-bench v2：覆盖更广、质量与透明度更高
Collinear AI 推出 CWE-bench v2，公开 100 个网络安全任务，覆盖 91 种不同 CWE，评测完全程序化、结果可复现，任务均经人工审核。
Google ResearchAI 评分5858 Google Research 提出 sleep 框架，让 LLM 在持续学习中巩固长期记忆
Google Research 提出 sleep 框架，让 LLM 在清醒阶段交互学习、在离线睡眠阶段把短期上下文巩固为长期参数，从而持续学习且避免灾难性遗忘。
Google Research精选AI 评分6161 Google Research 分享基础模型如何推进全球结核病筛查
Google Research 在 IDWeek 2026 上分享其健康 AI 研究落地成果，从胸部 X 光 AI 筛查算法经前瞻验证与监管认证，发展为 MedGemma 等开放基础模型。
推荐理由：Google 回顾了从胸部影像算法到开放模型落地六国筛查的完整路径，可对照思考医疗 AI 从论文到临床的转化条件。
Google DeepMind精选AI 评分6363 Google DeepMind 联合发布全球森林类型地图 ForTy 2020
Google DeepMind 与 Google Research 联合 WRI 和 IIASA 发布 Forest Typology（ForTy）2020 全球地图，以 10 米分辨率把地表分为原始森林、天然更新林、人工林、种植园、经济林木及其他土地六类，并附 2017 至 2025 年逐年变化时间序列。
推荐理由：原文给出分类方法、验证规模和开放许可，读者可了解如何用 AI 遥感识别森林类型并服务欧盟毁林法规。
Google Research精选AI 评分6060 Google Research 发布 AI 盲扫超声孕周评估研究，准确度非劣于专家操作
Google Research 在 JAMA Network Open 发表前瞻性研究，验证用 AI 解读盲扫超声评估孕周，在芝加哥 Northwestern Medicine 和内罗毕 Jacaranda Health 两地 385 名 16 至 36 周孕妇中取得 4.18 天平均绝对误差，非劣于专家超声医师标准方法的 4.48 天。
推荐理由：该研究在芝加哥和内罗毕两地前瞻性验证盲扫超声 AI 估孕周，结果显示非劣于专家标准，可参考其跨硬件泛化做法。
Microsoft Research精选AI 评分8585 微软研究院等证明KLS猜想，解决高维几何领域31年悬而未决的核心难题
微软研究院机器学习与优化组的Xinzhi Zhang与合作者证明了1995年提出的Kannan–Lovász–Simonovits（KLS）猜想，证明对数凹分布的最优平面切割与任意形状最优切割之差被一个与维度无关的通用常数界定。
推荐理由：作者亲述人类主导的智能体搜索如何证明悬置31年的KLS猜想，对照无引导尝试的失败，可作为人机协作科研方法的参照。
Google Research精选AI 评分6060 Google Research 发布自主湿实验室研究：VERID 框架与智能体闭环生物实验
Google Research 介绍三项研究，推动 AI 智能体在真实湿实验室中闭环做实验。VERID 是基于开源 PyLabRobot 的实验室数字孪生框架，提供实时 3D 状态跟踪、虚拟试运行、硬件安全检查和同步录像日志，让智能体在真实实验中把染料混合物重建精度提升五倍以上。
推荐理由：官方博文给出三条通往自主湿实验室的研究线，读者可看到智能体闭环实验在适配体和蛋白质设计上的具体数据。
Microsoft Research精选AI 评分6060 Microsoft Research 发布零知识虚拟机 Magnetar，通用程序可证执行提速 10 至 39 倍
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行，无需密码学专家改写电路。
推荐理由：微软研究院展示的 Magnetar zkVM 只依赖标准哈希函数做安全基础，速度比同类最快系统平均快 10 到 39 倍，可与量子安全路线对照阅读。
Google ResearchAI 评分5555 Google Research 发布地球 AI 地理空间推理智能体技术报告并扩大早期访问
Google Research 发布 Geospatial Reasoning 智能体的技术报告，在 CBGB、UnivEARTH 及两个自研新基准 GeoExpertQueries、GeoKTools 上系统评估了四种配置（基于 Gemini 3.8 Flash 和 Gemini 3.1 Pro）。
Microsoft ResearchAI 评分4646 Microsoft Research 推出研究系统 StudentSim：用 AI 学生模拟器改进 AI 辅导
Microsoft Research 推出研究系统 StudentSim，通过从公开、去标识的学习者记录中训练个性化的 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导工具。系统从行为保真度和指导响应性两个维度评估模拟器，并发布涵盖国际象棋、英语二语写作和数学的基准 StudentSimEval，StudentSim 在这三个领域均超越主流基线。该系统不用于课堂部署，也不旨在取代教师。
Google Research精选AI 评分7474 Google 研究显示 AI 提升专利律师即期产出但未加速初级律师判断力养成
Google Research 在 NBER 发表论文，在 11 家知识产权律所对 133 名律师开展三个月随机对照实验，测试未发布的 Google Labs AI 专利撰写助手（现已并入 Gemini Notebook）。
推荐理由：Google 团队用三个月随机对照实验区分了用 AI 做出更好工作与养成专业判断力两件事，对理解新手成长有直接参考价值。
Berkeley AI ResearchAI 评分5353 从 CUDA 到 MLX：K-Search 如何把数十年内核优化经验迁移到 Apple Silicon
IBM Research 与 UC Berkeley Sky Lab 合作，为进化式内核搜索框架 K-Search 新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，把已有 CUDA 内核当作知识库适配到 Apple Silicon。
Berkeley AI ResearchAI 评分4646 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发文分析并行推理领域进展，重点是自适应并行推理（Adaptive Parallel Reasoning）：让推理模型自行决定何时分解并并行化独立子任务、生成多少并发线程及如何协调。
Berkeley AI ResearchAI 评分4040 GRASP：面向世界模型长时域规划的基于梯度的规划方法
Berkeley AI Research 的研究者（与 Mike Rabbat、Yann LeCun 等合作）提出基于梯度的规划器 GRASP，让学习式世界模型的长时域规划变得可行。
Berkeley AI ResearchAI 评分4747 **title_zh:** SPEX 与 ProxySPEX：大规模识别 LLM 中的关键交互
**summary_zh:** Berkeley AI Research 提出 SPEX（Spectral Explainer）与 ProxySPEX 算法，利用信号处理与编码理论在大规模下识别 LLM 中驱动模型行为的关键交互，覆盖特征归因、数据归因与模型组件归因三个层面。