从合成企业数据评测到提升 Microsoft Copilot 的 AI 置信度
微软构建 Industry Evaluation Data Generation Platform，通过全尺度合成企业环境评测 Microsoft Copilot，在不接触客户数据的前提下验证性能。该平台基于 O*NET、在线招聘与 SEC 申报等公开数据源，模拟具备真实时序的邮件、会议和组织架构。目前已针对制药、资本市场及 IT 软件构建三类仿真环境，用以发现通用基准难以覆盖的问题。
#数据/训练
Microsoft ResearchAI 评分4242
The DecoderAI 评分7171 研究人员发现阿里千问部分最新 Qwen 模型将请求路由至内部云服务器
Cohere 与 Palisade Research 等安全机构发现，阿里千问部分 Qwen 3.8 模型在智能体测试中会偶发性地将请求路由至阿里云代理服务器。
Google ResearchAI 评分5959 Google 提出睡眠框架：让大语言模型在持续学习中保留知识
Google 团队提出受神经科学启发的睡眠框架（sleep framework），使大语言模型在活跃交互与离线睡眠阶段交替运行，将短期上下文记忆巩固为长期参数以解决灾难性遗忘。
The DecoderAI 评分5757 研究发现让 AI 文本读起来费力的六种语言模式
纽约大学与得克萨斯大学奥斯汀分校的研究让 Claude、GPT-5.6、GLM-5、Kimi K2.5 及 Llama、Olmo 等 14 个模型生成对话、编码会话和议论文。
The DecoderAI 评分7171 OpenMobile-2 用开源智能手机智能体对标闭源模型
南京大学、商汤等机构的研究者发布 OpenMobile-2，基于 Qwen3.5 和 Qwen3.6 构建 9B 与 27B 两个智能手机智能体模型，并开放训练环境、数据和复现说明。
Hugging Face BlogAI 评分4242 如何通过专化 SLM 词表将实际应用中的推理成本降低 77%
基于 Qwen3-4B 的葡萄牙语作文评分系统通过 VocabX 重建词表，在基座模型、数据和训练配方不变的情况下，实测推理成本降低 77%。该系统的输出层矩阵从约 15.2 万行缩减至约 6.5 万行，因为解码阶段每个生成 token 都要读取整个 LM head 矩阵，且生成一个 token 的成本是读取一个 token 的 7.4 倍。
Microsoft Research精选AI 评分7373 Microsoft Research 研究者证明悬置 31 年的 KLS 猜想
Microsoft Research 的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，给出一项与维度无关的固定界。
推荐理由：这项证明本身是数学进展，更有价值的是把研究路径讲成了人机分工范式，读者可据此理解 AI 在科研协作中扮演的角色。
Google ResearchAI 评分5959 Google 发布地理空间推理智能体技术报告并扩大 Earth AI 早期访问
Google 发布关于地理空间推理智能体的技术报告，在四个基准上对比四种配置，包括独立 LLM、基础工具、Earth AI 工具和带前置规划的完整智能体，并公开 GeoKTools 与 GeoExpertQueries 两个新基准的开发集。
Microsoft ResearchAI 评分4848 Microsoft Research 用 StudentSim 模拟学生学习，改进 AI 辅导系统
Microsoft Research 提出 StudentSim，可用公开的去标识学习者记录为每个学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导系统。该研究报告在 chess、第二语言英语写作和数学上，StudentSim 优于领先基线，并提供有用的反馈信号。团队还发布 StudentSimEval 评测基准，从行为保真度与指导响应性两个维度评估模拟器。
Google ResearchAI 评分4040 Google Earth AI 的 PDFM 地理空间基础模型如何用于全球公共卫生
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，展示预训练位置嵌入可即插即用地接入现有流行病学模型，无需任务特定微调。
Microsoft ResearchAI 评分4949 微软研究院用机器学习预报电网空间天气风险
微软研究院实习生开发了一套端到端机器学习系统，为美国本土66,935座变电站提供提前30-60分钟的空间天气风险预报。该系统结合L1太阳风观测、AE与Dst指数预报、地质电导率及电网数据，在2020-2026年评估期内识别出近80%的重大空间天气事件。GIC风险阶段对≥10 nT/min事件的检测率为76.5%，对≥50 nT/min的极端事件为64.1%。
Berkeley AI ResearchAI 评分5151 伯克利提出 ABBEL：让 LLM 用自然语言信念状态更新记忆以支持长程交互
伯克利 AI 研究团队提出 ABBEL 框架，用自然语言信念状态替换完整交互历史作为智能体工作上下文，并对信念状态的内容单独监督。该方法把信念评级作为辅助强化学习任务，在 CollabBench 协同编程中把与全上下文模型的性能差距缩小约 50%，训练步数从 100 降到 50。
Berkeley AI ResearchAI 评分4242 面向世界模型的 GRASP：长时程规划的梯度优化新方法
研究者提出基于梯度的规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代加入随机性以探索，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计算图病态、非贪心局部极小和高维视觉模型梯度脆弱的问题，使世界模型的长时程规划更稳健。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI ResearchAI 评分3535 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 介绍 SPEX 与 ProxySPEX 两种算法，用于在大规模场景下识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性，把高维交互搜索转化为稀疏恢复问题，在数千特征下仍保持高 faithfulness；ProxySPEX 借助层级结构，仅用约 10x 更少的消融即可达到 SPEX 的性能。