OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化及相关研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并放出 Lean 证明形式化与细节，可看模型推理与形式化验证的结合方式。
#数据/训练
OpenAI News精选AI 评分6262 Apple Machine Learning ResearchAI 评分3030 RISED：用评分量表实现智能体多环境选择与自蒸馏
Apple 团队提出 RISED，将评分量表（rubrics）从奖励信号扩展为多环境 LLM 智能体训练中的数据选择与策略监督工具。LLM 裁判用跨环境共享的 rubric 词表标注每条 rollout，据此挑选与混合环境批次行为构成一致的数据，并让正向 rubric 为同策略自蒸馏教师提供 token 级监督、负向 rubric 引导后续生成避开重复失败模式。
Apple Machine Learning ResearchAI 评分1515 Apple 研究：用户自撰个人感知系统中的本体边界协商
Apple 与斯坦福大学研究者用 Wizard of Oz 技术设计了两款开放式探针，让参与者训练基于自定义现象的个人化机器学习系统，并在为期一周的日常使用中识别出四类本体边界协商场景：现象边界、作为关系一部分的主体、何为信号何为噪声、以及数据的客观性。论文已被 ARES 2026 的 AI4TCI Workshop 接收。
PyTorch BlogAI 评分1515 PyTorch 推出 PTCA 认证学习路径
PyTorch 发布 PyTorch Certified Associate（PTCA）认证学习路径，通过 Linux Foundation Education 将四个自定进度学习模块与 PTCA 认证考试打包为一个产品。
Apple Machine Learning ResearchAI 评分2222 语言判别如何提升多语言语音模型的语言学习能力
Apple 研究团队发现，在预训练中强化语言判别能力可缩小多语言语音模型与单语模型的差距。在英语/法语 HuBERT 对照实验中，加入辅助语言分类器或按语言 k-means 目标后。
NVIDIA BlogAI 评分2222 NVIDIA AI 工厂如何实现高投资回报：高产出、长寿命、通用性
NVIDIA 提出 AI 工厂投资回报取决于三个要素：每兆瓦产出能力、硬件使用寿命和 token 需求，三者相互关联。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。
Apple Machine Learning ResearchAI 评分3636 Apple 提出 RLTL;DR：通过内化自生成反馈实现自我提升
Apple 提出 RLTL;DR，让策略在每次失败后根据验证器输出自行写出单条 TL;DR 式反馈，并将上下文中的洞察反向传播以内化"任务→洞察"映射。
Microsoft ResearchAI 评分3838 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院实习生开发了一套端到端机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报及变电站地质电导率数据，为美国本土 66,935 座变电站生成 30-60 分钟提前量的位置级空间天气风险估计。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使水印不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时实验室测试显示其生物功能未受影响。
推荐理由：Google DeepMind 把 SynthID 水印扩展到合成生物学，读者可了解其如何在不影响蛋白功能的前提下嵌入可检测信号。
Microsoft Research精选AI 评分6666 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
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联合训练的生物学世界模型，以及连接模型、科学工具、文献与实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
Together AI BlogAI 评分5050 如何用 17 美元训练自己的 Jev 分类模型
基于 Qwen3.5 4B，用 37,840 条来自 MultiNLI、BoolQ、Banking77 等数据集的样本微调，训练成本约 17 美元、耗时约 25 分钟，即可得到一个输入状态与预设问题、输出分数或选项的分类模型。
Microsoft Research精选AI 评分6262 Microsoft Research 在 Nature 发表逆向合成模型 RetroChimera 并开源
Microsoft Research 在 Nature 发表逆向合成模型 RetroChimera，用于自动提出小分子合成路线。该框架结合 Transformer 模型 R-SMILES 2 与基于图神经网络和反应模板的 NeuralLoc，用学习式集成重排序融合两者预测，在盲测中化学家更偏好其单步反应预测，十个挑战性目标中九个被专家接受。
推荐理由：论文发表于 Nature，并开源实现与权重，读者可了解逆向合成模型如何用集成重排序提升路线预测质量。
Together AI Blog精选AI 评分6262 Together AI 扩展微调服务，新增模型、实时指标与更细粒度控制
Together AI 扩展 Fine-Tuning 服务，新增 GLM-5.3、Kimi K2.7、DeepSeek-V4-Flash、Qwen 3.5/3.6/3.8、Gemma 4 等开源权重模型支持，并加入实时实验指标、专家层 LoRA、早停、任意 batch size、数据预览与样本权重等控制项。
推荐理由：原文给出微调全流程的可见性与控制项，读者可据此判断训练实验与部署环节的改动方向。
Redwood ResearchAI 评分2828 Redwood Research 提出 NLS depth：量化模型不可见串行推理的新指标
Redwood Research 提出 NLS depth（Natural-Language-rooted node-Separated depth），用于衡量模型可执行的未言语化串行认知量，即"不透明串行深度"的一个具体操作化版本。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单字母变异预测
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 倍以上，已通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 开放学术研究免费使用。
推荐理由：原文给出覆盖 90 亿单核苷酸变异的预计算预测与 AVI 评分，读者可了解基因组变异解读的规模化路径。
Microsoft ResearchAI 评分3939 微软 GigaPath-Flash 与 GigaTIME-Flash：面向人群规模发现的高效病理基础模型
微软研究院推出 GigaPath-Flash 与 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干大幅降低病理基础模型算力需求，均以 Apache 2.0 许可开源。
Berkeley AI ResearchAI 评分5151 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 把演化式内核搜索框架 K-Search 扩展到 Apple 的 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验被自动适配为 Apple Silicon 内核。
Berkeley AI ResearchAI 评分3030 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并加以监督，用受自编码器启发的重建式信念评分（belief grading）作为辅助 RL 任务。
OpenAI Alignment 研究博客精选AI 评分6666 OpenAI 提出 Contrastive SDF 方法测量模型的奖励寻求行为
OpenAI Alignment 研究博客发布研究，提出 Contrastive Synthetic Document Finetuning（Contrastive SDF）方法，通过在同一模型的两份副本上分别微调暗示相反评分者偏好的合成文档，测量模型行为对评分者偏好信念的因果敏感度，即奖励寻求程度。
推荐理由：OpenAI 与 Apollo 提出用对比式合成文档微调测量模型的奖励寻求倾向，并给出 RL 训练中该倾向上升的证据。
Berkeley AI ResearchAI 评分3434 智能免费之后：面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出近零推理成本时代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）、由智能体构建（By Agents）。
OpenAI Alignment 研究博客精选AI 评分7171 OpenAI 研究：有益特质强化学习可带来广泛且持久的对齐泛化
OpenAI Alignment 研究博客发布研究，发现针对诚实、认知谦逊、可纠正性等有益特质做强化学习，能在 53 项内外部基准中的 44 项上超过同等算力基线，改进跨域泛化到训练未涉及的领域。研究构建了覆盖健康、教育、科学、法律等领域的真实对话数据集，将少量有益特质数据混入后训练分布进行 RL 训练。结果显示这些对齐改进在对抗性提示和有害微调下更难被逆转，模型仍对有益指令保持可引导性。
推荐理由：OpenAI 用真实场景数据做有益特质 RL，展示对齐改进可跨域泛化并在对抗压力下保持，为对齐训练提供可迁移思路。
OpenAI Alignment 研究博客精选AI 评分6262 OpenAI 研究：公开聊天数据能否预测真实世界的 AI 失准行为
OpenAI Alignment 研究团队用私有生产数据验证，基于公开数据集 WildChat 的部署模拟能较准确预测真实失准率。
推荐理由：OpenAI 用私有生产数据验证公开数据集 WildChat 能否预测真实失准率，并指出智能体场景的预测边界。
OpenAI Alignment 研究博客精选AI 评分6666 OpenAI 调查 RL 训练中意外对 CoT 打分的影响
OpenAI 披露其自动检测系统发现，GPT-5.4 Thinking、GPT-5.1 Instant 至 GPT-5.4 Instant、GPT-5.3 mini 和 GPT-5.4 mini 在 RL 训练中曾被意外对 CoT 打分，GPT-5.5 未受影响。
推荐理由：OpenAI 公开了自家 RL 训练中意外对 CoT 打分的检测系统与影响分析，可供理解 CoT 可监控性为何脆弱。
OpenAI Alignment 研究博客AI 评分5555 OpenAI 开源思维链可监控性评测数据集与参考代码
OpenAI 开源其思维链可监控性工作的一部分数据集与参考代码，包含评测套件中的大部分数据集、计算可监控性指标 g-mean 2 的代码，以及一种新的交叉拟合过滤策略，仓库地址为 https://github.com/openai/monitorability-evals。
Berkeley AI ResearchAI 评分2727 GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出 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、在状态迭代中直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度。该方法针对长时程规划中计算图病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题，使基于梯度的规划更稳健。