UniPat AI 发布湿实验预测基准 SPU，12 款前沿模型平均分最高仅 0.486
UniPat AI 牵头发布湿实验预测基准 Science Prediction Universe（SPU），包含 116 个任务、4207 个湿实验，覆盖化学、材料科学、生物和医学，公开任务来自 85 篇近期论文，另有 16 个来自未发表合作实验的私有任务。
#论文/研究
量子位AI 评分6060 雷峰网AI 评分4949 中大梁小丹团队 GeoThinker-F：不调外部三维编码器，空间推理提速约 3.6 倍
中山大学梁小丹团队提出 GeoThinker-F，让视觉语言模型通过内部潜在帧预测模块自行生成几何与短期未来语义特征，推理阶段不再调用 VGGT 等外部三维几何编码器。
雷峰网AI 评分4949 西湖大学成立世界模型研究中心，40 亿参数 Awomo-0.5 拿下 6 项评测第一
西湖大学成立世界模型研究中心，由校长施一公揭牌，同时发布首版基础模型 Awomo-0.5。这款 40 亿参数模型采用「概念世界模型」路线，在 6 项国际公开评测榜单登顶，其中 RoboTwin-c2r 双臂操作成功率 80.6%、MolmoSpaces 零样本评测 73.4%。团队已建成清洗超 50 万小时具身数据的数据管线与近千卡算力平台。
量子位AI 评分6060 星尘智能发布多机协同框架CoMind
星尘智能发布面向多机器人协同操作的框架CoMind，让机器人主动交换任务关键信息并各自独立生成动作。在隔墙拿笔测试中，两台机器人彼此不可见，任务成功率从0%提升到100%；盲盒置物任务准确率从38.9%提升到88.9%，同时通信信息量减少约80%。框架分两阶段，先提取任务相关上下文，再双向共享并结合视觉、语言与本体状态输入VLA模型生成动作，还引入动作级反向传播让队友的动作误差反过来调整信息提取。
The Verge · AIAI 评分5858 研究称 ChatGPT、Gemini 和 Perplexity 会推荐假冒零售网站
IP 保护公司 Podqi 的一项研究显示，ChatGPT、Gemini 和 Perplexity 在回答购物相关问题时都会引用或展示风险网站，包括冒充真实零售商的假站、被他人重新注册的旧品牌域名和已失效的站点。
量子位AI 评分6060 未来医生MedGPT完成40例复杂肺癌病例评测，250名三甲医生参与
未来医生MedGPT与国内三甲医院胸外科团队联合开展肺癌实证研究，围绕40例复杂肺癌病例，在250名三甲医院医生参与的统一评估下，AI与医生无辅助方案的评分对比为88比12。
Microsoft Research精选AI 评分7878 微软研究提出 Lazarus 后门技术：改写休眠神经元即可控制 AI 智能体
微软研究人员发现名为 Lazarus 的后门技术，只需改写 LLM 中不到 10 个休眠神经元、无需训练，就能让智能体在触发条件出现时执行攻击者命令。触发条件可以简单到日期变化，例如时钟跨入 2027 年后，智能体在普通任务中下载并运行攻击者代码，同时仍能通过标准评测。
推荐理由：研究显示改写不到 10 个休眠神经元即可给智能体植入后门，并给出权重溯源与扫描的防御思路。
Google DeepMind精选AI 评分8282 Google DeepMind 推出 AlphaProof Code，用 AI 智能体形式化验证 Signal 协议代码
Google DeepMind 发布 AlphaProof Code，一个多 LLM 智能体形式化验证框架，并首次用 AI 对广泛部署的 Signal 加密协议实际代码完成深度形式化验证。
推荐理由：DeepMind 用多智能体框架把形式化验证推进到已部署协议的实际代码层，四周完成过去需数年的工作。
Google DeepMindAI 评分5858 Google DeepMind 开放 WeatherNext 3 背后的 SatWeave 与 PARDIG 数据集
Google DeepMind 发布 SatWeave 和 PARDIG 两个数据集，二者是近期发布的 WeatherNext 3 模型的关键数据来源。
Microsoft ResearchAI 评分5858 微软研究院用 PDD Kit 形式化验证智能体编写的全栈 Web 应用
微软研究院联合 GitHub Next 推出研究原型 PDD Kit，把开发者的自然语言意图转成 Verus 形式化规格，再用证明和测试约束智能体生成的代码。
MIT Technology Review · AIAI 评分4040 “逆向博弈论”如何约束 AI 智能体
一种名为“逆向博弈论”（机制设计）的新思路试图通过设计激励规则来约束 AI 智能体，而非窥探模型内部或训练其价值观。MIT 经济学家 Stephen Morris 等的预印本论文提出让模型互相预测答案、互相对抗或配对相反偏见，以阻止模型在测试中故意藏拙。普林斯顿 Elad Hazan 则设想让模型轮流扮演“解题者”与“审计者”，作弊者与被骗过的审计者都受罚。
Microsoft Research精选AI 评分7474 微软研究者证明 31 年未解的 KLS 猜想
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，证明高维对数凹分布中平面切割与任意形状切割的效果只差一个与维度无关的常数。
推荐理由：微软研究者用人类引导的智能体搜索证明 KLS 猜想，读者可看到人机协作做数学研究的具体流程。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，现已开放研究预览版。该基准基于 1.039 亿个 GitHub PR 的分布构建，包含 19 种语言的 219 个公开 PR，采用多来源黄金集和统一评分规则，由资深工程师独立复核，与基准判断的一致率为 96.6%。
Berkeley AI ResearchAI 评分5858 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley AI Research 博客介绍将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验适配 Apple Silicon。