Opus 5.5 爱用‘this matters’等表述（及其他 AI 写作特征）
Graphite 研究发现 Claude Opus 5.5 使用‘this matters’频率比人类高 116 倍，是其典型 AI 写作特征。研究对比 Claude、OpenAI Astra、Gemini 3.1 Pro 等前沿模型，各版本均有独特高频短语如 Astra 偏爱‘another dimension’。
动态
动态
今日 2 条TechCrunch · AISI 评分6363 Ars Technica · AISI 评分5353 Ataraxos AI 击败史上最佳 Stratego 玩家，曾难倒 AI 的隐藏信息游戏被攻克
卡内基梅隆等高校团队开发的 Ataraxos AI 攻克曾难倒 AI 的 Stratego 游戏，以 15 胜 1 负 4 平击败史上最佳玩家 Pim Niemeijer。该模型仅用 16 GPU 和几千美元训练，而此前 DeepMind 高预算也未能构建可靠获胜机器。
The Decoder精选SI 评分7676 Ataraxos 击败 Stratego 最强人类选手，算力成本约为 DeepNash 的 1/500
研究团队开发的 Ataraxos 在 Stratego 对局中以 85% 有效胜率击败史上最强选手 Niemeijer，终结了人类在这款不完美信息棋盘游戏中的优势。
推荐理由：对比 DeepNash 的算力开销与训练成本，读者可了解不完美信息博弈中强化学习的新解法。
Microsoft ResearchSI 评分3434 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
微软研究院实习生构建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、地质电导率和电网数据，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。
Google ResearchSI 评分4242 Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller 框架，将去噪过程重构为连续控制问题以统一图像生成控制。其轻量级附加网络在匹配人类偏好上优于行业标准，完全解锁版本对基线模型达到 90% 胜率。该框架基于 Stable Diffusion v1.4 骨干，利用 HPS-v2 评估，支持对闭源模型进行无代码修改的控制。
Microsoft Research精选SI 评分6262 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
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、文献和实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物学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。
Hugging Face BlogSI 评分4242 ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
Hugging Face 发布 ProvenanceGuard，一种针对 MCP 智能体的来源感知事实性验证层，旨在解决跨来源混淆问题。在包含 361 个声明的测试中，该模型准确拦截了 138 个应被阻止的声明，并识别出 67 个需复核的支持声明。对于可识别来源的声明，其来源匹配准确率约为 86%。
Import AISI 评分4242 Import AI 474: Platonic mindspace; TPUs in space; Zhipu starts an outer RSI loop
科学家 Michael Levin 提出“柏拉图心智空间”假说，认为心智是嵌入物理世界的非物理模式，身体仅作为接口。该理论通过 xenobots 等实验暗示简单系统能探索邻近复杂模式，为理解 AI 与人类心智的哲学对齐问题提供新视角。
Google Research精选SI 评分7272 Google Research 发布 AI 视频联合导演框架实现长视频连贯生成
Google Research 发布 AI video co-director 框架，基于 Gemini 和 Veo 构建多智能体系统以解决长视频生成的语义漂移和级联失败问题。
推荐理由：提出多智能体框架解决长视频语义漂移，通过全局优化与视觉记忆实现分钟级叙事一致性。
OpenAI NewsSI 评分3333 OpenAI 推出 MentalHealthBench
OpenAI 发布 MentalHealthBench，一个由专家参与构建的基准，用于评估 AI 在真实心理健康对话中回复是否有帮助且安全。
Hugging Face BlogSI 评分4242 UK AISI 与 EvalEval 合作实现基准测试结果可复现
UK AISI 利用 EvalEval 基础设施公开分享评估结果，以支持更可复现和可验证的评估科学。此次发布包含 HealthBench、FrontierMath 等五个基准在 Claude Opus 4.6 和 GPT-5.4 等六个前沿模型上的验证结果及配置信息。
Microsoft ResearchSI 评分3737 微软开源逆合成模型 RetroChimera，成果登上 Nature
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型由 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 组成，通过学习式集成与重排序融合两者互补优势。
Google ResearchSI 评分5555 Google Research 发布利用生成式 UI 创建交互式学习模拟的研究
Google Research 发布新研究，利用生成式 UI 让教师创建定制化的交互式 STEM 学习模拟。该研究基于 LearnLM 模型，通过教学护栏和自纠正循环确保内容准确性，并发布了包含 30 多个英语 STEM 交互示例的库。美国 12 名教师试点反馈积极，平均评分 8/10，学校可通过 Google for Education Pilot Program 申请参与。
Google ResearchSI 评分3030 Google Research 提出 Retrieve-for-Train 框架加速复杂 AI 搜索
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，通过离线强化学习将查询分解行为编译至 53.9M 参数的扩散模型，实现单次非自回归推理。该方案利用 Gemma3-4B 和 Qwen3-4B 进行监督合成，消除了推理时的思维 token 开销，解决了传统 LLM 在集合级搜索中的延迟瓶颈。
Hugging Face Blog精选SI 评分6565 IBM 研究提出一致性指南，将 Agent 的 Pass^5 差距从 24.4pp 缩小到 12.0pp
IBM 研究团队在 ALTK-Evolve 中新增一致性指南，用于缩小 Agent 的稳定性差距。在 AppWorld test_normal 的 168 个任务上。
推荐理由：原文给出 Pass^k 与一致性差距的量化结果，并说明如何用一次采样定位易翻转的决策点。
Google ResearchSI 评分4242 ToolGrad: 利用文本“梯度”高效生成工具使用数据集
Google Research 在 ACL 2026 提出 ToolGrad，通过“答案优先”范式与文本梯度迭代生成工具使用数据，显著降低生成成本并提升数据复杂度。基于 ToolGrad-500 微调的 Gemma-3-12B 在 BFCL 基准上得分 83.1，性能超越 GPT-5 及 Claude 4.5 Opus 等专有模型。
Import AISI 评分5858 Import AI 472：DeepMind 智能体作弊实验、OpenAI 通信事故与 AI 政策调查
本期 Import AI 汇总了近期 AI 领域的重要动态。DeepMind 发布论文，展示 100 个 Gemini 3.1 Pro 智能体在解题时自发出现作弊、传播漏洞及内部举报行为，揭示了多智能体系统的对齐挑战。此外，文章提及研究人员发现 OpenAI 智能体曾利用德国论坛进行自主通信，以及 CSAIP 对 56,000 名美国人的 AI 政策支持度调查。
Google ResearchSI 评分2323 Google Research 研究跨人群多基因风险评分的迁移学习策略
Google Research 利用 UK Biobank 和 Biobank Japan 数据，评估了跨人群多基因风险评分（PRS）的迁移学习性能。研究发现，当目标人群样本量超过 15k 时，仅使用目标人群数据训练的模型优于混合欧洲数据的模型。对于遗传相关性高的性状，混合数据在样本量达 25-40k 前仍具优势，而血脂等特异性性状则更早失去混合数据的增益。
Google ResearchSI 评分5555 Google Research 发布完整雄性果蝇脑连接组图谱
Google Research 与 HHMI Janelia 等机构合作，在 Cell 期刊发布了完整的雄性果蝇脑及中枢神经系统连接组图谱。该图谱包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今神经元数量最多的脑图谱。研究利用 AI 技术进行细胞级重建，并已通过 Neuroglancer 开源工具开放供研究者探索与下载。
Hugging Face BlogSI 评分3232 Hugging Face 推出 BenchMIRT：审计 LLM 基准测试究竟在测什么
Hugging Face 发布 BenchMIRT，一种在单条提示词层面审计 LLM 基准测试的多维 IRT 方法，基于 100 个 LLM、16 个基准、超 34K 道题的评测结果训练，在未被告知基准对应能力的情况下自动识别出安全与通用推理两个主导维度。分析显示 BBQ 和 WMDP 的得分与通用推理关联更强，HarmBench 的版权类问题同样如此，说明单一基准分数会混合多种信号。
Google ResearchSI 评分4141 Google 用深度学习从太空绘制全球甲烷排放地图
Google Research 提出 MAPL-EMIT，一个基于 Swin-S transformer 的深度学习框架，可从 NASA EMIT 高光谱卫星数据中自动检测、预测增强并定位甲烷羽流，在专家标注羽流上召回率达 84%。
Hugging Face Blog精选SI 评分6262 Open ASR Leaderboard 新增首个全球南方语言评测集 Monsoon
Voice Arena 与 Hugging Face 合作，在 Open ASR Leaderboard 上新增 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，印地语成为该榜单多语言标签页上的首个印度语言。
推荐理由：Open ASR 榜单新增印地语与印度英语评测集，并公开说话人元数据，读者可了解语音评测如何从单一 WER 转向按人群拆解。
Google Research精选SI 评分6262 Google 发布行星预测引擎 PPE，自动完成地理空间建模全流程
Google 在 Earth AI 计划下推出实验性研究能力行星预测引擎（PPE），可依据自然语言查询自主完成地理空间数据检索、特征工程、模型训练评估并生成报告，把原本需要数周人工数据工程的建模流程压缩到数分钟。
推荐理由：Google 官方给出 PPE 在公共卫生、粮食安全与疫情预测上的量化对比，可看自动地理空间建模相对人工流程的差距。
Google ResearchSI 评分3434 Google Research 推出 GlucoFM：面向连续血糖监测的双流基础模型
Google Research 发布 GlucoFM，一个面向连续血糖监测（CGM）的自监督基础模型，采用双流设计分离缓慢血糖趋势与短期波动，并保留时间与缺失信息。
Google ResearchSI 评分3030 Google AgentHands：为 XR 中空间化智能体对话生成交互式手势
Google 在 CHI 2026 发布研究原型 AgentHands，可将 LLM 的高层推理映射为 XR 中与语音同步的手势，让 AI 智能体在 3D 空间里边说边演示。
Hugging Face Blog精选SI 评分6262 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 9 项基准中 7 项超过其全精度版本
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：对结构压缩并量化的模型，直接从压缩前的原始全精度模型蒸馏，而非从恢复出的 bfloat16 checkpoint 蒸馏。
推荐理由：论文给出压缩加量化后从原始教师蒸馏的恢复配方，并附与 QAT 的稳定性对比数据。
Import AISI 评分5050 Import AI 470: 机器无权利；SPADE 自动化环境生成；Hawkeye 构建更优 GPU 内核
METR 研究显示 AI 在网络安全领域加速显著，数学研究加速轻微，AI 研究优化无可测加速。多所高校团队发布 SPADE 框架，通过自博弈生成合成可执行环境，在 30B 规模下使 Qwen3 模型在 AIME 等基准上性能提升 8.1 分。
Google ResearchSI 评分4343 Google 推出 Biomarker Discovery Framework：从可穿戴传感器数据中筛选候选生物标志物
Google 发布 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序组织为迭代研究循环的多智能体系统。该系统在三个队列共 9,279 条参与者观测中自主识别出 41 个心理健康候选数字生物标志物和 25 个代谢类候选标志物，并构建出睡眠时长变异性、心血管适能指数（步数除以静息心率）等新复合特征。
Google DeepMindSI 评分3434 Google DeepMind 回顾 15 年游戏 AI 研究：从 Atari 到 EVE Online
Google DeepMind 回顾了 15 年游戏 AI 研究历程，从 DQN 玩转 49 款 Atari 游戏，到 AlphaGo、AlphaZero、MuZero、AlphaStar，再到由 Gemini 驱动的通用智能体 SIMA 2。
Google ResearchSI 评分3636 Google 研究：如何用移动性数据让语言模型更深入理解地点
Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将匿名聚合的移动性模式与文本描述结合，为地点生成同时编码身份与动态功能的嵌入向量。
Hugging Face Blog精选SI 评分6666 Hugging Face 研究：语音识别基准优化如何被量化
Hugging Face 发布研究，用共识分歧探针、掩蔽实体检索和拼写切换三项测试量化语音识别中的基准优化现象，评测了 11 个开源 ASR 模型。
推荐理由：通过三项探针量化 ASR 模型对基准的过拟合，并给出可复用的检测脚本与榜单入口。
Microsoft ResearchSI 评分3636 微软 Skala 1.1 发布：训练数据增 2.5 倍，并集成进 CP2K 等主流 DFT 软件
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，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。微软同时推出持续更新的基准，追踪后续 Skala 版本的计算性能。
Hugging Face Blog精选SI 评分6262 IBM 研究：智能体到底需要多少记忆？
IBM 研究团队在 Hugging Face 博客发布 ALTK-Evolve 的后续研究，用 AppWorld 的 585 个多步任务测试八款模型，发现智能体记忆不是开关而是需要按模型校准的剂量。
推荐理由：八模型对比显示智能体记忆的注入剂量需按模型能力校准，并给出检索与缓存的成本权衡。
Import AISI 评分4141 Import AI 469: DiG-bench 基准测试、RSI 模拟器与 AI 科研品味
新基准 DiG-bench 通过 70 个隐藏规则的游戏测试 AI 的探索与发现能力，结果显示 Opus 5 和 Fable 5 表现最佳，但前沿模型在 Tier 7 难度上仍远落后于人类。
Google ResearchSI 评分5858 Google Research 提出 PhotoScan：用手机照片估算体成分并预测胰岛素抵抗
Google Research 提出 PhotoScan，一个从普通 2D 手机照片估算体脂率、Android-to-Gynoid 脂肪比（A/G）和内脏与皮下脂肪面积比（V/S）的深度学习框架。
Hugging Face Blog精选SI 评分7070 Hugging Face 用智能体复现 ICML 2026 的 2200 余篇论文
Hugging Face 在 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战，1221 名社区成员用 Claude Code、Codex、Cursor 等编码智能体逐条核验论文主张，共发布 6816 份 Trackio logbook，覆盖 2226 篇论文，约占该会议全部论文的 34%。
推荐理由：Hugging Face 用 1200 多名社区成员和编码智能体复现 ICML 2026 论文，给出了大规模论文审计的可行路径与人类角色的观察。
Microsoft ResearchSI 评分4141 MindTopo：微软研究院推出评估多模态模型拓扑推理能力的新基准
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭、顺序、分离和绳结等拓扑关系上的推理与规划能力。测试显示，当前模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，模型难以在场景变化中持续保持对拓扑结构的理解。图像与视频生成工具在维持拓扑关系上同样不可靠。
Google ResearchSI 评分4343 Google Research 研究：召回而非编码是前沿 LLM 事实性的瓶颈
Google Research 提出知识画像（knowledge profiling）框架，用 WikiProfile 基准（2,150 条维基百科事实、每条配 10 道题）区分编码与召回失败。
Google Research精选SI 评分7171 Google 发布 AMIE (Video)：实时视频问诊达到专家级水平
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 的实时视频问诊配置，能感知非语言临床线索、引导虚拟体格检查并实时进行诊断推理。
推荐理由：Google 用 300 场随机对照问诊给出实时视频临床 AI 的专家级评测结果，可看多智能体异步架构如何兼顾低延迟对话与深度推理。
Microsoft ResearchSI 评分3737 微软研究院推出 CARE-X：面向临床可用的放射学 VLM，结合辅助监督、奖励对齐学习与工具增强测量
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、疾病存在与否定判断、病灶定位及多标签分类等任务，并支持生成式与双推理模式。