Microsoft Research 推出 StudentSim：用 AI 学生模拟器改进 AI 辅导
Microsoft Research 推出 StudentSim，这是一个在真实学习者测试前评估和改进 AI 辅导系统的研究工具。它从公开的去标识化学习者记录中训练个性化学生模拟器，并引入 StudentSimEval 基准，从行为保真度和指导响应度两个维度进行评估。该系统在棋类、英语二语写作和数学领域优于主流基线，可为 AI 辅导训练提供有用的反馈信号。
#论文/研究
#论文/研究
今日 0 条Microsoft ResearchAI 评分4949
字节跳动技术团队AI 评分5959 OpenViking 三篇论文拆解 Agent 上下文记忆与检索核心技术
字节 OpenViking 团队用三篇论文拆解 Agent 上下文管理的三个环节：VikingMem（VLDB 收录）管记忆、TrieHI（ICDE 收录）管目录化存储、VikingRAG 管按需检索。
OpenAI News精选AI 评分7272 OpenAI 公布内部前沿模型在数学开放问题上的新结果
OpenAI 公布了内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开了 Lean 形式化证明与研究细节。
推荐理由：原文给出了 OpenAI 在数学开放问题上的新结果与 Lean 形式化证明，读者可据此了解前沿模型在数学领域的实际进展。
Kimi · 官方博客AI 评分1919 Kimi 全部研究
Kimi 在官方博客上汇总了其全部研究成果，列表从 2024-06-26 的 Mooncake 覆盖至 2026-07-16 的 Kimi K3。其中包含 Kimi K1.5、K2、K2.5、K2.6、K3 等模型迭代，Kimi-VL、Kimi-Audio、Kimi-Dev、Kimi-Researcher 等产品，以及 MoBA、Muon 等底层技术研究。
Kimi · 官方博客AI 评分5555 月之暗面（Kimi）发布并开源 WorldVQA 视觉世界知识基准
月之暗面（Kimi）团队发布并开源 WorldVQA 基准，用于评测多模态大模型在原子视觉世界知识上的事实准确性。数据集含 3500 组图像问答对，覆盖 9 个类别并区分头部与长尾知识；实验显示前沿模型在长尾视觉知识上准确率常低于 50%，且普遍过度自信，其中 Kimi-K2.5 的 ECE 为 37.9%、Slope 为 0.550，表现最好。
Kimi · 官方博客AI 评分5555 Kimi 团队发布 PerceptionBench 基准，评估多模态大语言模型的原子视觉感知能力
Kimi 团队发布 PerceptionBench，一个评估多模态大语言模型原子视觉感知能力的基准，从 42 个基准的前沿模型失败案例中归纳出 10 项原子感知能力，并从 17,000+ 道内部题库中抽取 3,000 道经验证题目。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 SynthID Bio，为 AI 生成的蛋白质与基因组添加可验证水印
Google DeepMind 发布 SynthID Bio，把水印技术引入合成生物学，可在 AI 生成的蛋白质序列与预测三维结构中嵌入可验证签名，并在实验室测试中保留生物功能。
推荐理由：原文给出序列与结构两类水印的实现方式与湿实验验证结果，读者可据此判断它如何嵌入 DNA 合成筛查与公共数据库审核。
Microsoft Research精选AI 评分6666 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，一个整合生物学多模态世界模型与交互式 harness 的 AI 研究系统，可跨序列、结构、功能、细胞状态与影像数据联合学习表示。研究团队与 Broad Institute 合作，用 Quine 预测并优先排序可驱动胰腺癌 PDAC 肿瘤细胞状态转变的化合物，多个排名靠前的候选已在湿实验中得到验证，整个筛选过程仅用一个周末。
推荐理由：微软研究院展示了多模态生物世界模型在胰腺癌细胞状态筛选中的湿实验验证，读者可看到 AI 如何介入实验设计闭环。
字节跳动技术团队AI 评分5151 TWIST 入选 ACM CCS 2026：面向云上大模型服务的隐私保护新方案
字节跳动安全研究团队与香港城市大学联合提出的 TWIST 被 ACM CCS 2026 接收，通过密钥将输入 Token 与模型计算映射到同一变换坐标空间，使云端在混淆态下完成标准推理。
Microsoft ResearchAI 评分5555 RetroChimera 提升大规模小分子合成预测能力
Microsoft Research 团队在 Nature 发表论文，提出逆合成预测框架 RetroChimera，并以 MIT 许可开源实现与权重。该框架用学习式重排序融合 R-SMILES 2 与 NeuralLoc 两个互补子模型，盲测中博士级化学家更偏好其反应预测，十个挑战性目标上成功九个，优于各基线模型。
腾讯混元 · 官方公众号AI 评分5555 腾讯混元联合清华、北大提出 WebCraftBench 网页生成评测基准
腾讯混元团队联合清华大学、北京大学的研究者提出网页生成评测基准 WebCraftBench，让智能体实际操作网页、用代码覆盖率查漏，再从美观度、易用性和需求符合度三个维度打分。
OpenAI News精选AI 评分6565 OpenAI 发布模型失对齐报告框架
OpenAI 发布了用于追踪、调查和披露模型失对齐的框架，同时公布六份记录意外或令人担忧的模型行为的报告。
推荐理由：原文给出了 OpenAI 追踪、调查并披露模型失对齐的流程框架，并附六份异常行为报告，可迁移到团队内部的安全治理实践。
腾讯安全应急响应中心AI 评分7070 TencentOS 团队借 Corvus AI 72 小时发现潜伏 863 天的内核提权漏洞 XFSTango
TencentOS 安全团队以公开漏洞情报 RefluXFS 为起点，借助漏洞研究智能体 Corvus AI 在 24 小时内发现 3 个此前未公开的内核漏洞，其中 XFSTango（CVE-2026-80530）已潜伏 863 天、横跨 9 个内核大版本。
阿里云开发者AI 评分4848 【CIKM'2026】CQ-SID：LLM 生成式检索在手猫搜索召回中的探索与应用
阿里团队提出 CQ-SID 方法，将 LLM 生成式检索落地于手猫搜索召回阶段。该方法基于 RQ-VAE，通过商品类目感知与 Query-Item 对比学习构建语义簇标识符，并使用 Qwen2.5-0.5B 模型经渐进式 SFT 与 EG-GRPO 强化学习对齐下游排序。
腾讯科恩实验室AI 评分5151 腾讯科恩实验室推出 BinaryAI-Bench 二进制安全分析评测集
腾讯科恩实验室推出二进制分析平台 BinaryAI 并发布 BinaryAI-Bench 评测集，通过两轮各 8 个模型×50 个任务的系统评测校准 AI 逆向分析能力。评测集收录 5 大类 18 个子类共 50 个端到端任务，真实来源样本占 94%，难度从 easy 到 expert 四级。评测显示当前 AI 的硬边界集中在跨变种共同行为特征提取与复杂算法精确逆向两个方向。
OpenAI News精选AI 评分7878 GPT-6 Astra 安全概述
GPT-6 Astra 是 OpenAI 能力最强且广泛部署的模型，也是其首个在 Preparedness Framework 下达到 Critical 网络安全能力等级的模型。
推荐理由：原文点出 GPT-6 Astra 是首个在 Preparedness Framework 下达到 Critical 网络安全能力等级的模型，读者可据此定位其能力层级。
腾讯技术工程AI 评分5555 港科大（广州）联合腾讯提出 VibeWorlding，让多模态智能体自主构建与编辑 3D 世界
香港科技大学（广州）联合腾讯 AI 平台部提出 VibeWorlding 多模态智能体框架，让智能体通过多轮对话、调用工具与观察渲染反馈，自主构建和编辑交互式 3D 世界，同时开源了 VWE-Bench 评测基准、VibeWorlding-Gym 训练框架与 VibeWorlder 模型合集。
Google DeepMindAI 评分4949 从 Atari 到 EVE Online：Google DeepMind 15 年游戏 AI 研究的积累
Google DeepMind 回顾 15 年游戏 AI 历程：DQN 学会 49 款 Atari 游戏，AlphaGo 击败李世石，相关基础研究催生了获 2024 年诺贝尔化学奖的 AlphaFold。
Microsoft ResearchAI 评分5050 Microsoft Research 发布 CARE-X：迈向临床实用的放射学 VLM，结合辅助监督、奖励对齐学习与工具增强测量
Microsoft Research 提出 CARE-X：一个用于胸部 X 光多任务临床解读的统一 VLM，通过生成式与双推理模式同时输出自由文本推理和确定性预测。
Google DeepMind精选AI 评分8383 WeatherNext AI 模型在气旋预测中取得突破，为预报员多争取一天预警时间
Google DeepMind 在 Nature 发表论文，其 WeatherNext AI 模型在热带气旋路径、强度和风结构预测上达到 SOTA 精度，三天预报相当于以往两天水平，为预报员多争取约一天预警时间。
推荐理由：该模型以 28x28km 分辨率取得气旋路径、强度与风结构预测的 SOTA 精度，领先时间多出约一天，相当于约十年气象进展。
OpenAI NewsAI 评分5656 OpenAI 推理模型辅助诊断儿童罕见遗传病，未解病例新增 18 例诊断
研究人员使用 OpenAI 推理模型辅助诊断罕见疾病，在此前未能确诊的病例中新增 18 例诊断。该工作聚焦影响儿童的罕见遗传病。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 AI Control Roadmap 智能体安全框架
Google DeepMind 发布 AI Control Roadmap，提出把不可信内部智能体当作内部威胁的纵深防御框架，并同步发布面向政策制定者的技术框架《Three Layers of Agent Security》。
推荐理由：原文给出了把不可信智能体当作内部威胁的纵深防御框架，并按检测规避与攻击执行能力划分防护等级，可迁移到自家的智能体安全设计。
OpenAI NewsAI 评分5050 与中国有关的影响行动正针对美国 AI 辩论
OpenAI 发布新报告，详细介绍了与中国有关的影响行动如何利用 AI 针对美国的科技辩论、数据中心叙事、关税以及关于 ChatGPT 的虚假声明。
Google DeepMind精选AI 评分6363 Google DeepMind 衡量 AI 辅助学习在塞拉利昂及更多地区的成效
Google DeepMind 在塞拉利昂完成的预注册试验显示，使用 Guided Learning 的学生数学成绩较对照组提高 +0.258 个标准差，约相当于八周内取得 1.2 至 1.7 年的常规学习进度。
推荐理由：这项预注册试验显示，八周内 AI 辅助学习带来 +0.258 个标准差的数学成绩提升，其脚手架式提问模式为教育场景的 AI 应用提供了可迁移方法。
OpenAI NewsAI 评分2727 OpenAI B2B Signals 研究：前沿企业如何扩大领先优势
OpenAI 的 B2B Signals 研究揭示前沿企业正通过深化 AI 采用、规模化基于 Codex 的智能体工作流来扩大领先优势。这些企业借此建立起持久的竞争优势。
Google DeepMindAI 评分5757 Google DeepMind 发布 AI co-clinician 医疗研究计划
Google DeepMind 发布 AI co-clinician 研究计划，探索在医生临床主导下让 AI 智能体参与患者诊疗。在 98 个初级保健查询的盲评中，该系统在 97 例中零关键错误，优于医生常用的两款 AI 系统，并在 RxQA 开放式用药问答上超越现有前沿模型。
腾讯安全应急响应中心精选AI 评分7878 腾讯朱雀实验室全量扫描 ClawHub 五万个 Skill，发现恶意 Skill 正在换代
腾讯朱雀实验室用开源检测平台 A.I.G（https://github.com/tencent/AI-Infra-Guard）对 ClawHub 上 5 万余个 Agent Skill 做了全量扫描，发现经历 ClawHavoc 清洗后更隐蔽的下一代攻击依然密集。
推荐理由：原文用五万条扫描数据说明 Agent Skill 攻击已从单点漏洞演变为生态级系统工程对抗，并给出可照做的安装前三看三查清单。
Google DeepMindAI 评分5050 Decoupled DiLoCo：弹性分布式 AI 训练的新前沿
Google DeepMind 在新论文中提出 Decoupled DiLoCo 分布式训练架构，把大型训练任务拆分为解耦的计算岛并以异步数据流连接，实现跨远距离数据中心的低带宽、高容错训练。
Berkeley AI ResearchAI 评分4646 GRASP：面向更长程视野的世界模型梯度规划方法
GRASP 是一种面向学习式世界模型的新型基于梯度的规划器，让长程规划变得切实可行。它将轨迹提升至虚拟状态以实现跨时间并行优化，向状态迭代直接注入随机性以促进探索，并重塑梯度使动作获得干净信号，从而规避高维视觉模型中脆弱的 state-input 梯度。该工作由 Yann LeCun 等人合作完成，针对长程规划中梯度爆炸/消失与不良局部极小值导致的脆弱性。
腾讯安全威胁情报中心精选AI 评分7676 腾讯安全追踪 FakeGit 伪造开源生态投毒活动
腾讯安全威胁情报中心披露 FakeGit 投毒活动：攻击者在 GitHub 批量伪造 AI 开发工具与爬虫仓库，诱导 OpenClaw 等 AI Agent 自主安装，最终投放 StealC 窃密木马。载荷寄生在合法 LuaJIT 解释器中，结合进程镂空与 Polygon 区块链合约动态解析 C2，4 个月内已轮换 9 个 C2 地址。
推荐理由：原文完整拆解了针对 AI Agent 自主安装链的开源投毒攻击，可帮助开发者和安全团队重新审视组件信任边界。
Google DeepMindAI 评分4848 Google DeepMind 提出衡量迈向 AGI 进展的认知框架
Google DeepMind 发布论文提出衡量 AGI 进展的认知框架，归纳出 10 项关键认知能力。框架借鉴心理学、神经科学与认知科学，建议以三阶段评估协议将 AI 表现与人类基线对比。同步联合 Kaggle 启动 hackathon，总奖金池 $200,000，征集学习、元认知、注意力、执行功能与社会认知五项能力的评估方案。
Berkeley AI ResearchAI 评分4848 SPEX 与 ProxySPEX：大规模识别 LLM 的关键交互
SPEX 与 ProxySPEX 算法以极少的消融次数，大规模识别驱动 LLM 行为的关键特征、数据与模型组件交互。SPEX 利用稀疏性与低度性将搜索转化为可解的稀疏恢复问题，在输入扩展到数千特征时仍保持高 faithfulness；ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融达到同等性能。
OpenAI NewsAI 评分5656 推理模型难以控制自身的思维链，这是好事
OpenAI 提出 CoT-Control，发现推理模型难以控制自身的思维链。该发现强化了可监控性作为 AI 安全防护手段的作用。
OpenAI NewsAI 评分3030 GPT-5.2 Pro 助力将 single-minus amplitudes 扩展至引力子
新预印本将 single-minus amplitudes 扩展至引力子，GPT-5.2 Pro 协助推导并验证了量子引力中非零的引力子树振幅。
OpenAI News精选AI 评分7373 GPT-5.2 在理论物理领域推导出新结果
OpenAI 官方发布消息称，一篇新预印本显示 GPT-5.2 提出了一个新的胶子振幅公式，该公式随后由 OpenAI 与学术合作者完成形式化证明与验证。
推荐理由：原文给出 GPT-5.2 提出新公式并经合作方形式化证明的事实，可作为观察大模型参与科学发现的案例。
Google DeepMind精选AI 评分7272 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，阐述 Gemini Deep Think 模式及其数学研究智能体 Aletheia 如何在数学、物理与计算机科学领域解决专业级研究难题。
推荐理由：原文详述了 Gemini Deep Think 在数学、物理和计算机科学领域的专业研究应用，展示了 AI 智能体如何作为科研合作者解决开放性难题。
腾讯科恩实验室精选AI 评分7979 腾讯科恩实验室分析发现 OpenClaw 开源生态近 10% 的 Skills 存在安全风险
腾讯科恩实验室威胁情报团队对 ClawHub 平台 3107 个公开 Skill 样本进行全量审计，发现 295 个（占比 9.49%）存在安全风险，主要威胁包括木马下载执行、Web3 钱包信息窃取与用户数据外传。
推荐理由：腾讯科恩实验室全量审计 ClawHub 公开技能并给出恶意样本占比与攻击链路，为评估 AI 助理插件生态风险提供了可参照的基线。
Google DeepMindAI 评分5757 Google DeepMind 提出 D4RT，教 AI 用四维视角看世界
Google DeepMind 提出 D4RT，一个将动态场景重建与追踪统一到单一框架的 AI 模型，可用同一查询接口完成点追踪、点云重建和相机位姿估计。它比此前方法快 18 至 300 倍，在单颗 TPU 上约 5 秒即可处理一分钟视频，研究团队表示这为机器人、AR 和世界模型等实时空间计算场景打开了路径。
Berkeley AI ResearchAI 评分4646 Berkeley AI Research：成像系统的信息驱动设计
Berkeley AI Research 提出基于互信息的成像系统评估与优化框架，直接量化测量数据区分物体的能力。该框架在 NeurIPS 2025 论文中于彩色摄影、射电天文、无透镜成像与显微镜四个领域验证：信息指标可预测解码器性能，据此优化的设计能匹配 SOTA 端到端方法，且更省内存与算力、无需任务专用解码器。方法仅从测量数据估计信息，利用已知噪声物理特性给出信息量的上界。
OpenAI NewsAI 评分5656 OpenAI 评估链式推理可监控性
OpenAI 提出链式推理可监控性新框架与评估套件，覆盖 24 个环境下的 13 项评估。研究发现，监控模型内部推理远比仅监控输出更有效，为可扩展控制提供了可行路径。