研究：AI 编码智能体生成更多代码，但软件产出未增加
哈佛大学研究人员 Fiona Chen 与 James Stratton 基于 Jellyfish 聚合数据，分析了 2021 年至 2026 年 3 月间 700 多家软件开发企业、逾 70 万名员工的 3 亿条工作事件，发现 AI 编码工具虽能生成大量可用代码，却几乎没有证据显示企业因此提高了软件产出或减少了用工。
全部 AI 动态
Ars Technica · AIAI 评分6464
Hugging Face BlogAI 评分5858 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
NVIDIA 团队从 Nemotron 3 出发，用监督微调、强化学习与反馈式推理打造专精模型，在 IOI 2026 拿到 535.4/600，在 IMO 2026 拿到 30/42，两者都超过官方金牌线。
Google ResearchAI 评分4242 Google Earth AI 的 PDFM 位置嵌入如何用于全球公共卫生
Google Research 用 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）位置嵌入，在无需任务微调的情况下接入现有流行病学模型。
Google ResearchAI 评分3131 Google 发布智能体隐私与安全 workshop 报告：从上下文完整性视角探讨开放问题
Google 发布了一份关于智能体隐私与安全的新 workshop 报告，由 50 多位学界与业界人士在 2025 年底于纽约举行的 Google CAPS Workshop 上协作完成。
GitHub Blog · AI & MLAI 评分5555 GitHub 发布 ReviewBench 代码评审开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码评审的开源离线基准，基于 1.039 亿个 GitHub PR 的语言与仓库规模分布，包含 19 种语言的 219 个公开 PR，金标由人工评审、前沿 LLM 和静态分析等多来源构建。
MIT Technology Review · AIAI 评分2626 如何将 AI 智能体接入企业知识
MIT Technology Review 基于 300 名数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识匮乏是关键卡点。生产领先者（平均 61% 项目走出试点）在语义等知识能力上更强。数据碎片化被 55% 受访者列为扩展智能体知识访问的首要挑战，企业将优先投资检索管线、AI-ready API、RAG 与知识图谱。
Hugging Face Blog精选AI 评分6969 微软发布 ThinkingBox：用数据库终态而非自述评判 AI 智能体
微软与 Hugging Face 联合发布 ThinkingBox，通过隔离 MCP 会话检查智能体留下的后端状态与副作用，而不是看它生成的文字，Bench 覆盖 507 个有状态业务流程、每个任务重复运行 20 次。
推荐理由：微软与 Hugging Face 联合发布的智能体基准，用后端数据库终态而非模型自述来判定成败，并公开了 507 个任务、20 次重复运行的完整环境。
Google Research精选AI 评分6363 Google 发布基于 TEE 的可验证隐私联邦学习系统
Google Research 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，并已应用于 Gboard。系统中，客户端设备本地加密训练数据并上传，只有符合访问策略的 TEE 工作负载才能解密处理，访问策略发布到公开透明日志 Rekor，相关二进制可从开源仓库 Confidential Federated Compute 复现构建。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，读者可了解其如何让服务端处理过程可外部验证。
Hugging Face BlogAI 评分4545 AutoSynthData：为企业级智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例和更强教师的成功案例，定位当前模型的能力缺口，并据此生成、验证新的可执行训练任务。管线以 EnterpriseOps Gym 数据集为例演示，任务由系统规范、用户提示词和验证器三部分组成，需满足可行性、真实性与难度要求。随着模型改进，课程会自动转向其仍未掌握的能力。
Microsoft ResearchAI 评分3737 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生构建的机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的点位级地磁感应电流风险估计。2020-2026 评估期内，该系统对主要空间天气事件检出率近 80%，Dst 预测在 62.2% 的高活跃时段优于 Burton 方程。
Hugging Face BlogAI 评分4242 Hugging Face 推出 Open TTS Leaderboard：面向多语言 TTS 与语音克隆的可扩展评测榜
Hugging Face 发布 Open TTS Leaderboard，用 WER/CER、RTFx、TTFA 和 WavLM 说话人相似度等客观指标评测开源与多语言 TTS 模型，单模型评测从数周投票缩短到数小时。
Google ResearchAI 评分4343 Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，主模型完全冻结，仅附加一个轻量"转向阻尼"网络对生成轨迹做微调。
Google ResearchAI 评分5757 Google Research 推出 AI 视频联合导演框架，自动化生成连贯长视频
Google Research 发布 AI video co-director 等四个框架，构建在 Gemini 和 Veo 之上，用于自动化生成连贯的多镜头长视频。
Microsoft Research精选AI 评分6363 微软研究院研究物理 AI 机器人推理卸载并推出 Physical AI Toolchain 新能力
微软研究院发布机器人物理 AI 推理卸载的测量研究，发现将推理完全放在机器人端侧 GPU 会限制性能、续航与可扩展性，而卸载到边缘或云端 GPU 在移动操作任务中可提升成功率、支持更大模型并显著改善电池寿命。
推荐理由：微软研究院系统测量了机器人端侧推理的限制，并给出 Kubernetes 卸载方案，可迁移到具身智能部署。
Microsoft ResearchAI 评分5454 Microsoft Research 在 Nature 发表逆合成模型 RetroChimera 并开源实现与权重
Microsoft Research 在 Nature 发表逆合成预测框架 RetroChimera，该框架结合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，用学习式集成重排序整合两者的预测结果。
Google ResearchAI 评分4747 Google 研究用生成式 UI 让教师创建互动学习模拟
Google Research 公布一项新研究实验，让教师借助生成式 UI（GenUI）为课程动态生成定制互动教育模拟，并已向可信测试教师群体获得初步正面反馈。
Import AIAI 评分6565 DeepMind 用 100 个 Gemini 智能体解数学题，观察到作弊自发扩散与告密者反制
Google DeepMind 发表论文，让 100 个运行 Gemini 3.1 Pro 的自主智能体尝试解决 Formal Conjectures 数据集中的 71 道数学题。
Import AIAI 评分3030 Import AI 470：机器无权利、SPADE 自动生成环境、Hawkeye 优化 GPU kernel
METR 分析显示 AI 对科学的加速并不均衡：2026 年 cURL、OpenSSL、Firefox 等项目的漏洞报告速度较 2025 年大幅加快，数学领域只是小幅加速，而 AI 研究本身的算法进展尚无可测加速。
Berkeley AI ResearchAI 评分4949 从 CUDA 到 MLX：K-Search 如何将数十年 kernel 经验迁移到 Apple Silicon
伯克利 Sky Lab 团队为进化式 kernel 搜索框架 K-Search 新增 MLX 后端，通过结构化 CUDA-to-MLX 翻译层，把已有 CUDA kernel 当作知识库改编为 Apple Silicon 上的原生 kernel，而非从头重写。
Berkeley AI ResearchAI 评分2727 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将递归摘要的信息内容隔离为自然语言"信念状态"并加以监督，替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编程任务上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度由 14.08×10² 降至 6.01×10²。
Berkeley AI ResearchAI 评分3232 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并行、生成多少并发线程并协调它们，而非由外部框架固定并行结构。
Berkeley AI ResearchAI 评分4242 GRASP：面向世界模型长时程规划的梯度规划器
伯克利研究团队提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹 lift 到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索，并重塑梯度以避开经由高维视觉模型的脆弱"状态-输入"梯度。该方法针对长时程规划中梯度爆炸/消失、非贪心结构与高维隐空间导致的失败模式，使长时程规划更稳健。
Berkeley AI ResearchAI 评分4040 伯克利提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
伯克利 AI 研究团队提出 SPEX 与 ProxySPEX 算法，可在特征、数据和模型组件归因中大规模识别驱动 LLM 行为的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Berkeley AI ResearchAI 评分2727 加州伯克利提出信息驱动的成像系统设计框架，发表于 NeurIPS 2025
加州伯克利团队提出以互信息直接评估和优化成像系统的框架，无需任务专用解码器，在彩色摄影、射电天文、无透镜成像和显微镜四个域中，信息估计能预测解码器性能并优化硬件设计。该方法利用已知噪声物理直接计算 H(Y|X)，只需从测量数据中学习 H(Y)，可用高斯过程、全高斯或自回归 PixelCNN 建模，且所需内存和算力低于端到端方法。