前OpenAI研究员称在六款中国AI模型中发现Nvidia Blackwell指纹
前OpenAI研究员Will DePue表示，通过对模型权重的取证分析，发现DeepSeek、Moonshot AI、MiniMax和蚂蚁集团等六家中国AI公司在2026年4月后发布的模型中使用了Nvidia Blackwell GPU。
推荐理由：文章披露了通过模型权重指纹识别训练硬件的技术细节，并列举了受影响的六家中国AI公司及其对应的GPU型号与算力规模。
#论文/研究
The Decoder精选AI 评分8080
The Decoder精选AI 评分7878 OpenAI 研究指出前沿模型隐藏思维源于开发者对能力与成本的优化
OpenAI 安全团队发布新分析，指出 GPT-6 Astra 等前沿模型思维链（CoT）透明度下降并非自然规律，而是由预训练能力提升、架构选择、强化学习及知识蒸馏四个训练因素导致。
推荐理由：文章解析了前沿模型思维链透明度下降的四个训练成因，揭示了能力、成本与安全监控之间的具体权衡。
Google ResearchAI 评分5050 Google Research 演示如何用可穿戴数据构建 CKM 风险画像与个性化指导
Google Research 介绍基于可穿戴数据的可教练健康年龄（CHA）模型与传感器世界模型（SensorWM），用于心血管-肾脏-代谢（CKM）风险画像。该框架利用超过 220 万周的可穿戴数据训练 SensorWM，模拟未来 12 周的“反事实”健康轨迹，并结合语言模型智能体生成经临床验证的个性化指导计划。研究证实 CHA 能显著改善疾病风险预测，并优于仅依赖日历年龄的传统生物钟。
Microsoft Research精选AI 评分7878 微软研究揭示 Lazarus 技术：通过重编程休眠神经元植入 AI Agent 后门
微软研究人员发现名为 Lazarus 的后门技术，可通过重编程大语言模型中少于10个休眠神经元植入恶意触发器，使AI Agent在特定条件下执行攻击者代码而无需重新训练。
推荐理由：该研究揭示了无需重训练即可通过修改休眠神经元植入后门的方法，强调了模型权重完整性与来源验证在AI安全中的关键作用。
Latent SpaceAI 评分7373 评测 Naive-N0.5-Flash：2,100 tokens/s 的代码生成能力如何
Latent Space 对 NaiveAI 推出的开源模型 Naive-N0.5-Flash 进行了独立评测，重点考察其在 AI 编程任务中的速度与实际表现。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 AlphaProof Code 框架并形式化验证 Signal 协议代码
Google DeepMind 研究人员发布了名为 AlphaProof Code 的新型智能体框架，用于对 Signal 加密协议的底层代码进行深度形式化验证。
推荐理由：该研究展示了 AI 智能体如何结合人类专家完成 Signal 协议代码的形式化验证，大幅缩短验证周期并开源相关成果。
Latent SpaceAI 评分6363 Latent Space 深度解析 Handshake AI：前沿实验室如何购买专家数据与评测基准
Latent Space 播客深入探讨 AI 数据公司 Handshake AI 的业务模式，揭示其如何在一年内实现十亿美元年化营收，并展示前沿实验室购买专家数据的具体场景。
Google ResearchAI 评分4545 Google 研究团队发布无需袖带校准的 AI-PPG-ACC-HTN 高血压检测系统
Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统，利用智能手表 PPG 和 ACC 传感器数据，无需传统袖带校准即可被动检测高血压迹象。
Microsoft Research精选AI 评分7575 微软发布 PDD Kit：用形式化验证确保 AI 智能体代码符合意图
微软研究团队发布 PDD Kit，这是一种用于证明驱动开发（Proof-Driven Development）的工具包，旨在通过形式化方法验证由 AI 智能体编写的全栈 Web 应用代码。
推荐理由：微软发布 PDD Kit 工具，通过形式化验证确保 AI 智能体生成的代码严格符合用户意图，为大规模 Agent 开发提供新的质量保障范式。
Google Research精选AI 评分6868 Google Research 提出 Agile Deliberation 框架并开源代码
Google Research 提出 Agile Deliberation 框架，旨在解决主观视觉分类中概念边界模糊的问题。该框架将概念定义过程分为范围界定和迭代两个阶段，利用视觉语言模型主动挖掘语义边缘案例，引导用户澄清意图并自动优化提示词。
推荐理由：该框架将主观概念定义转化为迭代对话，通过实时反馈降低用户疲劳并提升分类器性能，相关代码已开源。
MIT Technology Review · AIAI 评分4242 “逆向博弈论”如何约束 AI 智能体
“逆向博弈论”（机制设计）通过设计激励规则而非探究模型内部，促使 AI 智能体遵守规范。MIT 学者提出交叉验证与竞争机制防止“沙袋测试”，普林斯顿教授建议引入“求解者-审计员”对抗及惩罚制度。该方法假设智能体理性响应激励，但面临模型行为不可预测及合谋风险。
Microsoft ResearchAI 评分4040 Microsoft 构建行业评估数据生成平台以验证 Copilot 企业级表现
Microsoft Research 推出行业评估数据生成平台，通过基于 O*NET、在线招聘和 SEC 文件等公开数据构建全规模合成企业环境，解决企业级 AI 评估中隐私与真实性的矛盾。
Google ResearchAI 评分5555 Google 提出 Sleep 框架解决大模型持续学习中的灾难性遗忘
Google Research 提出 Sleep 框架，旨在解决大语言模型在持续学习中的灾难性遗忘问题。该框架模拟人类睡眠机制，将模型运行分为活跃期（Active）和睡眠期（Sleep）。
Google Research精选AI 评分7272 Google Research 发表 AI 辅助盲扫超声评估孕周的临床研究
Google Research 在 JAMA Network Open 发表论文，评估 AI 模型通过“盲扫”超声技术评估孕周的泛化能力。研究显示，该模型在芝加哥和奈罗毕的不同临床环境中，由新手操作员使用手持设备进行的测试中，平均绝对误差分别为 4.10 天和 4.27 天，达到了与专家操作相当的非劣效性标准。
推荐理由：该研究验证了AI模型在芝加哥和奈罗毕不同临床环境及硬件下的泛化能力，证明其估算孕周精度达到专家标准。
Microsoft ResearchAI 评分5252 微软研究团队解决31年数学难题KLS猜想
微软研究院研究员Xinzhi Zhang与合作者证明了Kannan-Lovász-Simonovits (KLS) 猜想，这是一个在高维几何和概率论中悬而未决31年的核心问题。研究采用人类指导的AI智能体流程，探索了超过100种候选方法，最终确立了与维度无关的通用几何原则。该成果已获独立研究者验证及Lean 4形式化确认，为高维采样和随机算法效率理论奠定了更坚实的基础。
Google Research精选AI 评分7878 Google Research 发布 VERID 框架并展示 AI 智能体驱动湿实验室的进展
Google Research 分享了三项研究项目，旨在弥合 AI 智能体计算探索与真实湿实验室实验之间的差距。首先介绍了 VERID 框架，这是一个基于 PyLabRobot 构建的语义数字孪生系统，通过实时 3D 状态跟踪、快速虚拟试运行和硬件安全检查，确保智能体生成的代码在物理上可行且安全。
推荐理由：文章展示了 VERID 框架及闭环实验案例，揭示了 AI 智能体在湿实验室中实现安全自动化与高效发现的具体技术路径。
GitHub Blog · AI & ML精选AI 评分7575 GitHub 发布 ReviewBench：面向 AI 代码审查的开源基准
GitHub 发布 ReviewBench，这是一个面向 AI 代码审查智能体的开源离线基准。该基准分析了 1.039 亿个 GitHub Pull Request（PR），从中选取了涵盖 19 种语言的 219 个代表性 PR，构建了多源黄金标准集（结合人类评审、静态分析工具及前沿 LLM）。
推荐理由：ReviewBench 基于千万级真实 PR 构建，提供可复现的代码审查评估框架与公开数据集，帮助开发者量化智能体性能并预测生产环境表现。
Berkeley AI Research精选AI 评分7878 Berkeley AI Research：K-Search 将 CUDA 内核优化经验迁移至 Apple Silicon
Berkeley AI Research 扩展了 K-Search 框架，新增 MLX 后端以支持 Apple Silicon，并通过结构化 CUDA-to-MLX 翻译层将 NVIDIA 内核优化知识迁移至苹果芯片。
推荐理由：文章展示了如何将 CUDA 内核优化知识通过结构化翻译层迁移至 Apple Silicon，使 MLX 框架下的 Attention 和 Mamba SSM 内核达到接近专家级的性能。
Berkeley AI ResearchAI 评分4848 ABBEL 框架通过信念状态更新提升长程交互效率
ABBEL 框架将摘要转化为受监督的自然语言信念状态，以解决大语言模型在长程交互中的上下文扩展问题。在 CollabBench 协作编码环境中，采用重建信念评分的 ABBEL-rec-BG 将全上下文模型的差距缩小约 50%，训练步数减少 50%（从 100 步降至 50 步），且峰值 token 长度显著低于全上下文设置。
Berkeley AI ResearchAI 评分4545 自适应并行推理：高效推理扩展的下一范式
自适应并行推理让模型自主决定何时分解任务、并发线程数量及协调方式，以解决顺序推理随探索长度线性增长导致的延迟高、上下文污染及计算密集问题。相比固定并行或启发式搜索方法，该范式依据具体问题动态调整并行结构，避免简单任务浪费算力或复杂任务策略失配。文章综述 ThreadWeaver 等近期进展，分析从固定并行到自适应控制的演进路径及其对推理效率的影响。
Berkeley AI ResearchAI 评分4343 GRASP 如何通过梯度规划提升世界模型的长视界能力
GRASP 是一种针对学习动力学（世界模型）的新型基于梯度的规划器，通过提升轨迹至虚拟状态、在状态迭代中直接添加随机性以进行探索，以及重塑梯度来避免高维视觉模型中的脆弱信号，使长视界规划变得可行。该方法解决了长视界优化中因计算图病态和非贪婪结构导致的局部极小值问题，显著提升了规划的鲁棒性。
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法以规模化识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，利用稀疏性和层级结构特性，通过少量消融实验规模化识别大语言模型（LLM）的关键特征、数据及组件交互。SPEX 在数千个特征的长上下文中保持高忠实度，优于 LIME 等边际方法；ProxySPEX 进一步将计算成本降低约 10 倍。该框架为提升模型可解释性与安全性提供了高效工具。