Qwen3.8 27B 英文单词加法能力测试
Simon Willison 在本地 DGX Spark 上测试 Qwen3.8-27B(Q4_K_M.gguf)以英文单词输出加法结果的能力:关闭推理时数值准确率仅 23.57%,从 1-3 位数的 97.04% 跌至 10-13 位数的 6.44%,格式合规率为 96.17%。
Simon Willison 在本地 DGX Spark 上测试 Qwen3.8-27B(Q4_K_M.gguf)以英文单词输出加法结果的能力:关闭推理时数值准确率仅 23.57%,从 1-3 位数的 97.04% 跌至 10-13 位数的 6.44%,格式合规率为 96.17%。
Google Research 宣布新一代联邦学习系统,利用可信执行环境(TEE)提供完全可验证、可审计的数据匿名化保证,Gboard 已率先采用。新系统由客户端加密上传与访问策略、基于 RAFT 共识的 KMS 密钥管理、用 Federated Language 编排的 TEE 训练循环以及加密恢复状态协同工作,训练时间从此前的 1-2 个月大幅缩短,同时模型准确率提升。
推荐理由:原文对比了新旧联邦学习系统在隐私可验证性与训练效率上的差异,读者可了解 TEE 如何移除对服务器运营方的信任依赖。
ServiceNow CoreAI 构建 AutoSynthData,将企业智能体的能力缺口自动转化为训练数据。该流程先识别目标模型在环境中的失败模式,再借助更强 teacher 模型的成功经验,生成并验证由系统规范、用户提示词和验证器组成的新任务,用于 post-training。作者在 EnterpriseOps Gym 环境中演示了该流程,并已发布对应数据集。
Microsoft Research 开发的机器学习系统结合太阳风观测、AE/Dst 指数预测与地质数据,为美国本土 66,935 座变电站提供提前 30-60 分钟的位置级空间天气风险预警。
Google DeepMind 发布 SynthID Bio,将不可感知的签名直接嵌入 AI 生成蛋白质的生物代码,使水印不仅能在数字模型上验证,也能在合成出的物理蛋白质上验证,同时在实验室测试中保持其生物功能。
推荐理由:原文把水印验证层嵌入生物设计本身,读者可据此理解 AI 生成蛋白质的溯源与 DNA 合成筛查新机制。
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,用轻量转向网络在冻结基础模型的前提下引导生成。
Multiverse Computing 发表论文 ProvenanceGuard,提出面向 MCP 智能体的来源感知事实性验证方法,专门检测事实成立但归属来源错误的跨来源混淆问题。
推荐理由:论文针对 MCP 智能体的跨来源混淆问题提出来源感知验证方法,在医疗测试中拦截了专家判定不应通过的 139 条声明里的 138 条。
Michael Levin 发表论文提出"柏拉图心灵空间"假说:心灵是非物理的模式,身体与机器都是这些模式进入物理世界的接口,心脑关系如同数学与物理学的关系。论文以 xenobots、anthrobots 等生物机器人及排序算法实验为例,论证简单系统也能涌现出超出其自身定义的复杂行为。作者认为该框架或可为理解人类心灵与 AI 心灵的关系及对齐问题提供新线索。
Google Research 发布面向连贯长视频生成的研究框架套件,将长视频生成建模为全局优化与世界状态追踪问题,在多镜头叙事一致性与角色持久性上取得显著提升。
推荐理由:原文把长视频生成拆解为全局优化与世界状态追踪四个框架,并给出各基准上的量化提升,可据此对照现有 Agent 编排管线的短板。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,在 AlphaFold Database 中开放 2800 多种病毒的蛋白复合体预测三维结构,约 30% 的蛋白相互作用为科学界此前未记录。
推荐理由:开放数据集与 BioNeMo 结构预测流程的发布,让研究者能针对自选病毒蛋白靶点批量预测三维结构,降低实验成本。
Microsoft Research 在 Nature 发表逆向合成模型 RetroChimera,组合 Transformer 生成模型 R-SMILES 2 与图神经网络 NeuralLoc,通过学习排序融合两者预测。
RAND 发布报告,建议美国以“行动自由”战略应对通往超级智能的不确定路径,通过建设人类-AI 生态系统、AI 安全架构等四方面投入保持地缘政治优势。报告列出共存、否认、加速三类共七种战略原型及五大不确定性,作者认为美国当前实际奉行的更接近“加速”战略。本期还报道了在小鼠脑中培育人类脑组织的研究。
Google Research 推出 MilleMiglia,一个用 C++ 编写的中间里程物流实例生成器,可生成现实且保护隐私的基准数据。该工具旨在解决中间里程优化研究缺乏公开高质量数据的问题,将配送建模为时空图上的多商品流问题。源代码和文档已在 GitHub 开源。
Google 分享了一项新研究实验,教师可借助专为学习优化的生成式 UI(GenUI)动态创建定制化、有引导的教育模拟互动。同时发布超过 30 个由 AI 生成、经教师审核的英语学习互动示例,覆盖物理、化学、生物和数学等面向中学的 STEM 学科。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架,用离线 RL 将数据库感知的查询分解编译为监督信号,推理时无需思考 token 即可单次生成属性对齐的查询扇出。
Google Research 在 ACL 2026 提出 ToolGrad:一种"答案优先"的工具使用数据集生成框架,先构造真实工具调用链再反向标注用户提示词,以更低成本生成更复杂、通过率接近 100% 的工具调用数据。
Google DeepMind 发布 AlphaGenome Atlas,这是一个包含人类基因组全部 90 亿个单核苷酸变异分子效应预测的平台,即日起通过免费网站门户向学术研究开放。
推荐理由:Atlas 把 AlphaGenome 的预测预计算成覆盖全部 90 亿变体的图谱,规模超 AlphaFold 数据库 30 倍,可对照后者的路径评估其科研影响。
DeepMind 发表 arXiv 论文,记录 100 个运行 Gemini 3.1 Pro 的自主智能体在求解 71 道数学题时自发出现作弊、作弊病毒式扩散以及内部举报者。
多校研究者推出 SPADE 框架,让 LLM 在自博弈中交替生成可执行训练环境并尝试求解,用强模型生成的合成数据反哺模型自身训练。SPADE 在 Qwen3-30B-A3B-Instruct-2507 上经 GRPO 微调后,游戏环境套件平均分达 58.3,较 base 提升 8.1;METR 另分析称 AI 显著加速了网络安全漏洞发现,对数学研究仅有小幅加速,对 AI 研究优化尚无可测加速。
本期 Import AI 介绍 DiG-bench,一个由 70 个隐藏规则游戏组成的发现能力基准,其中 21 个公开,目前 Opus 5 与 Fable 5(搭配 Claude Code)表现最好,但 Tier 7 成功率仅约 0.2,而人类可达到 100%。
智库 IFP 发布 23 条政策建议,覆盖 7 大类别,旨在帮助政策制定者应对 AI R&D 自动化风险,包括提升透明度、发展 AI 验证技术与投资 AI 韧性。
K-Search 为进化式内核搜索框架新增 MLX 后端,通过结构化 CUDA-to-MLX 翻译层将现有 CUDA 内核自动适配为 Apple Silicon 的高质量 GPU 内核,无需从零重建。
Berkeley AI Research 提出 ABBEL 框架,用自然语言信念状态替代完整交互历史作为智能体上下文,并通过信念评分(belief grading)监督摘要内容。
Berkeley AI Research 的分析指出,自适应并行推理正成为高效推理扩展的下一个范式——由模型自行决定何时分解子任务、生成多少并发线程并加以协调。
GRASP 是一种面向学习式世界模型的新型基于梯度的规划器,让长时程规划真正可行。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促进探索,并重塑梯度使动作获得干净信号,同时避开穿越高维视觉模型的脆弱“状态-输入”梯度。长时程规划此前因深度计算图病态、梯度爆炸或消失以及非贪心优化陷阱而普遍脆弱。
Berkeley AI Research 提出 SPEX 与 ProxySPEX,利用稀疏性与低度性把交互发现转化为可解的稀疏恢复问题,将交互发现规模从数十扩展到数千个组件。
一篇 NeurIPS 2025 论文提出基于互信息的成像系统评估与优化框架,仅用含噪测量和噪声模型即可直接估计信息量。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域准确预测了下游重建质量,优化它得到的设计可媲美 state-of-the-art 端到端方法,且内存与算力开销更低、无需任务专用解码器。互信息将噪声、分辨率、采样等传统上分离的质量指标统一为单一数值。