MIT 研究者把 Claude Opus 4.7 独自留在虚拟荒岛 30 小时，它开始「玩耍」
MIT CSAIL 研究者把 Claude Opus 4.7 的副本（代号 Eko）独自留在虚拟荒岛 30 小时，它开始自发探索、自定目标并发明游戏。它用方块拼出心形、金字塔乃至 Cassiopeia 星座，还创下连续抛接 50 次的纪录后又自行加严规则。在岛上待过 30 小时的副本在后续任务中表现优于无此经历的新副本，该论文尚未经同行评审。
#数据/训练
MIT Technology Review · AIAI 评分4747
The DecoderAI 评分5858 新基准 Taste-Bench 显示 AI 智能体长期决策判断力不足
研究者提出 Taste-Bench，用智能体运行轨迹中的决策分叉点构造 502 道二选一题目，衡量其在长期任务中的路径判断力。测试的 14 个模型中最好的 GPT-5.6 Sol 平均准确率 59.7%，GPT-5.5 为 59.5%，其余明显更低；当关键线索只在后续步骤才出现时，平均准确率降至 21%。
Google Research精选AI 评分7272 Google Research 介绍让 AI 智能体接入湿实验室的三项研究
Google Research 发布博客，介绍三项让 AI 智能体从计算设计走向真实湿实验室实验的研究：VERID 框架为实验工作单元建立语义数字孪生，支持实时 3D 状态追踪、虚拟试运行和硬件安全检查。
推荐理由：Google Research 用三个项目展示 AI 智能体如何接入湿实验室的真实反馈，读者可了解闭环实验的工程难点与安全约束。
Hugging Face BlogAI 评分5858 NVIDIA 与 IIT Madras 发布 2.8 万亿 token 的 Indic 预训练语料及开源数据生成流程
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言的约 2.8 万亿 token，并同步开放用于生成该语料的 GPU 加速数据流程。
Latent SpaceAI 评分5858 Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与智能体科学推理沙盒
Latent Space 播客访谈 Leash Bio 的 Ian Quigley，讨论该公司如何用 DNA 编码库（DEL）收集蛋白质与小分子的高通量结合数据，并训练出仅用自家数据的 Hermes 模型，在公开基准上与 Boltz 保持相近水平。
Hugging Face BlogAI 评分5858 Ai2 发布 HiRO-ACEv2：以约 1/300 成本生成 3 km 全球气候数据
Ai2 发布 HiRO-ACE 系统更新 HiRO-ACEv2，其新的降尺度模型 HiROv2 可同时预测多种高分辨率气象场，并提升极端事件模拟能力。在输入粗化的 X-SHiELD 数据时，它对最极端雨、风、气压值的统计与目标模拟相差在 3% 以内，还能估算热带气旋总能量并生成具有风眼和雨带的飓风。
Microsoft ResearchAI 评分4242 微软研究院推出 StudentSim：用个性化学生模拟器评估和改进 AI 辅导
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在真实学生测试前评估和改进 AI 辅导系统。该研究同时发布 StudentSimEval 基准，从行为保真度和指导响应性两个维度评估模拟器，覆盖国际象棋、英语二语写作和数学三个领域，StudentSim 均优于主流基线。StudentSim 是研究系统，并非产品，不会部署到课堂，也不旨在取代教师。
Google ResearchAI 评分5858 Google Research 用 PDFM 地理空间基础模型验证全球公共卫生应用
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，展示自监督预训练的地点嵌入可作为即插即用输入接入现有流行病学模型，无需任务特定微调。
MIT Technology Review · AIAI 评分2222 如何把 AI 智能体接入企业知识
MIT Technology Review 基于对 300 名数据与 AI 高管的调查指出，企业平均仅约 34% 的智能体项目能进入生产环境，数据与知识短板是主要卡点。生产领先者（平均 61% 项目越过试点）在语义等知识能力上更强，55% 的受访者将数据碎片化列为扩展智能体知识访问的首要挑战。企业计划优先投资摄取管道、AI-ready API、RAG 与知识图谱来补齐知识层。
Microsoft ResearchAI 评分4747 微软研究院用机器学习预测电网空间天气风险
微软研究院开发了一套端到端机器学习流水线，为美国本土66,935座变电站生成位置级空间天气风险估计，可提前30至60分钟预警。系统结合AE与Dst指数预测、纬度、地质电导率等数据，评估期内检测到近80%的重大空间天气事件。Dst预测器在2020-2026年评估期活动最强烈时段有62.2%的小时数优于Burton方程。
Microsoft Research精选AI 评分7272 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院推出 AI 研究系统 Quine，由跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像的多模态生物世界模型和连接科学工具、文献与湿实验的交互框架组成。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环设计，并给出胰腺癌细胞状态预测的湿实验验证结果。
Import AIAI 评分4242 Import AI 470：机器不应享有权利、用 SPADE 自动生成训练环境、用 Hawkeye 构建更好的 GPU kernel
Import AI 470 期介绍了三项研究：METR 分析显示 AI 对网络安全漏洞发现的加速最明显，对数学研究贡献有限，对 AI 研究本身尚无可测加速；SPADE 框架让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上使游戏环境套件平均分达 58.3，比基座高 8.1；另有 Hawkeye 用于构建更好的 GPU kernel。
Berkeley AI ResearchAI 评分3838 ABBEL：通过信念状态监督让 LLM 高效进行长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并对其内容进行监督评分。在协作编码基准 CollabBench 上，ABBEL 把与全上下文模型的性能差距缩小约 50%，训练步数减少 50%，峰值上下文 token 数仍显著低于全上下文。该方法用受自编码器启发的重建评分作为通用奖励，缓解递归摘要带来的性能损失。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以促进探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型梯度脆弱等问题，使基于梯度的长时程规划更稳健。
Berkeley AI ResearchAI 评分3838 伯克利提出基于信息量的成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出一个直接以互信息评估和优化成像系统的框架，并在 NeurIPS 2025 论文中验证该指标能在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测系统性能。