数学家对 OpenAI 一次性发布 700 余篇数学论文感到震惊与厌恶
OpenAI 于 2026 年 10 月 6 日一次性发布 700 余篇手稿，声称解决了数百个未解数学问题，数学博客 Proofs and Prompts 随后收集了 100 多位研究者的回应。
推荐理由：汇集百余位数学家对 OpenAI 一次性放出 700 余篇论文的现场反应，呈现学术共同体对研究方式被改变的复杂情绪。
#论文/研究
The Decoder精选AI 评分8888 Ars Technica · AIAI 评分6262 研究：AI 编码智能体生成更多代码，但软件产出并未增加
哈佛大学研究者 Fiona Chen 和 James Stratton 基于 Jellyfish 的工程分析数据，覆盖 2021 年至 2026 年 3 月间 700 多家软件开发公司、逾 70 万名员工的 3 亿条工作事件，发现人类代码审查成为 AI 编码工具整体效率的显著瓶颈。
The Verge · AI精选AI 评分8888 OpenAI 一次性放出近 400 项 AI 数学成果，数学家称需数年才能消化
OpenAI 本周突然发布近 400 项 AI 生成的数学结果，分布在 700 多份手稿中，涵盖组合数学、几何、数论、理论计算机科学、代数、拓扑、概率与统计力学及数学物理等领域。
推荐理由：通过数十位数学家的第一手反应，呈现近400项AI数学成果在验证、署名与学术生态上引发的具体争议。
Latent SpaceAI 评分4040 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈“合成超级智能”：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在播客中提出“合成超级智能”（synthesis superintelligence），主张 AI 科学发现不能只靠更多互联网数据训练，而要让模型在真实物理实验中学习。
Latent Space精选AI 评分8484 OpenAI 内部模型发布 722 篇数学手稿，称解决 500 个公开数学难题中的 90 个
OpenAI 在公开 GitHub 仓库发布了一批来自内部前沿模型的数学成果，称其来自约 4000 道研究问题的评测，包含 722 篇手稿、归入 372 个相关结果族，平均每个结果消耗约 3 小时 ChatGPT Pro 推理算力，模型本身未发布。
推荐理由：OpenAI 用内部未发布模型产出 722 篇数学手稿，读者可据此了解 AI 做数学研究的规模与算力成本。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含 219 个 pull request、覆盖 19 种语言。
推荐理由：GitHub 公开了 AI 代码审查基准的构建方法与评分口径，读者可据此理解离线评测如何对应线上实验。
MIT Technology Review · AIAI 评分2222 如何将 AI 智能体接入企业知识
MIT Technology Review 对 300 名数据与 AI 高管的调研显示，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，遗留数据系统、安全隐私顾虑以及知识与上下文缺失是主要失败点。
Microsoft ResearchAI 评分3434 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院开发了一套端到端机器学习流水线，利用 L1 太阳风观测与 AE、Dst 指数预报，结合纬度、地质电导率等本地数据，为美国本土 66,935 座变电站生成 30-60 分钟前的空间天气风险估计。
Microsoft Research精选AI 评分6262 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动机器人操作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU 可提升任务表现。
推荐理由：微软研究院系统测量了机器人端侧 GPU 推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链，读者可据此判断物理 AI 的部署取舍。
Microsoft ResearchAI 评分5050 微软开源逆合成模型 RetroChimera，成果登上 Nature
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与基于 GNN 的 NeuralLoc，通过学习式重排序整合两者互补预测，在十项挑战性靶标的多步合成路线评测中成功 9 项，优于 de novo 模型的 5 项、编辑模型的 4 项和 NeuralSym 的 2 项。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley AI Research 与 IBM Research 基于 K-Search 演化式内核搜索框架，为 Apple Silicon 的 MLX 构建后端和结构化 CUDA-to-MLX 翻译层，让现有 CUDA 内核作为知识库被改写为 MLX 内核。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可看跨平台内核知识迁移的具体做法。
Berkeley AI ResearchAI 评分3434 伯克利提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，用受自编码器启发的重建式信念评分（belief grading）作为辅助 RL 任务。在 CollabBench 协作编程任务上，ABBEL-rec-BG 将全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也明显低于全上下文设置。
Berkeley AI ResearchAI 评分3232 GRASP：面向世界模型的更长视野梯度规划方法
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、直接向状态迭代加入随机性以探索，并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长视野规划变得可行。该方法针对长视野下梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型中的脆弱梯度问题。
Berkeley AI ResearchAI 评分2828 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别影响 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约少 10 倍的消融次数达到 SPEX 的性能。
Berkeley AI ResearchAI 评分3030 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化信息量，无需任务专用解码器。该方法在彩色摄影、射电天文、无镜头成像和显微镜四个领域验证，信息估计能预测解码器性能，优化后的设计达到 SOTA 端到端方法水平，且内存和算力需求更低。相关论文发表于 NeurIPS 2025。