AI 攻克数学后，下一个目标是什么？
MIT 研究显示，2024 年中至 2026 年中，最强 AI 模型在概率、统计理论、经济理论、高能理论、引力与宇宙学及量子物理等领域的理论问题解题率从约 2% 升至约 35%。
#推理
Wired · AIAI 评分5050
雷峰网AI 评分5858 宾大茅佳源在 IROS 2026 分享 RAPID 框架，真机泛化成功率提升至 83%
在 IROS 2026 上，UPenn、MIT 与 Stanford 联合团队的茅佳源分享了具身智能数据困局的研究：单次人类演示即可泛化执行多种非抓取任务的 RAPID 闭环框架，并提出诊断视觉与动作脱节的 TR 指标。
The DecoderAI 评分7474 Google DeepMind 的 AlphaProof Nexus 解决数十个公开数学问题，成果经同行评审
Google DeepMind 的 AlphaProof Nexus 自主解决了数十个公开数学问题，相关研究发表在 Science 上。它解出 353 个 Erdős 问题中的 9 个，其中 2 个已悬置 56 年，另证明 OEIS 数据库中的 44 个猜想、解决代数几何中的一个开放问题，并改进了 min-max 优化中一个已知界。
The DecoderAI 评分6868 微软研究：清空对话历史让 AI 智能体找到更好解法
微软研究发现，长时间运行的研究型 AI 智能体即使增加算力也会陷入表现平台期，同一任务八次独立运行的最终得分从 68.3 到 100.0 差异明显。
InfoQ · AI/ML/数据/工程AI 评分6262 Context Language Models：让语言模型自管上下文以提升性能并降低算力成本
Meta、MIT 和华盛顿大学的研究者提出 Context Language Models（CLMs），让语言模型像编辑文件一样自行改写、压缩和整理上下文，替代摘要、压缩、外部记忆等预设机制。
Hugging Face BlogAI 评分5757 Nemotron 微调在 IOI 2026 与 IMO 2026 双双达到金牌水平
英伟达团队以 Nemotron 3 为基础，通过 SFT、RL 与反馈驱动推理分别构建 IOI 和 IMO 专项模型，在 IOI 2026 取得 535.4/600、IMO 2026 取得 30/42，均超过金牌线。
Import AIAI 评分2020 Import AI 475：蜂群扩展、Google DeepMind 为生物序列加水印、AI 科学经济
Google DeepMind 推出 SynthID Bio，一套面向合成生物学的加水印方法，可在氨基酸序列和预测 3D 结构中嵌入可检测信号，在 VEGF-A、SARS-CoV-2 spike protein RBD、PD-L1 三个靶点的湿实验中，水印设计与未加水印版本在命中率、结合亲和力和序列多样性上持平。
Google ResearchAI 评分4343 Google 研究提出 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，通过一个轻量“转向阻尼器”网络在冻结基座模型的前提下动态调整生成轨迹。
Berkeley AI ResearchAI 评分5757 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
IBM Research 与 UC Berkeley Sky Lab 合作，把 K-Search 演化式内核搜索框架扩展到 Apple Silicon，并加入结构化 CUDA-to-MLX 翻译层来迁移已有 CUDA 内核经验。
Berkeley AI ResearchAI 评分3333 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，将摘要隔离为自然语言"信念状态"并加以监督，以解决递归摘要带来的性能损失。在协作编码基准 CollabBench 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 token 长度也低于全上下文。
Berkeley AI ResearchAI 评分2424 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升为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探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的「状态输入」梯度，使世界模型的长时程规划变得可行。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI ResearchAI 评分2828 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可在规模化 LLM 中识别关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征、数据和模型组件归因中识别 LLM 的关键交互，可扩展到比此前方法大几个数量级的规模。