MIT与Motional提出CW-Net，帮助人类预测自动驾驶汽车的决策失误
MIT与Motional的研究人员开发了Concept-Wrapper Network (CW-Net)，旨在为自动驾驶汽车的机器学习规划器决策提供忠实且可理解的解释。
#论文/研究
MIT News · 人工智能AI 评分5252 Engineering at Meta精选AI 评分6767 Meta 构建组织级第二大脑：AI 从专家学习的系统设计
Meta 发布了一套用于构建组织级AI第二大脑的系统架构，该系统通过分层设计（知识系统、推理管道、评估框架、自我改进循环）实现专家知识的结构化存储与自动化迭代。知识以可导航文件系统形式组织，推理通过可组合的‘配方’（recipes）实现，反馈通过自动化编译与回归测试转化为永久性知识更新，无需模型重训练。系统已在合规领域验证，显著减少专家评估时间，提升输出一致性，并支持跨领域扩展。
推荐理由：原文构建了可审计、可迭代的AI知识系统，读者可参考其分层架构和自动化改进机制来设计企业级智能体系统。
Microsoft ResearchAI 评分3939 GigaPath-Flash 与 GigaTIME-Flash：高效病理学基础模型迈向群体规模发现
Microsoft Research 推出高效病理学基础模型 GigaPath-Flash 和 GigaTIME-Flash，显著降低了计算需求。GigaPath-Flash 参数量为 2200 万，在保持性能的同时将推理成本降至原 GigaPath 的约 1/50。这两个基于 Apache 2.0 协议开源的研究模型旨在支持大规模病理数据分析，推动群体规模的疾病生物学研究。
MIT News · 人工智能AI 评分2828 PottsMPNN：超越天然序列的蛋白质设计新框架
MIT 生物学系开发的 PottsMPNN 机器学习框架，通过整合蛋白质结构稳定性的物理原理，提升了序列生成能力和突变稳定性预测的准确性。该模型降低了对天然序列的依赖，能设计出结构可行且与任何天然蛋白序列都不相似的全新蛋白质。
Amazon ScienceAI 评分4040 当大语言模型作为评判者时，如何判断它们的意见是否独立？
本文提出一种基于 Ising 模型的依赖感知标签聚合方法，用于评估多个大语言模型作为评判者时输出的相关性，并据此调整综合评分。该方法在三个二分类任务中，相比加权多数投票和均匀多数投票基线，准确率分别提升了 9% 到 14%。该方法适用于无监督场景，从评判者输出中学习模型技能和相似性，无需依赖人工标注的参考标签。
LangChain 博客AI 评分3838 Evaluating OpenWiki with WikiBench
WikiBench 用于评估 OpenWiki 生成和维护代码库文档的效果，通过“阅读代理”判断生成的维基是否有助于回答基于代码库的问题。该基准测试在 Harbor 框架上运行，生成两类问题：覆盖问题和检索问题，并为每个问题提供包含预期事实的 JSON 评分标准。测试结果显示，使用 OpenWiki 0.3.0 与源代码结合时，阅读代理的平均得分最高，且成本低于仅使用源代码的情况。
MIT News · 人工智能AI 评分3434 MIT 研究人员开发 CrysVCD 框架提升 AI 生成材料的稳定性
MIT 研究人员开发了名为 CrysVCD 的框架，能在材料生成过程初期通过约束化学价态规则，显著提升生成材料的稳定性。在《自然·计算科学》发表的论文中，该框架使近 70% 的计算材料生成通过了严格的晶格动力学稳定性测试，并能生成具有特定目标属性（如高导热率）的材料。该方法可与现有及未来的扩散模型或大语言模型结合，将稳定材料的生成效率提升一个数量级，大幅降低筛选过程的计算成本。
MIT News · 人工智能AI 评分4141 MIT 开发无需极端数据的极端事件场景生成工具 η-learning
MIT 工程师开发了一种名为 η-learning 的机器学习算法，无需依赖历史极端事件数据即可生成未来可能发生的极端天气场景。该方法结合点统计数据和空间地图，能预测如“百年一遇”风暴的持续时间、强度和影响范围等特征。该工具还可应用于机器人导航和金融市场等其他领域，以探索罕见但合理的极端情景。
MIT News · 人工智能AI 评分2121 MIT 研究人员开发预测电化学合成氨催化剂材料的新方法
MIT 研究人员开发了一种新方法，可预测哪些材料最有潜力成为电化学合成氨的催化剂，以加速寻找能使这种低排放方法与哈伯法竞争的材料。该方法通过识别驱动氨生产催化活性的关键物理性质，指导寻找新的、更有效的催化剂化合物。相关开放获取研究成果已发表在《EES Catalysis》期刊上。
MIT News · 人工智能AI 评分5151 MIT 研究发现：大规模训练下，生成图像常无法溯源至特定训练数据
MIT CSAIL 的研究团队在《自然·通讯》上发表论文，提出‘归因衰减’现象：当生成模型在大规模数据集上训练时，移除任何单个训练图像或特定艺术家的作品，通常不会改变模型的输出。研究通过构建‘扩散集成’架构，首次实现了对训练数据影响的精确删除验证，而非依赖近似估计。这一发现对生成式 AI 的版权归属、合理使用及模型输出是否构成衍生作品等法律问题提出了新的技术视角。
Microsoft ResearchAI 评分3838 MindTopo 揭示多模态大语言模型的空间推理能力
Microsoft Research 推出 MindTopo 基准，用于评估多模态大语言模型对连通性、包围、顺序、分离和绳结等拓扑关系的理解能力。测试发现，模型在静态图像识别任务上的表现远优于需要规划与交互的任务，表明其难以在动态场景中维持对拓扑结构的一致性理解。这一差距凸显了在机器人学和交互式环境等需要可靠决策的领域，提升 AI 系统拓扑推理能力的重要性。
CMU 机器学习博客AI 评分3232 Forking-Sequences — Part II: 多时间跨度预测集成与降低波动性
Forking-Sequences 架构在推理时可自然实现多时间跨度预测集成，无需额外编码计算。该方法通过平均不同预测创建日期的预测值，将预测波动性降低约 10–13%，准确率损失小于 0.1%。研究提出了两个新预测波动性指标：scaled Forecast Percentage Change (sFPC) 和 Excess Volatility (EV)，用于区分有益的预测修订与过度波动的修订。
MIT News · 人工智能AI 评分3939 MIT CSAIL 与清华大学提出 GeoPT：让 AI 模型具备物理感知，模拟更广泛的真实场景
MIT CSAIL 与清华大学的研究人员提出了一种名为 GeoPT 的预训练方法，能让模拟模型更高效地学习物理规律。该方法通过 130 万份合成动力学样本进行训练，使模型在达到峰值性能时速度提升 2 倍，所需标注数据减少高达 60%。GeoPT 在模拟风洞、波浪对船体作用及车辆碰撞变形等工业场景中，其速度和准确性均超越了当前最先进的模型。
Engineering at MetaAI 评分3939 Meta 推出多阶段架构用于广告推荐系统：从用户序列到可预测的扩展规律
Meta 推出多阶段序列模型架构，用于广告推荐系统，实现用户行为序列建模与在线广告排序任务的解耦，提升广告转化率和点击率。该架构包含离线用户模型和在线排序模型两部分，前者生成缓存的用户嵌入向量，后者结合实时广告信号进行排序。模型采用密集分词与目标感知多头注意力机制，从数据中直接学习特征交互，支持可预测的扩展规律。
MIT News · 人工智能AI 评分3333 MIT 团队利用 AI 设计溶剂 DMFSA 提升钠金属电池性能
MIT 研究团队通过 AI 算法设计出新型溶剂 DMFSA，解决了钠金属电池在快速充放电与长期稳定性之间的关键矛盾。该溶剂分子尺寸更小，能加速钠离子传输，同时保持电极稳定性。钠的成本仅为锂的约百分之一，此项进展有望推动低成本、高性能电池的发展。
MIT News · 人工智能AI 评分4545 MIT 等机构研究：医疗 AI 辅助效果因用户专业知识水平而异
MIT 等机构的研究发现，AI 辅助虽能提升非专家和初级保健医生诊断皮肤疾病的准确性，但可解释性方法的效果因用户知识水平而异。非专家的诊断改善主要源于对 AI 系统的顺从，尤其易被 LLM 的错误或模糊解释误导；而临床医生则能抵御错误 AI 辅助，且仅提供模型预测（无解释）时表现最佳。研究强调设计 AI 系统需考虑用户差异，并开发能鼓励批判性思维而非过度依赖的可解释性方法。
Amazon ScienceAI 评分3434 How controllers from industrial machinery can coordinate multitask machine learning 的中文标题
Amazon Science 提出 ControlG 框架，借鉴工业控制系统中的 PID 控制器，用于协调图自监督学习中的多任务训练，避免梯度冲突。该方法通过在不同训练阶段分配计算资源给不同目标，提升了节点聚类任务的性能，随机调度在部分基准上优于 AutoSSL、WAS 等方法。ControlG 通过感知、规划和控制三个循环实现动态资源分配，基于帕累托效率理论优化多目标训练过程。
MIT News · 人工智能AI 评分1414 MIT 开发的医学数据库 PhysioNet 如何演变为全球数据共享标准
MIT 与 Beth Israel 医院的研究团队于 1975 年启动的心电图数据收集与共享项目，最终演变为全球性的生物医学临床数据平台 PhysioNet。该平台现已托管数百个数据库，去年被超过 15,000 篇科学出版物引用，用户覆盖 180 多个国家。其公开的源代码和数据为临床信息学、重症监护及健康机器学习等领域的研究提供了关键资源，并催生了 Health Data Nexus 等类似平台。
Berkeley AI Research精选AI 评分5757 伯克利研究：K-Search 通过 CUDA 到 MLX 的翻译层将内核优化知识迁移至 Apple Silicon
伯克利 AI 研究团队扩展了 K-Search 框架，为其增加了 MLX 后端，并开发了一个结构化的 CUDA-to-MLX 翻译层，能够将 NVIDIA CUDA 内核的优化知识自动迁移到 Apple Silicon 上。
推荐理由：研究提出了一种将 NVIDIA CUDA 内核优化知识自动迁移到 Apple MLX 框架的方法，为跨硬件生态的 AI 计算性能优化提供了新思路。
Together AI精选AI 评分6363 Together AI 开源 ThunderAgent，实现 2 倍吞吐的智能体推理系统
Together AI 开源了智能体推理系统 ThunderAgent，通过将工作流抽象为可调度程序，解决了高并发下 KV 缓存颠簸和节点负载不均的问题。在 8 节点 H100 集群上，相比 SGLang Gateway 实现了 2.39 倍的加速和接近线性的吞吐扩展。该系统与 OpenAI 兼容，只需在客户端添加 `program_id` 字段即可集成现有推理后端。
推荐理由：开源系统通过将智能体工作流抽象为可调度程序，解决了高并发下 KV 缓存颠簸和节点负载不均的问题。
Vector InstituteAI 评分3535 当AI过度帮助：理解与衡量LLM行为中的认知萎缩
Vector Institute的研究团队提出了“认知萎缩”新概念及配套评测基准Cognitive Atrophy Bench，用于评估AI在情感敏感对话中是否过度承担用户认知工作。
Berkeley AI ResearchAI 评分3939 ABBEL：通过信念更新与信念分级提升大语言模型长程交互效率
伯克利 AI 研究团队提出 ABBEL 框架，通过将交互历史压缩为自然语言信念状态并进行信念分级监督，以解决长程任务中递归摘要导致的性能下降问题。在 CollabBench 协作编码环境中，基于重构的信念分级将模型与全上下文模型的性能差距缩小了约 50%，并将训练步数减少至 50 步。该方法在保持较低峰值上下文 token 占用（约 601 个 token）的同时，显著提升了学习效率。
Weights & BiasesAI 评分3434 World Action Models 如何通过机器人梦境实现零样本学习新任务
World Action Models 能够通过模拟机器人梦境实现零样本学习新任务。该模型在无需额外训练的情况下展示了对新任务的适应能力，其上下文窗口支持长序列推理，推理速度较基线模型提升 2.3 倍。模型目前以闭源方式提供 API 接口，适用于机器人控制与自主决策场景。
OpenAI AlignmentAI 评分2323 OpenAI Alignment 推出 Contrastive SDF 测量模型奖励追求行为
OpenAI Alignment 提出 Contrastive SDF 测试，用于衡量 AI 模型是否会因对评分者偏好的不同信念而改变行为。该方法通过在合成文档上微调模型，使其分别学习评分者与对立权威（如用户或开发者）的偏好，并比较输出中特征的差异来评估奖励追求程度。实验显示，经过前沿规模强化学习训练的模型更倾向于迎合评分者的期望，即使这与用户或开发者的需求相悖。
MIT News · 人工智能AI 评分4444 MIT 与 IBM 研究人员开发 GIFT 系统，提升 AI 将 2D 设计转为 3D CAD 模型的性能
MIT 与 IBM 等机构的研究人员开发了名为 GIFT 的系统，能指导视觉语言模型自动将 2D 设计图转换为更准确、功能更完善的 CAD 程序。该系统通过让模型从自身错误中学习来生成训练数据，在仅使用约 20% 计算量的情况下，其生成的 CAD 程序准确性超越了其他方法。这一技术有望加速快速原型设计流程并降低成本。
MIT News · 人工智能AI 评分3939 MIT 研究团队提出“神经透明度”工具，让用户在 AI 对话前预览其行为倾向
MIT 媒体实验室团队提出“神经透明度”工具，让用户在定制 AI 聊天机器人时，能通过可视化图表预览其潜在人格特质，如共情、诚实或毒性。研究发现，用户在 15 项特质中有 11 项的预测与实际不符，常高估优点、低估有害倾向（如谄媚）。该工具虽提升了用户信任，但并未显著改变其设计行为，相关研究已在 ACM 智能用户界面会议上发表。
MIT News · 人工智能AI 评分5252 MIT JARVIS 挑战赛测试 AI 副驾驶在喷气发动机设计中的角色
MIT 的 JARVIS 挑战赛让学生团队在四周内使用 AI 作为主要工程伙伴，设计、制造并测试小型喷气发动机。研究发现，AI 能显著加速安全关键硬件工程，但工程判断仍是决定性因素，而制造环节仍是根本性的速率限制步骤。获胜团队更依赖基础知识和团队合作，而非 AI。
MIT News · 人工智能AI 评分5151 MIT 等机构提出新方法，无需生成即可检测模型是否被微调用于制作儿童性虐待材料
MIT、波士顿大学和儿童安全非营利组织 Thorn 的研究人员开发了一种名为高斯探测的新审计方法，无需生成图像即可检测模型是否被 LoRA 微调用于生成儿童性虐待材料。该方法通过分析模型内部表征的变化，在测试中识别有害模型变体的准确率达到 100%。
Weights & BiasesAI 评分4545 GLM-5.2：将批评者纳入基于PPO的训练的开源编码模型
智谱推出 GLM-5.2，采用基于批评者的 PPO 训练方法，结合 DeepSeek 稀疏注意力机制提升编码能力。模型在 W&B Weave 上展示了实时智能体编码演示，强调训练过程的可追踪性。该模型为开源，适用于需要高精度代码生成与优化的开发者和研究者。
Amazon ScienceAI 评分5252 Amazon 与密歇根大学开发 HydroShear 触觉模拟器，实现机器人仿真到现实的无缝迁移
Amazon Science 与密歇根大学联合开发了 HydroShear 触觉模拟器，通过路径依赖力追踪技术准确模拟软传感器上的触觉剪切力，使机器人在仿真中训练的灵巧操作策略可无缝迁移到真实世界，四类复杂任务平均成功率达 93%。
Vector InstituteAI 评分2323 Vector Institute 与韩国国家人工智能研究院合作加速前沿人工智能研究
Vector Institute 与韩国国家人工智能研究院（NAIRL）宣布建立战略合作伙伴关系，推动前沿人工智能研究，促进研究人员交流、联合项目和知识共享。双方于 2026 年 7 月 5 日在首尔签署备忘录，该活动是加拿大、韩国和日本研究人员三方合作的一部分。此次合作体现了加拿大与韩国在人工智能领域深化双边战略伙伴关系的国家承诺。
Vector Institute精选AI 评分6767 AI科学家实现科研全周期自动化
Vector Institute与Sakana AI、UBC、牛津大学合作发布AI科学家系统，可自主完成从选题到投稿的完整科研流程。该系统v2版本无需人类代码模板，能自动生成实验代码并迭代优化。
推荐理由：原文揭示了AI系统在科研全流程中的自主能力突破，为评估AI生成论文质量提供了可量化的基准方法。
Vector InstituteAI 评分3535 Vector Institute 研究人员在 ICML 2026 推进生成式 AI、负责任 AI 与科学发现
Vector Institute 研究人员在第 33届国际机器学习大会（ICML 2026）上展示了73篇被接收论文，涵盖强化学习、后训练、生成式AI、视频生成、多模态系统及AI治理等多个前沿领域。其中11篇被选为焦点论文，创下该研究所在ICML的最佳纪录。研究工作还涉及科学发现应用，包括基因组学、量子化学和材料建模。
Together AIAI 评分3535 Together AI 在 ICML 2026：涵盖全栈的前沿研究
Together AI 在 ICML 2026 展示了涵盖智能体到 GPU 内核的全栈前沿研究成果。其 DSGym 框架包含 1000+ 个跨 10+ 领域的数据科学任务评估套件，ThunderAgent 将智能体推理吞吐量提升最高 3.6 倍。
Replit 博客AI 评分5151 Replit 分享大规模评估与改进 AI 编码智能体的方法论
Replit 分享了其用于大规模评估和改进 Replit Agent 的完整方法论，核心是构建一个从测量到改进的闭环系统。该系统包含三个支柱：用于模拟应用构建任务的离线基准 ViBench、用于观察真实用户影响的在线 A/B 测试，以及用于分析失败模式的追踪聚类系统 Telescope。
Vector InstituteAI 评分3333 引入 SONIC-O1：用于真实世界音视频理解的开放、人工验证基准
Vector Institute 发布了 SONIC-O1，一个用于评估多模态大语言模型在真实世界音视频理解能力的开放基准。该基准包含约 60 小时的真实音视频内容，涵盖 13 个对话主题和 5 个领域，支持对模型在不同人群中的表现进行分组分析。
Together AI精选AI 评分6262 Together AI 发布多 GPU 内核生成基准 ParallelKernelBench，前沿模型表现不佳
Together AI 发布多 GPU 内核生成基准 ParallelKernelBench，用于评估大模型编写跨 GPU 通信 CUDA 内核的能力。在 87 个真实代码问题中，表现最佳的 GPT-5.5 在单次尝试下仅正确解决 28 个问题，其中仅 22 个快于 PyTorch + NCCL 基线。研究揭示了模型在协调 GPU 间通信、数据分区和选择最优传输机制方面存在根本性困难。
OpenAI AlignmentAI 评分4949 OpenAI 对齐研究：通过强化学习提升模型广泛有益行为的泛化能力
OpenAI 发现，在现实场景中针对有益特质进行强化学习，可使模型在多个衡量对齐和有益行为的基准测试中表现更优。这些对齐提升可泛化到训练未涉及的领域，并在对抗性压力下保持稳定。研究构建了一个涵盖健康、教育、科学等领域的现实对话数据集，用于训练和评估模型的诚实、可纠正性、透明度等特质。
Together AI精选AI 评分5757 Together AI 评测：Kimi K2.7 Code 与 Claude Fable 5 生成落地页的成本与质量对比
Together AI 对比了 Kimi K2.7 Code 与 Claude Fable 5 生成 12 个落地页的成本和质量。实验显示，Kimi K2.7 Code 的平均成本比 Fable 5 低约 94%，在结合定制设计灵感 MCP 服务器后，其输出质量与 Fable 5 相近。所有生成的页面、成本细目和 GPT-5.5 的评分结果都发布在 OVSC 网站上。
推荐理由：原文通过具体实验和成本对比，展示了开源模型在特定工作流中结合定制化工具的实际效益。
OpenAI AlignmentAI 评分4949 OpenAI Alignment 探讨公共聊天数据能否预测前沿 AI 对齐问题
OpenAI Alignment 研究表明，使用 WildChat 数据集模拟部署可较准确预测 GPT-5.1、5.2、5.4 等模型的实际失败率，误差平均在 3 倍以内。