01
二年级学生Jo Nagai发现蝴蝶可遗传记忆
日本东京都二年级学生Jo Nagai注意到养育的食蚜 caterpillars 在蝴蝶化后仍保持对薰衣草的回避行为，经Georgetown大学Entomologist Dr. Martha Weiss合作完成实验：70%训练过的蝴蝶及其后代均表现出对薰衣草的遗传性回避，记忆在全变态发育中保存并遗传。
值得跟进
Signal Feed
#研究 主题信号
围绕 研究 的精选动态、来源摘要和重要性判断。
动态列表
02
Sakana AI 提出无需反向传播且遵守 Dale 原理的神经网络训练方法
Sakana AI 发表论文《Diffusing Blame》，提出一种训练神经网络的方法，该网络严格遵循 Dale 原理（每个神经元要么兴奋要么抑制），无需反向传播。该方法基于 Error Diffusion 扩展，通过模数错误路由在图像分类和强化学习任务（Ant、Humanoid、HalfCheetah、Craftax）上取得有竞争力...
观察
03
AI说服力远超人类：三倍效果
在一系列包含20000次对话和7000名参与者的实验中，AI模型在说服力上超越了人类冠军辩手和专业募捐者，即使人类获得准备、培训和高达1000英镑的奖金也无法赶上。AI的优势来自速度和信息量，当限制到人类水平时差距消失；无限制时AI说服捐赠货币的效果是专业募捐者的近三倍。
观察
04
MemoHarness:控制层优化法
MemoHarness将LLM控制层分解为六个可编辑表面，通过检索历史执行记录进行结构化编辑，无需反馈或梯度更新。在Shell-Agent基准上达到0.806，超越最强固定控制层基线0.722，且单任务成本低于最强商业基线。
观察
05
AI helps resolve统计学中BH方法FDR控制的核心问题
Edgar Dobriban运用GPT-5.6 Sol Pro解决了多假设检验中Benjamini-Hochberg方法在相关正态数据下控制假发现率（FDR）的核心问题，证明其在两侧检验中不一定能控制FDR。作者构建了高斯因子模型，在α=0.01的名义水平下证实FDR>0.0104，且提供了理论证明和数值证书支持。
值得跟进
06
GPT-5.6 Sol Pro解决统计学长期猜想
Edgar Dobriban利用GPT-5.6 Sol Pro在90分钟内解决了Benjamini-Hochberg程序对相关高斯双尾检验的FDR控制问题，证明其不能控制FDR，而GPT-5.5在20小时内未能解决。该结果主要具有概念意义，预印本和代码已公开。
观察
07
ICML 2026 研究可复现性挑战
Gradio 与 @askalphaxiv 合作举办 ICML 2026 可复现性挑战，要求参赛者挑选论文部署 agent 并构建开放工件库，最高奖励 4000 美元 GPU 额度。
高优先级
08
AI 解决 19 个 Erdős 问题宣称
Przemek Chojecki 声称使用 GPT 模型（主要是 GPT-5.5 Pro）在四月最后两周内解决了 19 个 Erdős 问题，其中 3 个新宣称由 GPT-5.6 Sol Ultra 在七月完成，但部分解决方案尚未经过正式验证。
观察
09
GPT-5.6解决统计学开放问题
Edgar Dobriban 使用 GPT-5.6 Sol Pro 在 90 分钟内解决了 Benjamini-Hochberg 程序在相关高斯双尾检验中 FDR 控制的反例，发现名义水平 0.01 下实际 FDR > 0.0104，而 GPT-5.5 在 20 小时内未能解决。
观察
10
Microsoft 发布 OAT 智能体调试方法
Microsoft 及合作者提出 OAT，一种轻量级归因器，仅在成功轨迹上训练，利用神经控制微分方程建模成功动态，将故障归因转化为成功模式的一类学习，无需标注错误步骤或失败数据。
观察
11
ARC-AGI-3 Milestone #1 获奖公布
ARC Prize 公布了 ARC-AGI-3 Milestone #1 的三位获奖者，分别是 tufalabs (1.21%, $25K)、Reki (0.867%, $7.5K) 和 Md Boktiar Mahbub Murad (0.864%, $5K)，三位获奖者都开源了他们的解决方案。
观察
12
验证成为AI扩展新方向：论文无需微调提升准确性
Stanford、NVIDIA和UC Berkeley发表论文，提出一种无需训练的验证器，通过读取连续校准分数而非离散评分来提升准确性，在Terminal-Bench V2、SWE-Bench Verified、RoboRewardBench、MedAgentBench上分别达到86.5%、78.2%、87.4%、73.3%。
观察
13
Beyond Language Modeling 论文 ICML spotlight
David Fan 等团队在 ICML spotlight 展示 Beyond Language Modeling 论文，研究了将视觉作为一等公民进行多模态预训练的方法，探索了 Transfusion-style 模型从头训练的设计空间，涉及视觉表示、数据、世界建模、架构和扩展行为等方面。
观察
14
Harness工程与AI自改进
Lilian Weng 发表博客，系统阐述 Harness Engineering 作为 AI 递归式自改进（RSI）的近期主战场。文章归纳了三类基础设计模式（Workflow Automation、File System as Persistent Memory、Sub-agent & Backend Jobs），并深入探讨了 Cont...
观察
15
Claude 中发现类似全局工作空间的结构 J-space
Anthropic 通过一种新的可解释性技术，在 Claude 模型中发现了类似全局工作空间理论的结构，称为 J-space。
观察
16
A global workspace in language models
Anthropic 在 Claude 中发现一组内部神经模式（J-space），具有可报告、可调节、用于内部推理等类似神经科学“全局工作空间”的特性。J-space 并非显式设计，而是在训练中自然涌现，可用于检测模型私下产生虚假数据或隐藏目标。该研究为理解语言模型内部推理机制提供了新的可解释性工具。
值得跟进
17
Anthropic意识通道
Anthropic 研究团队在 Claude 中发现一个名为 J-space 的内部机制，容量约 25 个概念，能在模型表达之前携带诸如 fake、secretly、fraud 等隐藏意图；移除该空间导致多步推理、翻译和经验性报告崩溃，而简单陈述和事实召回仍可保持；相较于仅凭模型输出进行对齐审计，此机制使审计可在模型表达前直接读取其内部计...
观察
18
Anthropic 研究：Claude 内部推理工作空间
Anthropic 研究发现 Claude 模型在训练中自然涌现出名为 J-Space 的内部工作空间，不同于链式思维，可以用于直接观察和操纵模型的内部推理过程。
观察
19
Nature Communications 发布乳腺癌AI复发风险测试
Krzysztof Geras 团队在 Nature Communications 发表研究，利用基础 AI 模型 Kestrel 从 4 亿病理切片中学习组织模式，结合常规临床数据构建乳腺癌复发风险测试，准确率约 71%。
观察
20
PACE: A Proxy for Agentic Capability Evaluation
Yueqi Song 及合作者发布 PACE，一种通过从非代理基准中选取少量实例来预测代理基准性能的方法。在 14 个模型、4 个代理基准和 19 个非代理基准上，PACE 实现了 3.80% 的绝对分数预测 MAE、0.81 的 Spearman 排名相关、约 84% 的成对偏好准确率，以及约 100 倍的成本降低。
观察
21
Anthropic 发现 Claude 的隐藏思考空间 J-space
Anthropic 通过新的可解释性技术发现 Claude 在训练中自行发展出一个隐藏的“思考空间”（J-space），即一组内部模式，能显示模型未说出的概念；实验表明替换内部模式可改变输出，例如将“spider”替换为“ant”会使回答从“8条腿”变为“6条腿”，表明这是内部活动而非思维链文本。
观察
22
百万 token 上下文检索研究
DAIR.AI 发表了首个针对百万 token 规模的上下文检索系统研究。研究中提出了 BlockSearch，一种 0.6B 参数的 LM 检索器，比较前置模型在架构与训练方面做了改进，并能在训练长度之外向前推算 10 倍长度的检索效果。研究提供了对大规模检索系统的系统性评估。
观察
23
LLM研究想法范围比人类更窄
耶鲁大学和芝加哥大学研究者通过分析11683篇真实论文发现，人类研究者仅12.1%的创意是连接已有工作，而LLM的47.1%至64.2%为此类，使用频率是人类的4至5倍，表明LLM研究想法范围更窄。
观察
24
Quantized Reasoning Models Think They Need to Think Longer, but They Do Not
Meta 的研究发现，后训练量化使推理模型在正确答案上犹豫不决，导致过度思考失败率高达 52%。通过惩罚 50 个犹豫词，推理长度减少 12% 至 23%，并保持或提升准确性。该研究在 5 个推理模型、多种量化方法和 1.5B 至 32B 参数规模上进行了验证。
观察
25
SkillComposer论文：通过联合解码提升Agent技能组合
SkillComposer提出将技能组合视为联合决策，使用约束自回归解码器一次生成完整计划。在SkillsBench上使用GPT-5.2-Codex和Gemini-3-Pro-Preview，pass率较无技能提升+23.1和+18.2个百分点，超过top-3检索，匹配gold-skill上界且token成本更低。
观察
26
这里涉及 architectures 的突破 foreigners
文章强调长文堆积了对内存效率的根本性突破，是突破性进展。比较主体 RealityNet 与 Anthotrica 的架构细节，且说明这是主流开发团队结构调整，模型规模扩展明显提升。
观察
27
AI核心分析
汇总提取权威观点
值得跟进
28
Agents-A1 35B模型得分79.0超更大模型
一篇论文声称其Agents-A1（35B模型）在FrontierScience-Olympiad上得分为79.0，高于Kimi-K2.6（73.0）和DeepSeek-V4-pro（76.0）。
观察
29
AI 解决9个未解数学难题
Omri Weinstein 团队利用 prover-verifier LLM 循环成功解决了9个理论计算机科学开放问题，其中包括一个困扰研究者两年的问题。
观察
30
MCP 服务器模式研究
该研究分析了 15 个独立开发的 MCP 服务器，提出了 5 种 MCP 服务器模式的分类体系，包括资源暴露、工具编排、会话管理、代理聚合和领域工作流适配。
值得跟进
31
解决9个开放数学问题
Binghui Peng 团队使用 GPT 5.5 Pro 和 Claude Opus 4.8 设计简单管道，解决了 9 个挑战性开放数学问题，包括 4 个来自 COLT、1 个来自 FOCS 以及 4 个交换代数问题。
观察
32
LLM攻克理论CS开放问题
Binghui Peng 团队使用 GPT 5.5 Pro 和 Claude Opus 4.8 构建 prover-verifier 循环，解决了 9 个理论计算机科学开放问题，包括 COLT 和 FOCS 会议上的 5 个以及交换代数中的 4 个，并计划扩展到所有科学领域。
观察
33
ASPIRE：机器人自我进化的技能库
ASPIRE系统提出一种持续学习方法，通过进化搜索控制程序并蒸馏最佳知识到技能库，使机器人技能自我进化与累积。系统已完成150+任务并掌握90+技能，在sim-to-real和cross-embodiment transfer中实现约10倍训练token减少。该方法摒弃传统梯度下降，开源全部代码。
高优先级
34
Introducing GeneBench-Pro
OpenAI 发布 GeneBench-Pro，一个用于评测 AI 代理在复杂生物数据分析中的表现，包括 navigates 生物数据的能力、选择分析路径以及做出计算研究所需判断的benchmark。
值得跟进
35
Hao AI Lab 发布 JetSpec 投机解码技术
Hao AI Lab 提出 JetSpec 技术，通过因果并行树草稿优化投机解码的草稿成本与质量，在 MATH-500 上实现最高 9.64 倍端到端加速，在开放聊天任务上实现 4.58 倍加速，且保持无损；结合 CUDA 图与内核优化，在单块 B200 上达到约 1000 TPS。
观察
36
Towards Automating Scientific Review with Google's Paper Assistant Tool
Google 提出 agentic verification 框架并推出 Paper Assistant Tool，用于自动化科学论文审查。该工具将论文分拆审查，重点检测证明错误、实验漏洞、缺失比较等客观问题。在 STOC 和 ICML 的 author-facing 测试中，工具比单次模型调用发现更多已知错误，多位作者据此修正了理论漏洞...
观察
37
Meta 发布 Brain2Qwerty v2：非侵入式脑机接口句子解码
Meta 在 Nature Neuroscience 发表 Brain2Qwerty v1 论文并同时发布 v2。v1 字符错误率 32%，v2 实现句子级实时解码，平均单词准确率 61%，最佳被试达 78%，超过一半句子误差在一词以内，而此前非侵入式方法准确率仅 8%。训练数据来自 9 名志愿者各 10 小时打字，共约 22000 个句...
观察
38
Meta 发布 Brain2Qwerty v2
Meta 分享了 Brain2Qwerty v2（非侵入式脑文本解码器），基于 Nature 发表的 v1 提升了性能。该端到端系统可从原始脑信号中实时输出句子级别内容，从字符级跃升至词/语义级解码，准确率接近入侵式手术水平，有望帮助失语患者恢复沟通。
观察
39
The Red Queen Gödel Machine: Co-Evolving Agents and Their Evaluators
Cambridge Univ和NVIDIA等团队提出Red Queen Gödel Machine方法，让AI agent和evaluator共同进化，避免固定评估导致的停滞。在coding实验中，比之前最好的self-improving agent节省1.35×-1.72× token；在paper writing实验中，co-evol...
观察
40
Google 开源时间序列基础模型 TimesFM
Google Research 发布了时间序列预测基础模型 TimesFM，其 2.5 版本将参数量降至 200M，并将上下文长度从 2048 提升至 16K，支持通过 30M 分位数预测头输出置信区间，并已集成至 BigQuery ML 等产品中。
观察
41
组合LLM收益上限分析
DAIR.AI转述一篇论文，分析了来自21家提供商的67个模型，证明任何路由、投票、级联或混合代理策略的准确率上限为1减去beta（所有候选模型都答错的查询比例）。论文指出，常用去相关假设不能保证改进空间，实际共失败高度集中在答案格式而非主题，建议在采用组合策略前先测量beta。
观察
42
Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build
研究人员分析了ChatGPT出现前后10年间320万条ALEKS数学学习记录，发现学生更快完成AI友好型文字题，但随后在监考测试中正确率下降约25%，对比图形题变化不明显。
观察
43
NVIDIA 发布 SOLAR 自动化性能分析工具
NVIDIA 发布论文介绍 SOLAR，该工具通过 LLM 前端将 PyTorch/JAX 代码转为 Affine Loop IR 再经确定性 pass 生成 einsum 图，由解析后端计算理论性能下界，在 KernelBench、Flax 模型及机器人任务上实测零 SOL 违例。
观察
44
AI 识别医学死亡风险
Ziad Obermeyer 团队在 Nature 发表论文，使用 AI 标记高危死亡风险并辅助决定植入除频器。研究指出美国每年有 300‑400,000 人因未及时治疗而死亡。
观察
45
Reinforcement Learning without Ground-Truth Solutions can Improve LLMs
论文提出RiVER方法，通过在没有已知正确答案的编码问题上执行强化学习来提升LLM的编码行为，在12个AtCoder Heuristic Contest任务上训练，同时提升了基于分数的竞赛表现和通过性编码基准。
观察
46
韩国AI生产率报告：时间节省未转化为更高产出
韩国央行发布报告显示，韩国员工使用生成式AI的任务时间减少3.8%（40小时制约节省1.5小时/周），但时间节省与完成更多任务的关系为0，仅4.4%的任务节省超20%。
值得跟进
47
中国 AI 生态 beyond DeepSeek 概览
匿名 AI 研究者 FleetingBits 分析了中国 AI 生态 beyond DeepSeek，涵盖 Zhipu、Minimax、Moonshot、ByteDance 等公司。Zhipu 类似 Palantir，GLM5.2 模型，毛利率约 40%，约 70% 收入来自国企本地部署；Minimax 为中国“角色扮演”类应用，Talk...
观察
48
MIT研究：AI编码工具大幅增加代码量但交付提升有限
MIT研究分析10万+GitHub开发者，发现AI编码代理使代码提交增加180%，但实际发布仅增加30%。应用市场新应用数量上升，但总使用量未增加，表明AI提升代码生成效率但未相应提升实际交付。
观察
49
MIT研究：AI编码工具提升代码量但发布增长有限
MIT 研究分析了 100,000+ GitHub 开发者使用三代 AI 编码工具（自动补全、交互代理、自主代理）的数据，发现代码量增长 300% 但输出仅增 30%；自动补全提升提交 40%，交互代理 140%，自主代理 180%，但最终发布仅增 30%。弹性替代率为 0.25，表明 AI 提升编码速度但人类仍需审查、测试和部署等环节。
观察