跳到正文
11月13日周五
  1. Microsoft Research43

    Microsoft Research Focus 第 98 期:通用翻译、数学猜想、AI 编程智能体与多语言 tokenization 进展

    Microsoft Research Focus 第 98 期聚焦通用翻译、31 年 KLS 猜想破解、AI 编程智能体效率与 104 种语言的 tokenization。APEC 可让 AI 编程智能体在后台准备摘要,评测中编码性能提升、成本最多降低 25.4%、执行时间减少 9.6%;LCT 则在保持相近效率的同时提升四个多语言 benchmark 表现。

11月12日周四
  1. Google Research71

    Google Research 提出基于可穿戴设备的 CKM 风险画像与个性化健康指导框架

    Google Research 发布研究原型,利用可穿戴设备、机器学习世界模型和语言模型智能体,为心血管、肾脏与代谢综合征(CKM)风险提供个性化指导。框架包含基于可改变行为的可指导健康年龄模型 SensorWM,以及生成未来 12 周“什么-if”健康轨迹的模拟系统,并用临床医生审核的方案形成渐进式指导。

    推荐理由:原文把可穿戴设备数据、健康年龄与反事实模拟串成闭环,并提供多队列验证及专家盲评结果,便于判断该框架的证据基础。

11月11日周三
  1. Ars Technica · AI75

    Google DeepMind 使用 AlphaProof Code 形式化验证 Signal 协议关键保证

    Google DeepMind 使用 AlphaProof Code 对 Signal 协议的关键密码学保证进行形式化验证,在四周内完成概念验证。分析未发现受检部分的新漏洞,并正确识别了旧版本中已知且已修复的漏洞,但尚未验证整个 Signal 移动应用。研究团队同时公开了相关规范与证明,以便支持后续形式化验证工作。

11月10日周二
  1. Google DeepMind86

    Google DeepMind 发布 AlphaProof Code 深度验证 Signal 加密协议

    Google DeepMind 发布 AlphaProof Code,以多 LLM 智能体形式化验证 Signal 核心加密协议的实际代码。该框架由人类定义安全目标并审核规格,Gemini Carbon 驱动的智能体生成逾 600 万行 Lean 证明,Lean 自动检查结果供专家复核。

    推荐理由:材料展示多 LLM 智能体如何形式化验证 Signal 加密协议,并提供 Lean 检查、缺陷复测与开源验证产物等可核查细节。

11月9日周一
11月6日周五
  1. Microsoft Research71

    Microsoft Research 用 PDD Kit 形式化验证智能体编写的全栈 Web 应用

    Microsoft Research 与 GitHub Next 推出研究原型 PDD Kit,将用户意图转换为 Verus 形式化规范,约束编码智能体生成的代码,并在无法证明的部分回退到测试。

    推荐理由:文章以完整登录流程展示形式化验证如何约束智能体生成代码,并明确区分可证明部分、信任边界与测试覆盖。

11月3日周二
  1. MIT Technology Review · AI56

    反向博弈论如何约束 AI 智能体

    反向博弈论试图通过机制设计激励 AI 智能体遵守规则,以应对模型故意低估测试表现、隐藏意图和误导评估者等问题。MIT、Yale 和 Columbia 的研究者提出让模型以预测另一模型答案为奖励目标,或让解题智能体与审计智能体相互检查,并通过惩罚作弊和漏查提高约束效果。

10月30日周五
10月26日周一
10月22日周四
  1. Microsoft Research62

    Microsoft Research与合作者证明KLS猜想

    Microsoft Research研究者Xinzhi Zhang与合作者证明KLS猜想,建立了与维度无关的对数凹分布几何原则。研究团队通过研究者主导的智能体搜索探索100余条路径,递归改进数学界,并最终完成证明;该结果还获得多项独立证明和Lean 4形式化验证。

    推荐理由:文章交代了KLS猜想证明的关键递归方法、AI参与方式及独立验证,可用于理解人机协同研究复杂数学问题的路径。

10月17日周六
  1. Google Research77

    Google Research 提出面向自主湿实验室的 AI 智能体研究框架

    Google Research 展示 VERID 框架及三项研究,让 AI 智能体能够在湿实验室中执行实验、读取反馈并迭代设计分子。VERID 以实验室工作单元的语义数字孪生追踪设备、试剂和孔位状态,在执行前检查碰撞、耗尽孔位等风险。

    推荐理由:文章展示 VERID 框架和闭环实验如何让 AI 智能体在物理实验室中安全执行并优化分子设计流程。

10月5日周一
  1. GitHub Blog · AI & ML70

    GitHub 发布开放 AI 代码审查基准 ReviewBench

    GitHub 发布研究预览版开放基准 ReviewBench,用于统一评估 AI 代码审查智能体。基准包含 219 个公开拉取请求,覆盖 19 种语言,并提供六项指标、公共排行榜及自托管评测工具。其黄金集由多来源发现、人工标注和 Claude Sonnet 5 评审构建,资深工程师独立复核的一致率为 96.6%;GitHub 称该基准的离线评测方向与生产实验一致。

    推荐理由:ReviewBench公开了数据、评分方法与提交流程,便于团队在统一条件下比较代码审查智能体并复现实验结果。

7月26日周日