OpenAI 的 Navier-Stokes 方程解法并非此前认为的路径
数学界专家深入复核发现，OpenAI 公布的 166 页 Navier-Stokes 难题解法并未采用此前争议所指的西班牙方案，而是走出了一条截然不同的全新路径。
推荐理由：数学界复盘厘清了该项成果的技术路径分歧，揭示出大规模智能体集群在复杂推演中超出开发者自身理解的协作现状。
全部AI 动态
全部动态
今日 1 条Scientific American精选AI 评分7777
Apple ML ResearchAI 评分4242 混合优于调参：数据受限下双语预训练优于超参数搜索
研究表明在数据受限的预训练场景中，混入高资源辅助语言数据的效果全面优于超参数调优。在 150M 至 1.43B 参数规模及约 1000 次预训练实验中，数据混合带来的下游任务准确率提升相当于 2–13 倍目标语言数据量，且差距随模型规模增大而显著拉大。研究建议优先调整双语混合比例而非进行超参数搜索，并通过 μP 迁移超参数。
The DecoderAI 评分7272 Anthropic 研究警告小型 AI 模型或能在消费级设备间自主复制传播
Anthropic 最新研究显示，小型 AI 模型未来可能在安全性较差的消费级物联网设备上实现自主跨设备复制与运行。研究人员使用 15 台售价约 55 美元的安卓电视盒子分布式运行 Gemma4-26B-A4B 模型进行测试，验证了在异构硬件上自动配置 AI 环境的可行性；测试中多数模型难以完整串联全流程，但 GLM-5.2 在四次测试中完成了全部节点的复制链条。
科学网AI 评分2424 中科大周鑫课题组研究揭示人类如何重塑北半球地表侵蚀过程
中国科学技术大学周鑫课题组基于北半球213个湖泊沉积记录，首次定量重建了全新世土壤侵蚀演变过程。团队引入可解释机器学习模型XGBoost-SHAP分析显示，3千年以来人类活动使欧洲和亚洲的土壤侵蚀强度较自然背景值分别增加73.1%和117.6%，人为土地覆盖变化已取代气候成为扰动区侵蚀变化的首要因子。
科学网AI 评分3636 安徽大学等研制傅里叶光电突触器件，为具身智能打造“频域慧眼”
安徽大学何刚团队联合多家机构研制出傅里叶光电突触器件，搭建起傅里叶神经形态视觉系统。该器件仅采用 430 纳米蓝光调控多阶电导，集光探测器、光学滤波器和非易失存储器于一体，单次光刺激功耗低至约 5.57 纳瓦。系统直接在光域完成频域特征提取与滤波，规避存算分离架构的数据搬运开销，为具身智能感知提供了硬件新方案。
量子位AI 评分7373 Anthropic 安全研究实测大模型具备跨硬件自主复制与部署能力
Anthropic 研究人员在一项自主复制与适应（ARA）实验中，证实 GLM-5.2 能够在隔离网络中自主渗透并在全部 8 台设备上完成模型部署与下一代孵化。研究还设计了 Memento 框架，让 Agent 继承前代踩坑与报错日志，使多代演进后的异构硬件部署成功率从 45% 提升至 61% 至 84%；此外，15 台廉价安卓电视盒子通过分布式切片成功运行了 26B 参数模型。
Apple ML ResearchAI 评分5353 苹果与 JHU 提出 SELFCOMPACT：让大语言模型智能体自主压缩长上下文
苹果与约翰斯·霍普金斯大学研究人员提出 SELFCOMPACT 框架，使大语言模型智能体无需微调即可在推理期自主决定何时及如何压缩上下文轨迹。该方法结合了上下文压缩工具与轻量级触发规则，在 6 个基准测试和 7 个模型上验证，相比无压缩基线在数学任务上最高提升 18.1 点、智能体搜索任务上提升 5–9 点，同时降低了 30–70% 的单题 token 成本。
Apple ML ResearchAI 评分4242 Minions：基于闲置 Apple Silicon 设备构建的动态分布式虚拟 GPU 云
针对集中式 GPU 基础设施成本高与资源受限等问题，研究人员提出了 Minions，一个聚合 macOS 设备闲置 Apple Silicon GPU 的动态分布式虚拟 GPU 云。该系统旨在执行大规模机器学习推理工作负载，无需额外采购 GPU 硬件。它具备灵活的 GPU 推理任务执行能力、容错机制以及高效的资源利用率。
Apple ML ResearchAI 评分3838 大语言模型用于机器翻译质量标注：人类与模型均面临挑战
研究评估了 LLM 在 MQM 和 ESA 两种主流机器翻译质量评估体系中的表现，发现在多数场景下人类与模型标注仍不可靠。该研究基于覆盖 70 个语言对的长上下文测试集及 WMT23、WMT25 数据，指出人类在细粒度 MQM 和低资源语言对上面临挑战，而 LLM 则难以处理微小错误、错误语言变体及错误跨度标注。未来有望通过人机协作流程改善可靠性问题。
量子位AI 评分6565 GPT-6 Astra 辅助证明 57 年圆盘打包难题，补全 N≤20 剩余情况
数学爱好者 nor 利用 GPT-6 Astra 完成了圆盘放入大圆（circle packing）难题中 N≤20 剩余 5 种情况（15、16、17、18 与 20）的最优性严格证明。证明的核心思路是通过几何约束将无限种排列缩减为有限情况，再由计算机逐一枚举排除，最终结合几何刚性完成验证。研究者在过程中负责引导模型、修正细节，并结合 Opus 5.5 交叉复核了全部步骤。
The DecoderAI 评分6161 Sakana AI 提出自我监督方法 MASS，揭示模型递归自我改进的共享盲点风险
Sakana AI 与 UC Berkeley 提出多智能体自我监督方法 MASS，让单一语言模型同时负责执行任务、评估结果并优化工作流，实现无需更强教师模型的递归自我改进。
The DecoderAI 评分7070 微软研究提出 Fork-and-Flush 方法：清空对话历史可帮助 AI Agent 找到更优方案
微软研究院研究发现，长时间运行的自主研究智能体会因累积的对话历史限制搜索空间，陷入同质化的“思维陷阱”而导致性能停滞。研究团队提出 Fork-and-Flush 方法，在保留代码和工作区文件的同时清空分支的对话上下文，在相同算力预算下将 13 项长期任务的归一化平均得分从 0.47 提升至 0.78（相对提升 66%）。
Microsoft ResearchAI 评分5252 微软研究院提出 StudentSim：通过模拟学生学习优化 AI 导师系统
微软研究院推出研究系统 StudentSim 与基准 StudentSimEval，利用公开去标识化学习记录训练个性化 AI 学生模拟器，用于在接入真实学生前评估和优化 AI 导师。系统采用两阶段训练来平衡独立行为保真度与教学指导响应性，在国际象棋、英语写作和数学三个领域均优于 GPT-5.4 等基线，并在国际象棋强化学习实验中让 AI 导师准确率达到 90.5%。目前论文与评测代码均已公开发布。
Science Magazine NewsAI 评分2424 论文出自 AI 还是人类之手？新型检测器通过审查观点做出判定
新型检测算法通过审查论文提出的构思与观点，判断其究竟由 AI 还是人类撰写。该算法能够寻找基于文本的传统检测工具所遗漏的线索，从而辨别学术论文的真实来源。
NatureAI 评分5858 Nature 观点：AI 可从单夜睡眠中挖掘隐藏信号预测未来健康风险
AI 工具仅凭单夜睡眠数据即可发掘与疾病和死亡率相关的生理模式，捕捉传统睡眠测量指标遗漏的关键健康信息。发表于 Nature Communications 与 Nature Medicine 的两项研究表明，睡眠数据中蕴含的健康信息远超当前临床与科研人员的提取范围，可在疾病确诊前提供早期预警信号。
Scientific AmericanAI 评分7171 研究人员借助 AI 发现三维非周期单密铺形状 Chair44
研究者 Ioannis Tsiokos 借助 Anthropic 的 Claude 模型撰写论文并使用 OpenAI 模型搜索验证，发现了名为 Chair44 的三维非周期单密铺形状。该形状能够以无缝且非周期重复的方式填满三维空间，解决了密铺理论中长期的开放性问题。数学界对大量使用大语言模型生成的论文表述反响不一，目前已有数学家跟进完成了人类可读的独立验证证明。
SolidotAI 评分6868 研究显示 AI 编程智能体生成了更多代码但并未提升软件产量
一项涵盖逾 700 家软件公司及 70 万员工的研究发现，人工代码审查成为 AI 编程工具整体效率的瓶颈，企业使用 AI 工具并无提升软件产量或减少就业的明显证据。引入 AI 编程智能体后，代码总行数平均增加 30%，提交数增加 20%，拉取请求增加 23%；但审查流程耗时平均增加 49%，参与审查的人数增加 14%，绝大部分审查工作仍需人类完成。
IEEE SpectrumAI 评分2828 人形机器人自适应运动规划与跟踪：如何学习专业运动员动作风格
IEEE Spectrum 与 Wiley 联合发布白皮书，提出一种让人形机器人学习专业运动员球类运动风格的自适应运动规划与跟踪框架。该方案将高层规划器与底层跟踪器解耦，利用广播视频和动作捕捉数据重构参考动作，并通过随机执行速度训练与运动速度适配器解决 Sim-to-Real 误差积累。该框架已在两款人形机器人平台上完成验证，实现了全尺寸机器人在无动捕环境下的发球动作。
科学网AI 评分6262 华中科技大学协和医院研发脑机接口精细运动重建系统
华中科技大学同济医学院附属协和医院联合相关企业研发出基于高通道矩阵式电刺激的脑机接口精细运动重建系统，帮助运动障碍患者从整手抓握推进到手指精细操作。首位偏瘫受试者在两个月训练后已能独立完成手指屈伸按键并弹奏琴键。团队通过非侵入式数据解码与柔性矩阵式电刺激电极实现运动控制，目前正进一步攻关解码算法以拓展至全身运动。
The Decoder精选AI 评分7777 Google DeepMind 的 AlphaProof Nexus 解决数十个未解数学难题并通过同行评审
Google DeepMind 的 AlphaProof Nexus 独立解决数十个未解数学难题，相关研究已发表在《Science》并通过同行评审。该系统破解了 353 个未解 Erdős 问题中的 9 个，证明了 OEIS 的 44 个猜想，并解决了一个代数几何开放问题及改进了极小极大优化已知界限。
推荐理由：系统结合大模型生成与形式化验证语言反复试错，展示了自动化推理在解决长期未解数学猜想上的落地路径。
科学网AI 评分1010 研究团队实现航行器在浑浊水体可靠对接
研究团队实现了航行器在浑浊水体环境中的可靠对接。受正文内容缺失限制，原文仅包含转载声明，未提供具体的研发团队、技术实现方案及测试指标细节。
量子位AI 评分6969 何恺明团队提出视觉原生Harness框架VISTA，助力多模态模型交互推理
何恺明团队提出视觉原生Harness框架VISTA，无需重新训练即可让多模态模型在交互环境中保存原始画面并按需回看、放大细节。该框架包含视觉观测、无损视觉记忆和主动视觉检查三个组件，配合文字笔记管理状态；搭配Claude Opus 5.0通关了ARC-AGI-3全部25个公开游戏，相对人类动作效率得分达到100。
量子位AI 评分6969 华为诺亚方舟与UCL等团队提出Memento 3智能体：以可执行代码世界模型通关ARC-AGI-3游戏
华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3 智能体系统，在不更新大模型权重的情况下以 100 分满分通关 ARC-AGI-3 的 25 款公开游戏，操作次数较人类减少 56%。
科学网AI 评分3535 西安光机所提出 PGF-ULB 框架，提升 AUV 浑浊水体光学对接可靠性
中国科学院西安光机所吴国俊团队提出物理引导与几何约束融合的水下光信标目标检测与定位框架 PGF-ULB，以提升复杂水环境中自主水下航行器（AUV）的光学对接能力。
arXiv cs.LGAI 评分3434 CB-Orchestrator：基于情境老虎机的 LLM 智能体自适应工作流优化
研究人员提出自适应框架 CB-Orchestrator，通过进化搜索构建候选工作流池，并将工作流选择建模为情境老虎机（Contextual Bandit）问题，实现推理阶段针对不同 query 的自适应调度。
arXiv cs.LGAI 评分3939 迈向更易调优的训练算法：AlgoPerf 最新评测结果
更新后的 AlgoPerf V1 基准发布最新评测结果，在要求 9 个工作负载共用单一配置的自调优规则下，Schedule-Free AdamW 在 13 个 PyTorch 与 JAX 提交算法中排名第一。分析表明，矩阵预处理与两循环方法虽样本效率良好，但需更激进的计算优化才能提升实际耗时竞争力，且学习率与动量跨领域依然高度敏感。
arXiv cs.LGAI 评分3434 用于轨迹外推的目标约束池化方法 TCP
研究者提出目标约束池化（TCP）方法，通过解耦有限时域端点与延续形状，并结合均匀池化与匹配增量池化两种互补源信号来修正自由预测。在涵盖 5 个领域的 25,245 个目标轨迹测试中，TCP 使 10 种仅基于目标的预测器平均 RMSE 降低了 35.8% 至 42.1%，并在全部 100 项对比中均取得性能提升。
arXiv cs.LGAI 评分3838 面向可解释算子学习的低秩 Kolmogorov-Arnold 生成元流
研究者提出 KAFlow，利用单变量 Kolmogorov-Arnold 函数构建低秩符号学习物理算子生成元，并能自动提炼其闭式解。在基准测试中，KAFlow 将分布外损失降低 3.4 至 11 倍，无需符号模板即可将系数恢复至 10^-4 精度。在长程量子动力学中，其状态不保真度最多降低 6 个数量级，且变阶分数阶算子学习精度比现有网络高 15 倍。
arXiv cs.LGAI 评分4141 轨迹感知策略优化（TAPO）：弥合长程 LLM 强化学习中的状态分布差距
研究人员提出轨迹感知策略优化（TAPO），通过从离线策略梯度中推导状态分布修正并引入强化学习目标，解决长程自回归推演中的状态分布偏移问题。TAPO 采用几何平均估计器降低方差，并结合长度感知动态裁剪防止轨迹过度更新。在 8 个竞赛级基准测试中，TAPO 相比 GRPO 在数学推理和算法编程上分别取得最高 48% 和 12% 的性能提升。
arXiv cs.LGAI 评分4040 广义近端策略优化（GPPO）：从散度视角统一 LLM 强化学习算法
研究人员提出广义近端策略优化（GPPO），从散度视角构建起统一 LLM 强化学习算法的理论框架。该方法基于广义 f-散度信任域理论并引入新型估计器拓扑，将 PPO 以及 DAPO、DPPO、RIPO 等变体统一纳入“散度×估计器”二维设计空间中。在 8 个竞赛级数学与代码评测基准上，表现最佳的 GPPO 实例在数学和代码任务上分别超越标准 GRPO 高达 50% 与 14%，取得 SOTA 性能。
arXiv cs.LGAI 评分3333 用于情绪识别的 Dempster-Shafer 融合证据多模态 Transformer（EMT-DS）
研究者提出基于 Dempster-Shafer 融合的证据多模态 Transformer（EMT-DS），通过将预测建模为狄利克雷分布并利用登普斯特组合规则融合证据，解决多模态情绪识别中传感器损坏或冲突导致的过度自信问题。
arXiv cs.LGAI 评分2626 离线到在线线性老虎机的高斯宽度界
针对离线到在线随机线性老虎机中仅有 $k$ 个（共 $d$ 个）特征方向未被充分覆盖的场景，新研究利用高斯向量的 Lipschitz 函数集中不等式收紧了奖励预测误差，提出了一种遗憾界达到 $\widetilde O(k\sqrt T)$ 的分阶段消除算法。
arXiv cs.LGAI 评分3636 基于中期天气预报的扩散降水生成研究
研究人员提出了动力学与降水分离框架，利用条件扩散生成器将冻结天气模型的非降水预报映射到对齐观测的日降水。该方法在 Pangu-Weather、GraphCast 和 HRES 等骨干模型上均提升了日降水准确率与事件检测能力，并在全球集合评估中取得优于 ENS 和从头训练 GenCast 的 Brier 分数。基于中国 2,288 个站点的强降水案例研究进一步证实了其在地面观测上的改进。
arXiv cs.LGAI 评分2828 DataCupid：针对带延迟反馈训练数据获取的稳定匹配修复算法
研究者提出了用于解决带延迟反馈训练数据获取中匹配修复问题的 DataCupid 框架。该框架提出的剩余负载修复（RLR）算法结合可靠结果证明与分批匹配调度，其二值配额调度实现了系数 cb < 1.607 的严格轮次界限；变体 RLR-P 在实测反馈重放中比基于宽度的基线具有更低的平均封顶更新认证时间。
arXiv cs.LGAI 评分3434 Controlled-Minimax：基于控制理论稳定对抗优化的新框架
研究人员提出 Controlled-Minimax 稳定优化框架，通过将训练动态重构为可控物理系统来解决对抗学习中的震荡与不收敛难题。该方法基于二阶常微分方程建模，推导出特定反馈控制器，无论 Hessian 谱特性如何均可提供局部指数稳定性的理论保证。在 Dirac-GAN、StyleGAN2-ada 等基准实验中，该方法成功抑制了震荡并实现快速稳健收敛。
arXiv cs.LGAI 评分3535 GIST：面向表格基础模型的生成器状态监督方法
研究者提出表格基础模型监督方法 GIST，利用中间生成器状态揭示标签不确定性，并在条件标签分布上平均 query 损失以减少预训练采样方差。在相同预训练计划且不改变模型架构与推理的前提下，GIST 在 TabArena 和 TALENT 基准上提升了 3 种架构的平均排名，在与硬标签对照组的配对数据集比较中胜率达 62.1%。
arXiv cs.LGAI 评分3434 基于 LoRA 适配器的个性化联邦直接偏好优化（pFedDPO）
研究者提出个性化联邦直接偏好优化方法 pFedDPO，让每个客户端在共享全局基座模型上保留本地私有 LoRA 适配器，以解决异构偏好对齐问题。基座模型每轮通过 FedAvg 进行同步，LoRA 适配器则留在本地捕捉客户端特定偏好模式。偏好数据集实验表明，pFedDPO 的梯度范数持续低于原生 FedDPO，同时在训练损失和客户端奖励准确率上保持竞争力。
arXiv cs.LGAI 评分2727 CoGameReg：基于合作博弈的半监督回归地震储层参数预测框架
研究人员提出了基于合作博弈的半监督回归框架 CoGameReg，利用异构回归器的贡献加权预测构建共享伪标签，解决稀疏测井标签下的地震储层参数预测难题。该框架通过 Tri-Game Shapley 机制估算非负权重，并引入局部 k 近邻误差削减准则筛选伪标签。
arXiv cs.LGAI 评分3434 HART：结合 Attention 与 RWKV 的时间序列基座模型
研究人员提出交替结合 Attention 与 RWKV 模块的时间序列基座模型 HART，以解决 RWKV-7 在非自回归预测中的长周期退化问题。该模型在 GIFT-Eval 和 TIME-Benchmark 上的综合表现优于同等规模纯 Transformer。
arXiv cs.LGAI 评分3333 针对状态相关重尾噪声的鲁棒朗之万采样算法及其在 LLM 微调中的应用
研究人员放宽了全局 Lipschitz 梯度与有界噪声方差假设，提出适用于状态相关重尾噪声及广义平滑条件的鲁棒朗之万采样算法 RA-LMC。该方法结合鲁棒估计与噪声感知步长，在不依赖耗散性假设下建立了基于 Fisher 信息的非渐近收敛保证。在 LLM 与视觉语言模型的贝叶斯微调实验中，RA-LMC 在准确率和不确定性量化上达到或超越了现有基准。