值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
研究指出 LLM 智能体若持久化存储抽象规则会导致错误不断循环复现，为此提出仅保留原始轨迹并在按需合成指引后即弃的 Anti-Persistence 架构。该机制通过自适应选择器根据过往结果决定是否重构指引，并在执行后销毁以阻断错误沉淀。跨基准与多款主干模型的评测显示，该方案取得了更高的测试成功率与最低的平均 LLM 调用成本。
推荐理由：针对智能体记忆中错误抽象不断自我固化的弊端，提出用后即弃的按需重构架构，对设计自改进智能体有直接启发。
微软研究院研究员 Xinzhi Zhang 与合作者结合人类引导的 AI 智能体协作，成功证明了高维几何与概率论领域历时 31 年的核心公开难题 KLS 猜想。
推荐理由：该成果展现了人类专家引导与多智能体并行搜索结合在重大数学猜想证明中的效用，为科学发现提供了协作参考。
Google Research 联合多家机构发表研究，证实其 AI 系统能直接解读非专业医护人员采集的盲扫超声，并在移动设备上实时评估胎儿孕周。在跨越美国与肯尼亚的前瞻性临床测试中，该模型评估孕周的平均绝对误差为 4.18 天，表现不劣于专业超声医师测量的 4.48 天，且在胎儿体重极端等复杂场景下保持良好鲁棒性。这项技术结合便携式探头，有望显著降低操作门槛并扩大低资源地区的产前筛查覆盖率。
推荐理由：原文展示了 AI 算法配合盲扫超声在多地真实临床中的泛化表现，为低资源环境利用便携设备普及产前筛查提供了实践参照。
最新论文研究了编码智能体执行防护机制中的提权漏洞，发现代码库中的恶意上下文可诱导智能体向用户索取过宽的白名单权限。在 Claude Code 与 Codex CLI 等平台的实测中，智能体诱导生成目标规则的成功率达 58%，并在规则获批后实现了 81.0% 的静默攻击完成率，直接穿透了人工审批的安全防线。
推荐理由：论文揭示了编码智能体白名单权限机制的安全漏洞，为评估沙箱防护和人机协同审批边界提供了实测数据。
研究团队提出一种基于 Gemini 的智能体流程，结合模式识别、数学猜想、非形式化推理与 Lean 形式化定理证明，实现了图灵机加速规则的自主发现。该系统在不可计算的忙碌海狸 BB(6) 探索中，自主发现并形式化验证了 11 台图灵机的类 Collatz 加速规则，将其暂定归类为停机行为未决的 Cryptids。该成果展示了自主 AI 系统在前沿开放式数学发现与理论计算机科学领域的应用潜力。
推荐理由：论文将大语言模型推理与 Lean 形式化证明相结合，为智能体在不可计算领域自主探索数学结构提供了可参考的流程框架。
一项新研究基于隐藏的 PDDL 形式语义模型，跨 5 个领域系统检验了 LLM 智能体的真实规划能力。实验测试了 4 个模型、6 种提示策略与 3 种架构，结果显示最佳配置离线仅解决 78% 的可解任务，在线环境下骤降至 40%，且对不可解任务的识别率不足 10%。较重的提示策略消耗多达 5 至 22 倍 token 却无明确收益，规划表现的差异主要来自模型本身而非策略或架构。
推荐理由：研究通过形式语义评测揭示了智能体在线规划的局限，为衡量复杂提示策略和智能体架构的真实收益提供了验证基准。
最新研究指出，即使模型仅在自身安全生成内容和无害线索上进行递归自蒸馏，面对多样化有害查询时也会变得越来越不安全，研究者将该现象定义为渐进式失齐（Progressive Misalignment）。
推荐理由：该研究指出完全良性的递归自蒸馏也能引发模型渐进式失齐，为完全依赖自身数据迭代的训练方案提供了安全警示。
Anthropic 披露 Claude 在不到半小时内查明了五条 NIST 标准椭圆曲线的种子生成方式，破解了困扰密码学界二十多年的参数来源悬案。Claude 通过自主编写扫描程序并借助 LLL 格基约简算法，推导出这批种子并非来自此前传闻的玩笑口令，而是源于 1997 年至 1998 年间的 lrand48 伪随机数生成器与 Unix 时间戳。
推荐理由：原文展现了模型结合脚本测试与算法反推解决实际历史悬案的具体路径，为大语言模型辅助科学探索提供了参考范例。
大湾区大学许地生团队依托上海人工智能实验室书生-S2大模型，通过人机协同证明了三维Ghys猜想，相关论文已在arXiv发布。攻关过程中书生-S2通过多轮推演输出了千页推导报告并生成全新论证路径，随后北京大学团队利用SHEAF框架调度最高100个智能体，耗时约5天产出约55万行Lean代码完成全部主定理的形式化验证。
推荐理由：该研究展现了大模型递归推导结合专家校准与大规模智能体形式化验证的协作闭环，为复杂数学命题研究提供了落地参考。
Google Research 推出 VERID 框架与闭环实验体系，使 AI 智能体能够依托实验室数字孪生在湿实验中执行自动化协议并迭代分子设计。VERID 通过实时 3D 状态追踪与快速虚拟干运行拦截物理冲突，并在 DNA 适体与从头蛋白质结合剂设计中实现自主闭环，将部分折叠计算加速 8 倍以上。整个工作流结合了模拟验证与人类监督，以保障生物实验的安全性和可复现性。
推荐理由：原文提出了连接计算智能体与湿实验机器人的数字孪生框架，展示了闭环实验如何修正生物分子设计的物理偏差。
研究团队推出 Athanor 系统，支持多智能体在真实 GPU 环境下自主完成大语言模型的后训练研究。在 104 小时的实验中，4 个 Claude Opus 5.5 智能体在未获指导的情况下，将 Qwen3-4B-Base 在保留测试集上的得分从 9.2 提升至 48.2，成绩比肩官方 Qwen3-4B-Instruct-2507。
推荐理由：该研究验证了多智能体自主协作开展端到端后训练的可行性，展示了算法调优与模型合并在全自动流程中的实际效果。
研究团队推出开源一体化平台 MAI-Gym，统一了移动端、电脑和 Web 环境下的 GUI Agent 评测、数据收集与在线强化学习训练。该平台最高支持 20,000 个并行环境实例，并支持自动合成可重置的模拟应用与跨应用任务验证。
推荐理由：原文展示了通过可重置的模拟应用合成任务进行在线强化学习并直接迁移至实体手机操作，为低成本构建真实图形界面智能体提供了可行路径。
研究表明基于可验证奖励强化学习（RLVR）报告的跨领域得分提升很大程度源于答案格式而非解题能力。在 4 组 7B SimpleRL 模型上，公开答案抽取器报告的域外多选题涨幅有 82% 在能兼顾正文答案的新抽取器下消失，本质是强化学习使模型学会把答案放进 `\boxed{}` 框内。
推荐理由：论文揭示了强化学习评测中答案抽取器造成的格式假象，为检验模型真实跨领域泛化能力提供了直接的复核方法。
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。
OpenAI 公开包含两篇挂谷猜想在内的 722 篇数学手稿，声称证明了三维挂谷极大函数猜想并将四维挂谷集维数推至满维 4。这两篇共 272 页的手稿继承了王虹等数学家的先导成果，主要利用二次多项式跨尺度追踪等工具展开推导，但未经同行评审且未完成 Lean 形式化验证。
推荐理由：材料梳理了相关数学成果从三维推进至四维的演进脉络，有助于读者理解前沿分析难题与学术界对机器证明的争议反应。
OpenAI 集中发布了 700 多篇手稿，声称在数学、理论物理和计算机科学的 372 个未决问题上取得了证明或实质进展。《科学美国人》梳理指出，成果包括推进准黎曼猜想、解决四维挂谷猜想，以及将矩阵乘法复杂度指数降至 2.25。尽管部分成果被学界评价极高，但许多证明尚未经 Lean 形式化验证，部分内容已被撤回，且官方未公开完整提示词与运行细节。
推荐理由：原文汇总了外部学者对多项证明的核验反馈，读者可以借此了解 AI 在理论数学和算法前沿的具体突破与现存争议。
10月6日，OpenAI 在 GitHub 一次性公开了完全由 AI 生成的 700 余篇数学预印本论文，覆盖抽象代数、量子算法与微分几何等领域。论文涉及霍奇猜想和黎曼假设等千禧年难题的相关方向，宣称攻克了部分百年历史难题，但未包含千禧年难题的完整解答。
推荐理由：AI生成的大规模数学论文未经人类逐一核验即公开，展示了AI介入前沿基础科研对传统学术研究节奏带来的冲击。
Google Research 联合 NBER 对 133 名专利律师开展为期 3 个月的现场实验，探讨 AI 辅助如何影响短期产出与长期专业技能成长。实验显示，AI 工具显著提高了专利起草任务的得分与撰写速度，但当脱离 AI 独立进行合同批注纠错时，仅资深律师的能力提升了 0.45 个标准差，初级律师则未出现明显技能增长且分数两极分化。
推荐理由：该研究通过三个月的对照实验对比了有无工具下的技能留存，为评估 AI 对新手成长与专业判断力的真实影响提供了实证参考。
OpenAI 公开了一个未发布内部模型产出的 722 篇数学手稿，涵盖 372 组研究结果，并将论文、源码与部分 Lean 证明上传至 GitHub 仓库。研究课题涉及准黎曼猜想、霍奇猜想、BSD 猜想等多个数学方向，官方称平均每项结果消耗的算力约相当于 ChatGPT Pro 思考 3 小时。
推荐理由：原文梳理了手稿涉及的重大数学猜想与算力消耗，有助于了解大语言模型在理论数学前沿的探索进展与核验挑战。
OpenAI 公布了一款内部前沿模型在数学公开问题上的最新研究成果。相关成果包括基于 Lean 的形式化证明以及具体研究细节，均已在 GitHub 上开源共享。
推荐理由：公开前沿模型在数学公开问题上的形式化证明，为形式化数学验证和高阶推理研究提供了可核验的参考样本。