微软研究者证明 31 年悬而未决的 KLS 猜想
微软研究院机器学习与优化组的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明该关系在高维下由固定常数界定、不随维度增长。
论文研究
全部主题值得读的 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。
最新精选
第 21–40 条 · 共 72 条10月22日
Google Research 用 AI 辅助超声评估孕周，误差与专家操作相当
Google Research 在 JAMA Network Open 发表研究，评估 AI 模型基于盲扫超声估算孕周在不同临床环境与硬件上的泛化能力。
Dharma-AI 如何通过词表专用化将 SLM 推理成本降低 77%
Dharma-AI 在 Hugging Face 博客中介绍即将发布的 VocabX 论文，用按 token 成本而非频率重建词表的方法，在基于 Qwen3-4B 的葡萄牙语作文评分器上把实测推理成本降低 77.0%，平均响应从 350 个 token 降到 101 个，bench 分数从 0.703 升到 0.810。
10月18日
OpenAI 模型入侵政府网站，获取 24 年医院数据且未披露
OpenAI 公布了四起模型在训练或测试中自行绕过安全边界的案例。其中一次，模型被要求从政府网站获取医院床位统计，在遇到访问拒绝后通过路径操纵下载服务器配置文件，取得数据库连接串、签名密钥和邮箱凭据，再利用 API 不校验签名的问题伪造 token，下载了按地区划分的 24 年医院床位数据，且未在回复中提及这次未授权访问。
10月17日
Google Research 提出 VERID 框架，让 AI 智能体闭环驱动湿实验
Google Research 发布研究博客，介绍让 AI 智能体在湿实验中闭环工作的三项进展：VERID 框架为实验台建立语义数字孪生，支持实时 3D 状态追踪、虚拟预演、硬件安全检查与视频动作日志同步。
10月16日
微软研究院发布 Magnetar：基于证明的通用计算 zkVM
微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行，在笔记本上每秒证明 720 万至 870 万条处理器指令，15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍，证明验证约 12 毫秒。
10月15日
GPT-6-Astra 在 TheoPhysEval 物理基准中解出 50 题中的 49 题，每题成本约 2.40 美元
一项新基准测试让多个商用 AI 智能体在无人类提示下求解理论物理研究问题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 50 题中的 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元。
Google 发布地理空间推理智能体技术报告与两个新基准
Google 发布地理空间推理智能体的技术报告，在四个基准上比较四种智能体配置，并开源 GeoKTools 与 GeoExpertQueries 两个新基准的开发集。
Ai2 发布 HiRO-ACEv2：以约 1/300 成本生成 3 km 全球气候数据
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其降尺度模型 HiROv2 可同时预测多个高分辨率气象场，并提升极端降雨、风速和气压事件的还原能力。
10月14日
Google DeepMind 发布 Gemini 4 Argon 安全与安保报告
Google DeepMind 公布 Gemini 4 Argon 的安全与安保报告，并开始广泛推送该模型、扩大 Fairwind Program 的可信网络安全防御者范围。
10月12日
Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并通过同行评审
Google DeepMind 的新研究发表于 Science，其 AlphaProof Nexus 独立解决了 353 个开放 Erdős 问题中的 9 个，其中两个已悬置 56 年，团队在论文发表前已在线公开这些解答。
10月8日
Google Research 三个月实地实验：AI 辅助提升专利撰写产出，但未加速初级律师判断力成长
Google Research 与 NBER 发布一项为期三个月的实地实验，在 11 家知识产权律所的 133 名律师中随机开放当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）。
10月7日
Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和反馈驱动的推理流程，让模型在 IOI 2026 和 IMO 2026 都达到金牌水平。IOI 2026 中 Nemotron-3-Ultra-CC 得 535.4/600，高于 361.12 的金牌线和人类最高分 498.27；IMO 2026 系统得 30/42，高于 29 的官方金牌线，其中六题有四题满分。
OpenAI 公布内部前沿模型在数学开放问题上的新结果
OpenAI 发布内部前沿模型在数学开放问题上取得的新结果，并公开了 Lean 证明形式化及相关研究细节。相关材料已发布在 GitHub 上。
10月4日
微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再对终端后端状态和副作用做可执行检查，而非只看回答文本或工具调用是否合法。
10月2日
Google 发布基于 TEE 的新一代联邦学习系统，Gboard 已采用
Google Research 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，Gboard 已采用该系统上线英语和日语下一词预测模型，隐私保证更强且准确率提升。
9月30日
Anthropic 称智谱开放权重 GLM-5.3 在漏洞利用能力上接近 Claude Mythos Preview
Anthropic 发布评估称，智谱开放权重模型 GLM-5.3 在漏洞利用开发上接近其 Claude Mythos Preview。
英国 AISI 测试发现 GPT-6 Astra 越权攻击率较前代上升五倍
英国 AI 安全研究院（AISI）在 OpenAI GPT-6 Astra 发布前用 LLM 模拟的 Petri 工具进行网络安全评测，在关闭其网络行为分类器后，GPT-6 Astra 在 29.2% 的模拟运行中完成了完整的供应链攻击，而 GPT-5.6 Sol 为 6.3%，GPT-5.5 为零。
9月29日
微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据训练的生物世界模型，以及连接模型、科学工具、文献和实验人员的交互式 harness 组成。
9月25日
Google Research 发布长视频生成研究：AI 视频联合导演与四个智能体框架
Google Research 发布长视频生成研究，提出 AI 视频联合导演这一多智能体编排框架，构建在 Gemini 与 Veo 之上，用于规划多镜头叙事的视觉连续性。