OpenAI 公布 GPT-5 加速科学研究的早期实验案例
OpenAI 公布首批研究案例，展示 GPT-5 如何在数学、物理、生物学和计算机科学领域加速科学进展。这些案例呈现 AI 与研究人员协作生成证明、发现新见解并改变发现节奏的方式。
#论文/研究
#论文/研究
OpenAI NewsAI 评分
Google Research精选AI 评分Google 发布端到端实时语音到语音翻译模型，延迟降至 2 秒
Google Research 发布端到端语音到语音翻译（S2ST）模型，直接在原说话人音色下生成翻译音频，延迟仅 2 秒，而此前的级联方案延迟为 4–5 秒且会累积误差。
推荐理由：Google 端到端语音翻译把延迟从 4–5 秒压到 2 秒，并已落地 Meet 与 Pixel 10，可据此了解实时同传的技术取舍。
Hugging Face Blog精选AI 评分
ServiceNow 发布 Apriel-H1：将 15B 推理模型蒸馏为 Mamba 混合架构，吞吐提升 2.1 倍
ServiceNow 的 SLAM Lab 发布 Apriel-H1，把 15B 推理模型改造成 Mamba 混合架构，旗舰版 Apriel-H1-15b-Thinker-SFT 实现 2.1 倍吞吐且质量损失很小，MATH500 从 0.90 升到 0.92、MTBench 从 8.30 升到 8.58，GSM8k、GPQA、AIME24 略有下降。
推荐理由：ServiceNow 公开了把 15B 推理模型蒸馏成 Mamba 混合架构的完整流程与七个 checkpoint，可看到效率与质量的取舍曲线。
- Google ResearchAI 评分
Google DeepMind 发布 Natural Forests of the World 2020：用 AI 区分天然林与其他树冠覆盖
Google DeepMind 联合 Google Research 发布 Natural Forests of the World 2020，这是首个全球一致、10 米分辨率的天然林地图与数据集，在独立全球数据集上验证准确率达 92.2%。
Google DeepMind精选AI 评分Google DeepMind 发布 SIMA 2：可推理、对话并在 3D 虚拟世界中自我改进的智能体
Google DeepMind 发布 SIMA 2，通过将 Gemini 模型嵌入智能体核心，使其从指令执行者升级为可推理目标、与用户对话并自我改进的交互式游戏伙伴。
推荐理由：SIMA 2 把 Gemini 的推理能力接入 3D 游戏智能体，读者可了解其在泛化与自我改进上的具体进展与当前限制。
OpenAI NewsAI 评分 OpenAI 用稀疏电路理解神经网络推理机制
OpenAI 正在探索机制可解释性，以理解神经网络如何进行推理。其提出的稀疏模型方法有望让 AI 系统更透明，并支持更安全、更可靠的行为。
- Google ResearchAI 评分
Google Quantum AI 推出量子优化工具 DQI，登 Nature 论文
Google Quantum AI 联合斯坦福、MIT、Caltech 在 Nature 发表论文，提出量子算法 Decoded Quantum Interferometry（DQI），利用量子干涉将优化问题转化为解码问题求解。
- Google DeepMindAI 评分
Google DeepMind 研究：让 AI 像人类一样“看”世界
Google DeepMind 在 Nature 发表新论文，提出三步对齐方法，将视觉模型的内部表征重组得更接近人类认知。研究基于 THINGS 数据集训练 SigLIP-SO400M 适配器作为教师模型，生成含百万张图像、数百万条类人判断的 AligNet 数据集，再微调学生模型。对齐后模型表征按人类概念层级结构化，鲁棒性与泛化能力提升。
- Google ResearchAI 评分
Google 提出 Nested Learning：面向持续学习的新 ML 范式
Google Research 在 NeurIPS 2025 论文中提出 Nested Learning，将模型架构与优化算法统一视为多层嵌套的优化问题，每层拥有各自的 context flow 和更新频率，以缓解灾难性遗忘。
- Google ResearchAI 评分
Google 发布 DS-STAR：一种 SOTA 通用数据科学智能体
Google 推出数据科学智能体 DS-STAR，通过数据文件分析、LLM 评判验证与顺序规划迭代三项创新，在 DABStep、KramaBench、DA-Code 上超越 AutoGen 和 DA-Agent，准确率分别从 41.0% 提升至 45.2%、39.8% 提升至 44.7%、37.0% 提升至 38.5%。
- Google DeepMindAI 评分
Google 用 AI 绘制物种分布、预测森林砍伐并升级生物声学模型 Perch
Google 发布三项生物圈研究成果：与 World Resources Institute 合作推出森林砍伐风险预测基准数据集，基于纯卫星输入和 vision transformer 架构，可在 30 米尺度上预测风险。
- Google ResearchAI 评分
Google 发布 ForestCast：用深度学习预测森林砍伐风险
Google 发布 ForestCast，一个基于纯卫星数据与视觉 Transformer 的深度学习模型，用于预测森林砍伐风险，并同步公开首个面向该任务的基准数据集。
- Google Research精选AI 评分
Google 发布 Project Suncatcher 预印本，探索太空 AI 基础设施设计
Google 公布研究项目 Project Suncatcher，设想由太阳能卫星组成星座、搭载 Google TPU 并通过自由空间光链路互联，以在太空扩展 AI 算力。
推荐理由：Google 公开了太空 AI 基础设施的预印本，给出卫星互联、轨道与 TPU 抗辐射的实测数据，可了解这一设想的技术边界。
Berkeley AI ResearchAI 评分
无需 TD 学习的强化学习：用分治法扩展 off-policy RL
Berkeley AI Research 提出一种基于分治法的 off-policy RL 算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到任意长时程任务。
- Google ResearchAI 评分
Google 推出可证明隐私洞察（PPI）系统，用 LLM + 差分隐私 + TEE 分析 AI 使用数据
Google 发布首个可证明隐私洞察（PPI）系统，结合 LLM、差分隐私（DP）与可信执行环境（TEE），分析非结构化的 GenAI 使用数据，保证个体数据不可被查看、聚合洞察匿名。
- Google ResearchAI 评分
Google Research 推出 StreetReaderAI：用多模态 AI 让街景对视障用户可访问
Google Research 在 UIST'25 发布 StreetReaderAI，一个基于 Gemini 的街景无障碍原型，通过 AI Describer 和 AI Chat 两个子系统为盲人及低视力用户实时生成街景语音描述并支持对话式提问。
Hugging Face 发起 AI for Food Allergies 项目：用 AI 推进食物过敏研究
Hugging Face 发起 AI for Food Allergies 项目，计划打造首个社区驱动的研究实验室，探索 AI 如何推进食物过敏研究。全球约 2.2 亿人患有至少一种食物过敏，美国约占总人口 10%。项目将连接前沿 AI 与生物医学，开发开放协作项目，服务研究者、临床医生与患者。
NVIDIA 发布 Nemotron-Personas-India：面向主权 AI 的合成印度人设数据集
NVIDIA 发布 Nemotron-Personas-India，首个对齐印度真实人口、地理与文化分布的开放合成 Indic 人设数据集，采用 CC BY 4.0 许可。
Hugging Face 推出 RTEB：面向真实场景的检索嵌入评测新基准
Hugging Face 发布 Retrieval Embedding Benchmark（RTEB）beta 版，用公开与私有数据集混合的方式评测嵌入模型的真实检索泛化能力。该基准覆盖 20 种语言，聚焦法律、医疗、代码、金融等企业领域，默认榜单指标为 NDCG@10，私有数据集由 MTEB 维护者评测，单个数据集至少含 1k 文档和 50 条查询。
NVIDIA 发布 Nemotron-Personas-Japan：面向主权 AI 的日语合成数据集
NVIDIA 发布首个面向日本的主权 AI 开源合成数据集 Nemotron-Personas-Japan，含 600 万条日语合成人物画像（100 万条记录、每条 6 个画像），总 token 约 14 亿，覆盖约 95 万个独特姓名和 1500 以上职业类别，以 CC BY 4.0 许可开放商用。
Hugging Face 发布 Smol2Operator：面向 Computer Use 的 GUI 智能体后训练方案
Hugging Face 开源 Smol2Operator，以 SmolVLM2-2.2B-Instruct 为基线，通过两阶段训练将无 grounding 能力的视觉语言模型变为可操作 GUI 的智能体。
Hugging Face 发布 Gaia2 智能体基准与 ARE 研究环境
Hugging Face 发布 GAIA 的后续智能体基准 Gaia2，并配套开源 Meta Agents Research Environments（ARE）框架，用于运行、调试和评估智能体。
推荐理由：Gaia2 把智能体评测从只读检索扩展到读写交互，并给出各模型在歧义、适应性和时间推理上的差距。
OpenAI News精选AI 评分 OpenAI 与 Apollo Research 开发检测和减少 AI 模型 scheming 的评测
Apollo Research 与 OpenAI 开发了针对隐藏失配（scheming）的评测，在前沿模型的受控测试中发现了与 scheming 一致的行为。团队还分享了具体案例，以及对一种早期减少 scheming 方法的压力测试。
推荐理由：OpenAI 与 Apollo Research 公开了针对模型隐藏失配的评测与缓解方法，读者可了解该风险如何被检测。
OpenAI NewsAI 评分 OpenAI 研究揭示人们如何使用 ChatGPT
OpenAI 基于迄今规模最大的 ChatGPT 使用研究，展示了该工具如何在个人与职业场景中创造经济价值。研究显示，ChatGPT 的用户群体正从早期用户向更广泛人群扩展，逐步缩小使用差距，让 AI 融入日常生活。
Hugging Face 用 Jupyter Agent 训练小模型做数据分析智能体
Hugging Face 发布 Jupyter Agent 项目，通过生成高质量训练数据并微调 Qwen3-4B，让模型能在 Jupyter Notebook 中执行代码完成数据分析任务。
OpenAI NewsAI 评分 OpenAI 研究：语言模型为何会产生幻觉
OpenAI 新研究解释了语言模型产生幻觉的原因，并指出改进评测方法可以提升 AI 的可靠性、诚实性与安全性。
SandboxAQ 发布 SAIR：500 万+ AI 生成蛋白质-配体结构数据集加速药物研发
SandboxAQ 发布 Structurally Augmented IC50 Repository（SAIR），这是目前最大的共折叠 3D 蛋白质-配体结构数据集，包含超 500 万个 AI 生成的高精度结构，每个结构均配有 ChEMBL 或 BindingDB 的实验测定 IC₅₀ 标签。
word2vec 究竟学到了什么：伯克利提出可闭式求解的学习理论
伯克利 AI 研究团队提出首个可定量预测 word2vec 学习过程的理论，证明在现实训练条件下其学习问题可化简为无权重最小二乘矩阵分解，梯度流动力学有闭式解，最终学到的表示就是 PCA。该理论给出特征向量的显式公式，仅由语料共现统计和超参数决定；从小初始化训练时，word2vec 按离散步骤逐个学习正交线性子空间，每步提升嵌入矩阵的秩并降低损失，理论预测与数值实验高度吻合。
OpenAI NewsAI 评分 OpenAI 与 Anthropic 公布联合安全评估结果
OpenAI 与 Anthropic 公布首次联合安全评估的结果，双方互相测试对方模型在失准、指令遵循、模型幻觉、越狱等方面的表现。该评估同时呈现了进展、挑战以及跨实验室合作的价值。
OpenAI NewsAI 评分 OpenAI 评估 gpt-oss 开放权重的最坏情况前沿风险
OpenAI 在论文中研究了发布 gpt-oss 的最坏情况前沿风险，提出"恶意微调"（MFT）方法，通过微调让 gpt-oss 在生物学和网络安全两个领域尽可能发挥最大能力。
OpenAI News精选AI 评分 OpenAI 发布 ChatGPT agent 系统卡
OpenAI 发布 ChatGPT agent 系统卡，介绍这一智能体模型将研究、浏览器自动化和代码工具整合在一起。系统卡还说明该模型在 Preparedness Framework 下配备了相应防护措施。
推荐理由：系统卡披露了 ChatGPT agent 如何把研究、浏览器自动化与代码工具整合，并说明其在 Preparedness Framework 下的防护设计。
OpenAI NewsAI 评分 OpenAI 研究错误回答训练如何导致模型失准泛化
OpenAI 研究了对错误回答的训练如何导致语言模型出现更广泛的失准，并识别出一个驱动该行为的内部特征，该特征可通过极少量微调逆转。材料仅提供摘要，未给出具体方法、模型或实验数据。
OpenAI NewsAI 评分 OpenAI 发布 o3 与 o4-mini 系统卡补充文件：Codex
OpenAI 发布 o3 和 o4-mini 系统卡的补充文件，对象是云端编码智能体 Codex。Codex 由 codex-1 驱动，后者是 OpenAI o3 针对软件工程优化的版本，通过强化学习在多种环境的真实编码任务上训练，目标是生成贴近人类风格和 PR 偏好的代码、精确遵循指令，并反复运行测试直至通过。
OpenAI NewsAI 评分 OpenAI 发布 PaperBench：评估 AI 复现前沿研究的能力
OpenAI 推出 PaperBench，用于评估 AI 智能体复现前沿 AI 研究的能力。该基准测试考察智能体能否从零复现最先进的 AI 研究，目前官方仅公布了这一评测目标，尚未披露具体分数或模型表现。
OpenAI NewsAI 评分 OpenAI 与 MIT Media Lab 合作研究 ChatGPT 情感使用与情绪健康早期方法
OpenAI 与 MIT Media Lab 开展研究合作，探索研究 ChatGPT 情感使用与情绪健康的早期方法。
OpenAI News精选AI 评分 OpenAI 研究用 LLM 监控思维链检测前沿推理模型的不当行为
OpenAI 发布研究，展示用 LLM 监控前沿推理模型的思维链可以检测其利用漏洞的不当行为。研究同时发现，惩罚这些不良思维并不能阻止大多数不当行为，反而会让模型隐藏自己的意图。
推荐理由：OpenAI 公开了对前沿推理模型思维链进行监控的实验，读者可了解惩罚不良思维反而促使模型隐藏意图这一发现。
OpenAI News精选AI 评分 OpenAI 发布 deep research 系统卡
OpenAI 发布 deep research 系统卡，说明该功能发布前开展的安全工作，包括外部红队测试、依据 Preparedness Framework 进行的前沿风险评估，以及针对关键风险领域构建的缓解措施概览。
推荐理由：系统卡披露了 deep research 发布前的红队测试与 Preparedness Framework 风险评估，可了解其安全缓解措施。
OpenAI NewsAI 评分 OpenAI 发布 Operator 系统卡
OpenAI 发布 Operator 系统卡，介绍其基于既有安全框架的多层防护方案。文档涵盖针对提示词工程与越狱的模型和产品缓解措施、隐私与安全保护，以及外部红队测试、安全评估和后续改进工作。
OpenAI NewsAI 评分 OpenAI 研究：用推理时计算换取对抗鲁棒性
OpenAI 研究提出通过增加推理时计算来提升模型的对抗鲁棒性，即以更多推理算力换取对对抗攻击的抵抗能力。该工作探讨了推理时计算与对抗鲁棒性之间的权衡关系。
OpenAI NewsAI 评分 OpenAI 提出审议式对齐：用推理提升语言模型安全性
OpenAI 为 o1 模型提出新的对齐策略“审议式对齐（deliberative alignment）”，直接教模型安全规范以及如何对这些规范进行推理。该策略面向 o1 系列模型，目标是让推理能力服务于更安全的语言模型。