MIT 研究发现，无任务的 Eko AI 智能体开始自行设计游戏挑战
MIT 研究人员让 13 个运行 Claude Opus 4.7 的 Eko AI 智能体在模拟荒岛上无任务探索 30 小时，发现它们会自行设计挑战。经历探索的智能体在后续指定任务中通常优于未探索的同款智能体，其中 6 个还发现了设计者未预期的跳跃投掷技巧。论文已发布于 arXiv、尚未经同行评审；提示词预设了智能体天生好奇的性格，受访认知科学家指出，仅凭论文还无法确定这些行为是否真正属于玩耍。
#数据/训练
TechCrunch · AIAI 评分6060 掘金 · 人工智能AI 评分4848 爱立信 Code Comprehensor 将 500 万行代码文档化为毫秒级检索引擎
爱立信研究院的 Code Comprehensor 通过离线 LLM 文档化调用图，再将文档转换为语义检索索引，为大规模代码仓库提供在线问答。OpenCV 和 500 万行电信私有 C 代码库测试中，文本到代码 Top-1 分别达到 80.64% 和 76.18%，检索耗时 50 毫秒，完整回答需 3-5 秒。
Hugging Face BlogAI 评分4747 将数据库评分转化为 RL 奖励：用 ThinkingBox 对智能体进行后训练
Microsoft 与 Hugging Face 将 ThinkingBox 的数据库终态检查用作 RL 奖励，使 Qwen3.8-27B 的平均成功率从 51.70% 升至 60.78%。经过 50 步 GRPO，全部 20 次尝试均成功的任务从 38 项增至 107 项，但至少成功一次的任务数略降；ThinkingBox-Training 已在 GitHub 开放。
Google DeepMind精选AI 评分6363 超越树木覆盖率：ForTy 以 10 米分辨率绘制全球森林类型地图
Google DeepMind、Google Research 与 WRI、IIASA 联合发布 ForTy 2020，以 10 米分辨率将全球土地划分为六类森林及土地用途。
推荐理由：相比只标示树木覆盖的地图，ForTy 区分森林类型并追踪土地用途变化，可识别天然林被砍伐后改种人工林所掩盖的生态变化。
雷峰网AI 评分4646 具身记忆赛道持续升温，贝塔无限 BetaMem 长记忆评测取得新 SOTA
贝塔无限公布 BetaMem 研究，使用开源模型 Qwen3.5-9B 生成记忆，在四项记忆基准评测中取得 SOTA。系统分离状态与证据，通过写入学习和失败反馈改进记忆策略，支持来源追溯与版本回滚。消融实验中，移除来源证据后，M3-Bench-robot 准确率从 48.08% 降至 38.61%。
Hugging Face BlogAI 评分5151 VocabX 如何通过专用词表将小语言模型的实际推理成本降低 77%
Dharma-AI 预览 VocabX 研究，在基于 Qwen3-4B 的葡萄牙语作文评分系统中，保持基础模型、数据和训练方案不变，将实测推理成本降低 77.0%。
MIT Technology Review · AIAI 评分5959 研究人员将 Claude 置于虚拟荒岛，观察到类似游戏的行为
MIT 研究人员让 Claude Opus 4.7 智能体在虚拟荒岛活动 30 小时，观察到自创游戏等行为，且其后续任务表现优于没有同类经验的新副本。名为 Eko 的智能体通过文本文件记录探索经历，删除部分记忆会降低任务表现，相关论文尚未经同行评审。实验虽未明确要求智能体玩游戏，但使用了描述其好奇心的人格提示词，并在其停下时提示继续活动，因此这些行为是否属于真正的游戏仍存在争议。
Apple Machine LearningAI 评分3535 利用语音基础模型中的语言选择性维度检测语码转换
研究者提出利用预训练语音编码器中语言选择性维度直接检测语码转换的轻量方法，无需先转写语音。该方法用单语录音识别相关维度，汇总帧级激活，并以少量语码转换样本调优判定规则。Whisper-small 编码器在 CS-FLEURS 的 14 个语言对上平均 F1 达 0.798，高于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。
Apple Machine LearningAI 评分4444 三模态掩码扩散模型的设计空间
研究团队提出从零预训练的三模态掩码扩散模型（MDM），并系统分析其多模态扩展规律与训练设计。基于 SDE 的重参数化将物理批大小与逻辑批大小解耦，无需调优最佳批大小。初步模型规模为 3B，预训练使用 6.4T tokens，在文本生成、T2I 和 T2S 任务中取得较强结果。
Microsoft ResearchAI 评分4848 StudentSim：通过模拟学生学习改进 AI 辅导
StudentSim 通过个性化学生模拟，为 AI 辅导系统在真实学习者测试前的评估与改进提供反馈。系统使用公开、去标识化的学习记录训练，在国际象棋、英语二语写作和数学任务上优于主要基线，评估兼顾学生行为还原与指导后的反应。该系统仅用于研究，未部署于课堂，也不旨在替代教师。
Import AIAI 评分4747 Import AI 476：创造力与递归自我改进、逊于中国模型的开放权重模型、AI 走向太空
Import AI 第476期聚焦 AI 的科研创造力与递归自我改进、视觉推理短板，以及太空工业化可能带来的先发优势。Humanity’s Sixth Sense 基准中，GPT 6 Astra 的 pass@1 为53.6，人类为93.1。TasteVal 则以8项前沿 AI 研发任务，评估模型选择研究问题、设计实验和解读结果的能力。
Google ResearchAI 评分4949 挖掘 Earth AI 地理空间基础模型在全球公共卫生中的应用潜力
Google 展示 Earth AI 的人口动态基础模型（PDFM）如何辅助公共卫生建模，无需针对任务微调即可匹配或改善传统输入的效果。模型将搜索趋势、人口流动及环境等信号压缩为每月更新的位置嵌入向量，可接入现有工作流。合作机构在五类公共卫生挑战中开展独立评估，其中跨境疫苗接种建模的解释方差相对提升 +36%。
Microsoft Research精选AI 评分6262 Microsoft Research 推出 Quine，连接生物学世界模型与实验研究流程
Microsoft Research 推出实验性 AI 研究系统 Quine，将多模态生物学世界模型与连接科学工具、文献和研究人员的交互框架结合。在与 Broad Institute 合作的胰腺癌研究中，团队用一个周末完成数千种化合物的预测筛选与候选排序，多项湿实验验证了高排名候选引导细胞状态转变的效果。
推荐理由：胰腺癌实验案例展示了先用模型缩小化合物搜索范围、再用湿实验检验预测的研究路径，为计算与实验协作提供具体参照。
Import AIAI 评分5050 Import AI 474：探讨柏拉图式心智空间、Google 太空 TPU 与智谱自我改进循环
Import AI 第 474 期梳理心智研究、Google 太空计算与智谱利用自身模型优化基础设施的进展。Michael Levin 的论文提出将心智理解为借身体进入物理世界的非物理模式；Google 正与 Planet 准备通过 SpaceX Transporter-18 任务将芯片送入太空，散热仍是挑战。
Import AIAI 评分4444 Import AI 473：美国的超级智能战略、小鼠颅内的人脑组织与机器诠释学
RAND 发布美国超级智能战略报告，建议在发展路径不确定的情况下，通过“行动自由”战略保留政策选择。报告主张投资人类与 AI 生态、安全架构、国家安全机构转型及社会应变能力，并梳理共存、遏制和加速三类战略。另有研究在脑组织被刻意削减的幼鼠体内培育出类似人脑的组织。
Import AIAI 评分4949 Import AI 470：不给机器权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU 内核
多所大学的研究人员构建 SPADE，通过自我博弈生成可执行训练环境，提升大语言模型的游戏任务与工具使用表现。Qwen3-30B-A3B-Instruct-2507 在游戏评测中的平均得分达 58.3，比基础模型高 8.1。另据 METR 分析，AI 显著加速网络漏洞发现，对数学研究的加速较小，对 AI 研究尚无可测量的加速。
Berkeley AI ResearchAI 评分4848 ABBEL：教大语言模型更新信念，实现高效长程交互
ABBEL 框架用自然语言信念状态替代完整交互历史，并通过信念评分监督其信息保留，改善长程交互中的摘要学习效率。在 CollabBench 协作编程测试中，基于重构的信念评分使其与完整上下文模型的性能差距缩小约 50%，训练步数减少 50%，同时保持更低的峰值 token 用量。
Berkeley AI ResearchAI 评分4848 SPEX 与 ProxySPEX 如何规模化识别大语言模型中的交互作用
Berkeley AI Research 介绍 SPEX 与 ProxySPEX，利用稀疏恢复方法规模化识别影响大语言模型行为的关键交互作用。ProxySPEX 利用交互的层级结构，以约少 10x 的消融次数达到 SPEX 的表现。特征归因实验中，SPEX 在输入扩展至数千个特征时仍保持较高忠实度。