OpenAI 研究：ChatGPT 与批判性思维训练如何提升学生表现
OpenAI 对 1000 多名学生开展随机研究，考察 ChatGPT、批判性思维、原创性与学生在真实大学作业中的表现。研究关注学生借助 ChatGPT 与批判性思维训练能获得哪些收益。
全部智能工具动态
全部动态
今日 1 条OpenAI NewsAI 评分3434
Microsoft ResearchAI 评分4040 微软 Skala 1.1 发布：训练数据增 2.5 倍，已接入 CP2K 并推进 Psi4、FHI-aims、ORCA、VASP 集成
微软研究院发布深度学习 DFT 交换关联泛函 Skala 1.1，训练数据比首个公开版本多 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正被集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软推出持续追踪各版本计算性能的 living benchmark。
Microsoft ResearchAI 评分3939 微软研究院发布 MindTopo 基准，揭示多模态模型拓扑推理短板
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与打结五类关系，并区分静态推理与交互规划两个认知层级。测试显示，当前模型在静态识别上明显优于交互规划，且两者均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨动作序列仍不可靠。
Microsoft ResearchAI 评分4040 微软研究院发布 CARE-X：面向临床可用的放射学 VLM，融合辅助监督、奖励对齐学习与工具增强测量
微软研究院推出放射学研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、疾病存在与否定判断、病灶定位及多标签分类等任务，并支持生成式与双推理两种模式。
OpenAI News精选AI 评分5050 OpenAI 公布数学与理论计算机科学领域的十项进展
OpenAI 公布在数学与理论计算机科学若干长期未解问题上取得的新结果，涵盖几何、密码学与复杂性等方向。
推荐理由：OpenAI 公布数学与理论计算机科学中若干长期未解问题的进展，涉及几何、密码学与复杂性。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可了解跨硬件迁移优化知识的具体做法。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的摘要更新
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务上，采用基于重构的信念评分后，ABBEL 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。
OpenAI NewsAI 评分3030 OpenAI 分析指出 SWE-Bench Pro 编码评测存在可靠性问题
OpenAI 发布新分析，指出热门编码基准 SWE-Bench Pro 存在可靠性问题，引发对 AI 模型评测准确性的担忧。该分析聚焦于如何从编码评测中区分有效信号与噪声。
OpenAI NewsAI 评分2222 OpenAI 推出 GeneBench-Pro 基准
OpenAI 推出 GeneBench-Pro，一个用复杂真实数据集测试 AI 在基因组学、生物学和科研领域表现的新基准。
OpenAI NewsAI 评分2626 OpenAI 研究：AI 智能体如何改变工作方式
OpenAI 发布新研究论文，展示 AI 智能体正在改变工作方式，能够承担更长、更复杂的任务，并在多种岗位上提升生产力。
OpenAI News精选AI 评分4848 OpenAI 与 Molecule.one 用 GPT-5.4 近自主 AI 化学家改进药物合成反应
OpenAI 与 Molecule.one 展示了一个使用 GPT-5.4 的近自主 AI 化学家，改进了药物制造中的一项关键反应，推进了药物化学研究。
推荐理由：OpenAI 与 Molecule.one 用 GPT-5.4 驱动的近自主 AI 化学家改进药物合成反应，可看 AI 在实验科学中的落地方式。
OpenAI NewsAI 评分3030 OpenAI 推出 LifeSciBench：面向生命科学研究任务的专家评测基准
OpenAI 发布 LifeSciBench，一个由专家撰写并评审的基准，用于评估 AI 系统处理真实生命科学研究任务与决策的能力。该基准聚焦真实科研场景，而非通用问答。
Google DeepMind精选AI 评分6262 Google DeepMind 公布塞拉利昂 AI 教学试验结果
Google DeepMind 公布在塞拉利昂开展的预注册试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度，八周内完成。
推荐理由：塞拉利昂预注册试验给出了 AI 辅助教学的具体量化结果，也点出成绩差距这一局限。
Google DeepMind精选AI 评分5050 Google DeepMind 用 Co-Scientist 加速逆转细胞衰老的基因研究
Google DeepMind 介绍生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 加速细胞衰老研究。Co-Scientist 扫描数万篇论文后提出 20 多个新的候选基因因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。此外，原本需要长达六个月的数据分析工作被缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与验证结果，读者可据此判断 AI 辅助科研的实际落地程度。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 助力 Calico 衰老研究
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。
Google DeepMindAI 评分2828 Google DeepMind Co-Scientist 加速肝病机制发现
爱丁堡大学团队用 Google DeepMind 的 Co-Scientist 研究 MASH 肝病，系统整合肝生物学与药理学证据，锁定 NLRP3 炎症小体作为连接炎症与代谢的分子桥梁，解释 resmetirom 为何仅对少数合格患者有效。该假设经实验验证，或为靶向联合疗法铺路。
Google DeepMindAI 评分3838 Google DeepMind Co-Scientist 助力发现抗肝纤维化药物
斯坦福大学医学院 Gary Peltz 团队用 Google DeepMind 的 Co-Scientist 筛选抗肝纤维化药物，其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生，而 Peltz 自行挑选的 2 个药物均无效。表现最突出的是抗癌药 vorinostat，阻断了 91% 可驱动肝硬化的损伤反应。相关研究已发表于 Advanced Science。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗智能体研究
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗。在 98 个真实初级保健查询的盲评中，该系统 97 例无关键错误，医生更偏好其回答而非现有证据合成工具；在 20 个模拟远程问诊场景、140 项问诊技能评估中，专家医生整体表现更好，但 AI 在 68 项上达到或超过初级保健医生水平。
推荐理由：Google DeepMind 公开 AI co-clinician 研究，含 98 例零关键错误与 140 项问诊能力对比，可看医疗智能体的能力边界。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为解耦的计算岛并异步传输数据，从而隔离局部硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并自动重新接入，用 Gemma 4 模型验证其基准 ML 性能与传统训练方法持平。
推荐理由：原文给出分布式训练在带宽、故障隔离和跨代硬件上的实测结果，可据此判断大规模预训练基础设施的演进方向。
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型的更长视野梯度规划方法
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索，并重塑梯度让动作获得清晰信号、避免穿过高维视觉模型的脆弱“状态-输入”梯度。该方法针对长视野规划中计算图病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题，使长视野规划更稳健。
Google DeepMind精选AI 评分5050 Google DeepMind 发布 AI 有害操纵测量工具包与万人实验结果
Google DeepMind 发布关于 AI 有害操纵的新研究，称其为首个经实证验证、可在真实世界测量此类操纵的工具包，并公开了用同一方法开展人类受试者研究所需的全部材料。
推荐理由：Google DeepMind 公开了首个经实证验证的 AI 有害操纵测量工具包，并给出跨英、美、印三国万人级实验的关键结论。
Google DeepMindAI 评分4040 Google DeepMind 发布 AGI 认知框架，并联合 Kaggle 发起评测黑客松
Google DeepMind 发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》，提出包含感知、生成、注意力、学习、记忆、推理、元认知、执行功能、问题解决、社会认知 10 项能力的认知分类框架，并配套三阶段评估协议，用留出测试集防止数据污染、采集具人口代表性的人类基线、将 AI 表现映射到人类表现分布。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到 SPEX 的性能。
OpenAI News精选AI 评分6262 OpenAI 提出 IH-Challenge 改进前沿 LLM 指令层级
OpenAI 发布 IH-Challenge，用于训练模型优先执行可信指令，从而改进指令层级、安全可控性并增强对提示注入攻击的抵抗能力。
推荐理由：OpenAI 公开 IH-Challenge 训练方法，读者可了解前沿模型如何提升指令层级与抗提示注入能力。
OpenAI NewsAI 评分4242 OpenAI 研究：推理模型难以控制自身思维链，而这正是好事
OpenAI 提出 CoT-Control，发现推理模型难以控制自己的思维链，这反而强化了可监控性作为 AI 安全保障的价值。
OpenAI NewsAI 评分1515 GPT-5.2 Pro 助力将单负振幅扩展至引力子
一篇新预印本将单负振幅扩展至引力子，GPT-5.2 Pro 参与推导并验证了量子引力中非零的引力子树振幅。
OpenAI NewsAI 评分3636 OpenAI 公布 First Proof 数学挑战赛的 AI 证明提交
OpenAI 分享了其 AI 模型在 First Proof 数学挑战赛中的证明尝试，该挑战用于测试模型在专家级问题上的研究级推理能力。
OpenAI NewsAI 评分4040 OpenAI 与 Paradigm 推出 EVMbench，评估 AI 智能体发现与利用智能合约漏洞能力
OpenAI 与 Paradigm 推出 EVMbench，用于评估 AI 智能体检测、修补和利用高危智能合约漏洞的能力。该基准聚焦高严重性漏洞的发现、修复与攻击三个环节。
Google DeepMind精选AI 评分7171 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在数学、物理和计算机科学专业研究问题上的表现。
推荐理由：原文给出 Deep Think 在数学与理论计算机科学上的具体解题案例，读者可据此判断智能体推理在科研流程中的实际位置。
Berkeley AI ResearchAI 评分3636 伯克利 AI 研究：用信息量直接评估与优化成像系统
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化后的设计在更少内存和算力下达到与端到端方法相当的水平，相关成果发表于 NeurIPS 2025。
OpenAI NewsAI 评分4141 OpenAI 发布思维链可监控性评估框架与评测套件
OpenAI 推出面向思维链可监控性的新框架与评测套件，覆盖 24 种环境下的 13 项评估。结果显示，监控模型内部推理远比仅监控输出更有效，为 AI 系统能力提升后的可扩展控制提供了可行路径。
OpenAI NewsAI 评分3838 OpenAI 推出 FrontierScience 基准，评估 AI 科研能力
OpenAI 推出 FrontierScience 基准，用于测试 AI 在物理、化学和生物学领域的推理能力，衡量其向真实科学研究迈进的程度。
OpenAI NewsAI 评分3838 OpenAI 发布评估框架，衡量 AI 加速生物研究的能力
OpenAI 推出一个真实世界评估框架，用于衡量 AI 在湿实验室中加速生物研究的能力。该工作使用 GPT-5 优化分子克隆协议，同时探讨了 AI 辅助实验的前景与风险。
Google DeepMindAI 评分3838 Google DeepMind 与 Kaggle 推出 FACTS Benchmark Suite，系统评估大语言模型事实准确性
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共 3513 个公开样例。
Google DeepMindAI 评分3636 Google DeepMind 用 AlphaFold 改造光合作用关键酶，培育耐热作物
密歇根州立大学团队借助 AlphaFold 预测植物与嗜热藻类的甘油酸激酶（GLYK）三维结构，发现植物版 GLYK 的三个柔性环在高温下会变形失稳。研究人员用藻类 GLYK 中更刚性的环替换这些不稳定片段，构建的杂合酶中有一款在高达 65 °C 时仍保持稳定，为培育耐热作物提供了新路径。
OpenAI NewsAI 评分4040 OpenAI 如何用"confessions"让语言模型更诚实
OpenAI 研究人员正在测试一种名为"confessions"的方法，训练模型在犯错或做出不当行为时主动承认，以提升 AI 的诚实性、透明度以及人们对模型输出的信任。
Google DeepMind精选AI 评分6262 AlphaFold 助力解析心脏病关键蛋白 apoB100 结构
密苏里大学研究人员借助 AlphaFold 与冷冻电镜，解析了“坏胆固醇”低密度脂蛋白（LDL）关键蛋白 apoB100 的结构。该蛋白因体积庞大且与脂肪等分子复杂连接，50 年来一直难以绘制。
推荐理由：AlphaFold 与冷冻电镜结合解析 apoB100 结构，展示 AI 预测在结构生物学中的具体用法。
OpenAI NewsAI 评分3838 OpenAI 用稀疏电路理解神经网络
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 DeepMind精选AI 评分5252 Google DeepMind 在 Nature 发表研究：让 AI 视觉表征更接近人类
Google DeepMind 在 Nature 发表新论文，分析 AI 视觉模型与人类在组织视觉世界上的差异，并提出一种三步对齐方法。该方法先用 THINGS 数据集训练一个冻结主模型的小型适配器作为教师模型，再生成包含百万张图像、数百万条类人判断的 AligNet 数据集，最后微调其他学生模型。
推荐理由：DeepMind 在 Nature 发表视觉对齐研究，读者可了解人类与模型表征差异及三步对齐方法。
Google DeepMindAI 评分3636 Google DeepMind 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 发布森林砍伐风险预测基准数据集，基于纯卫星输入和 vision transformers 架构，可在 30 米尺度上预测 2000-2024 年森林流失风险。