研究论文、技术报告、基准与数据集
NVIDIA 与 IIT Madras 的 AI4Bharat 推出 Nemotron-pretraining-Indic-v1，涵盖 22 种印度语言、约 2.8 万亿个 token，并将很快与其开放式 GPU 加速生成流程一同发布。该语料库包含全部 22 种语言的本土文字文本，以及 12 种语言的罗马化文本；这些文本由精选英文来源翻译而来，并经过质量检查和来源追溯。一个印度语系继续预训练阶段提升了五项已报告基准的成绩，但该阶段混合了合成数据与自然数据，因此这项比较无法单独确定该语料库的贡献。
推荐理由：该流程通过将翻译、质量评估、修复和文字系统转换分开，同时保留与源文档的链接，为多语言数据生成提供了一种可复用的方法。
微软研究院推出 StudentSim，这是一套研究系统，利用公开可用且已去标识化的学习者记录训练个性化学生模拟器，以评估和改进 AI 辅导工具。StudentSimEval 在国际象棋、英语作为第二语言的写作和数学领域，衡量行为保真度和对指导的响应能力；在这些领域，StudentSim 的表现均优于领先基线。在一项国际象棋辅导研究中，使用 StudentSim 反馈进行训练的准确率达到 90.5%，而不使用强化学习时为 75.7%，使用 GPT-5.4 反馈时为 71.6%；对真实学习者开展研究仍不可或缺，论文和代码均已公开。
推荐理由：同时评估模拟学习者的起始能力及其对指导的反应，为评估辅导反馈提供了一种具体方法，评估范围超越了解释本身是否正确。
10月7日，OpenAI发布了722份数学手稿，其中包括两篇关于Kakeya猜想的手稿：一篇97页的论文声称得到了比Wang和Zahl更强的三维极大函数结果，另一篇175页的论文声称解决四维Hausdorff维数情形。两篇均署名OpenAI，未经Lean形式化，也未经同行评审，且OpenAI的README称部分未形式化的结果可能存在缺陷。
推荐理由：文章梳理了两篇OpenAI手稿如何将Wang和Zahl的三维Kakeya工作扩展为更强的极大函数版本并推广至四维，同时指出这些证明缺乏同行评审。
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-改进的推理流程打造专项模型，在 IOI 2026 和 IMO 2026 均达到金牌线。
推荐理由：原文给出了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方，读者可据此复用其数据与推理流程。
OpenAI 通过博客、GitHub 仓库和推文发布了一批来自未公开内部前沿模型的数学成果，共 722 篇手稿、归入 372 个相关结果族，源自约 4000 个研究问题的评估，平均每个结果消耗约 3 小时 ChatGPT Pro 推理算力。
推荐理由：OpenAI 用内部模型批量产出数学结果，读者可据此了解这批成果的规模、算力成本与外界质疑。
Meta 表示，在 AI 模型于数学、物理、化学五项竞赛取得金牌级表现后，其让数学家通过 meta.ai 聊天界面与 Muse Spark 1.1 和 1.2 的 Thinking Mode 协作，在无定制研究脚手架的情况下求解尚无现成路径的开放问题。
推荐理由：Meta 公开六篇由数学家与 Muse Spark 协作完成的开放问题论文，并说明人机分工与评审流程。
Hugging Face 团队发布多 harness RL 指南，指出同一模型、相同权重在不同 agent harness 下得分可从 62% 降到 33%。
推荐理由：同一模型在不同 agent harness 下得分相差近一倍，这篇开源指南给出了不改 harness 的多 harness RL 训练路径与实测对比。
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 多倍，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 免费开放给学术研究使用。
推荐理由：原文给出 9 亿单核苷酸变异预测的规模与免费学术入口，读者可据此判断基因组解读资源的可用性。
Google 与 HHMI Janelia 及剑桥等机构合作，在 Cell 发表论文，发布完整雄性果蝇脑与中枢神经系统连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计最大的脑图谱。
推荐理由：Google 与 HHMI Janelia 等机构发布迄今神经元数量最多的脑图谱，读者可了解 AI 在连接组学中的具体用法。
Google Research 在 Google Earth AI 下推出实验性研究能力行星预测引擎（PPE），可依据自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，并生成报告，把原本需要数周人工数据工程的建模流程压缩到数分钟。
推荐理由：原文给出 PPE 在公共卫生、粮食安全与疫情预测上的量化提升，可了解地理空间建模自动化的实际边界。
Multiverse Computing 发布论文提出 Quantization-Aware Healing（QAH），在 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 检查点蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的修复配方，并附与 QAT 的稳定性对比数据。
IBM 研究团队发布 ALTK-Evolve 的后续研究，在 AppWorld 的 585 个多步任务上评测八款模型，发现智能体记忆不是开关而是需要按模型校准的剂量。
推荐理由：八模型横评显示智能体记忆的合适剂量随模型能力分层，并给出检索与提示词缓存两条可迁移的成本控制思路。
Google Research 提出知识画像（knowledge profiling）框架，将事实性错误区分为编码失败与召回失败，并发布包含 2,150 条 Wikipedia 事实的 WikiProfile 基准。
推荐理由：通过知识画像区分编码失败与召回失败，为理解前沿模型事实性错误来源提供了新的诊断视角。
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并落地为自主科研原型 Science One Framework 与自动审计工具 CoE Audit。
推荐理由：原文给出可验证性框架与审计指标，读者可据此比较自主科研系统在引用与代码一致性上的差异。
微软研究院提出 Echoverse，为计算机操作智能体构建 12 个训练世界，包括 10 个完整领域环境和 2 个能力环境，每个环境由应用、任务和基于数据库的验证器三部分组成。
推荐理由：微软研究院公开了 12 个计算机操作智能体训练环境与配套验证器，并给出深度环境与浅层环境对迁移效果的对比数据。
Google Research 联合 Google DeepMind 提出 SensorFM，一个直接从无标注可穿戴数据学习的大型传感器基础模型，预训练语料为 500 万同意参与者、超过一万亿分钟的多模态传感器信号，覆盖 100 多个国家、50 个美国州和 20 多款 Fitbit 与 Pixel Watch 设备。
推荐理由：原文给出预训练数据规模、缩放实验与下游任务对比，读者可据此判断可穿戴基础模型的通用性边界。
Google 宣布把基于 Gemini 的科学代码工具 Empirical Research Assistance（ERA）开放给科学家使用，相关成果已发表在 Nature。
推荐理由：Google 把 ERA 从 Nature 论文推进到可申请使用的工具，读者可据此判断 AI 写科学代码的落地边界。
Google DeepMind 的生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 辅助衰老研究，该工具扫描数万篇论文后提出 20 多个新的候选遗传因子，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。Co-Scientist 还用于分析大规模基因筛选数据，把原本需要长达六个月的数据与文献关联分析缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与耗时对比，可了解 AI 智能体参与科研假设生成的实际方式。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，把大规模训练拆成异步通信的计算孤岛，降低带宽需求并隔离硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并重新接入，用 Gemma 4 模型达到与传统方法相同的 ML 性能。
推荐理由：原文给出跨数据中心异步训练在带宽、容错和跨代硬件上的实测结果，可据此判断分布式预训练的工程取舍。
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项姊妹研究，评估 AI 乳腺筛查系统。
推荐理由：两项 Nature Cancer 研究给出了 AI 在 NHS 乳腺筛查双读流程中的检测率与工作量数据，可据此了解人机协作的实际边界。
