Microsoft Research Focus 第98期：KLS 猜想获解、编码智能体上下文压缩与多语言 tokenizer
Microsoft Research Focus 第98期由 Anson Ho 主持，汇总了微软近期多项研究进展。
全部科研动态
Microsoft ResearchAI 评分5858 AWS Machine Learning BlogAI 评分5858 AWS 发布新一代 Amazon Bedrock AgentCore runtime，会话启动提速至多 15 倍
AWS 发布新一代 Amazon Bedrock AgentCore runtime，每个会话仍在独立 Firecracker MicroVM 中运行，启动速度提升至多 15 倍、算力扩展至 4 倍、运行效率提升至多 68%。
The DecoderAI 评分7272 Google 发布 Gemini 4 Hydrogen，默认思考档位在 Artificial Analysis 指数上超过更大的 Argon
Google 发布面向开发者和日常用户的通用模型 Gemini 4 Hydrogen，在 Artificial Analysis Intelligence Index 默认 high 档位得 51 分，高于 Gemini 4 Argon 的 50 分，最高 xhigh 档位可达 54 分。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流
Google DeepMind 发布 Gemini 4 Hydrogen，定位为面向日常编码与智能体工作流的快速执行模型，并同步在 Gemini API、AI Studio、Gemini app 与 Google Search 等全线上线。
推荐理由：官方给出 Hydrogen 与 3.8 Flash 的速度、基准与安全对比数据，并说明多模型编排的配额与耗时变化。
Latent SpaceAI 评分5858 ArtCraft 在 AI Engineer Code Summit 谈用 AI 复刻 Photoshop 等软件并开源
ArtCraft 创始人 Brandon Thomas 在旧金山 AI Engineer Code Summit 上介绍，公司已发布 17 个开源软件版本，包括用 Rust 从零构建的 Photoshop 替代品 PhotoCraft 和复刻 Adobe Acrobat 的 PdfCraft。
TechCrunch · AIAI 评分5858 Google 用 Gemini 4 Hydrogen 升级搜索，处理复杂问题与拼写错误
Google 发布 Gemini 4 Hydrogen 模型并接入搜索，称其比上一代快速模型 Gemini 3.8 Flash 完成任务快 2.5 倍，在 Artificial Analysis Intelligence Index 默认高思考档位上超过更强的 Gemini 4 Argon。
The Verge · AIAI 评分5050 Google 研究员用 AI 智能体“发现”玛雅遗址，实为一年前已发表成果
Google 研究员 Pietro Miotti 用 48 个 AI 智能体分析 NASA lidar 数据，声称在墨西哥发现一处未登记的玛雅遗址，但该遗址一年多前已在学术期刊上发表。考古学家批评其缺乏同行评审与文献核查，Miotti 承认非考古专业背景，并称智能体难以比对论文图像中的遗址坐标。
PLOS ONEAI 评分5050 PLOS ONE 撤回芒果苷保护铅诱导小鼠肝损伤论文
PLOS One 编辑撤回了 2013 年发表的芒果苷（Mangiferin）保护 Pb(II) 诱导小鼠肝损伤论文，原因是 Fig 6、Fig 9 和 Fig 10 存在异常重复图像。通讯作者承认部分图像相似源于图片准备错误，但表示无法提供原始数据，另有两处面板与后续其他课题组论文图像相似。作者 KS 同意撤稿，PCS 不同意。
PLOS ONEAI 评分5858 PLOS ONE 对尿路病原体快速药敏检测研究发表关注声明
PLOS ONE 编辑部对 2023 年发表的尿路病原体快速抗菌药敏检测研究发表关注声明，指出未披露的潜在利益冲突、方法学缺陷和伦理监督不清等未决问题。声明称通讯作者是 MBS 比色法发明人及相关专利发明人，且未回应方法学质疑；复测不一致结果时直接培养同一尿样，混合耐药与敏感菌群时整份样本被判为耐药。
PLOS ONEAI 评分5858 PLOS ONE 撤回氢气缓解房颤与心房纤维化论文，因图像重复与跨论文重叠
PLOS ONE 编辑撤回一篇关于氢气经 NOX4/ROS/NLRP3 与 TGF-β1/Smad2/3 通路降低 AngII 诱导心房颤动与心房纤维化易感性的论文，原因是 Fig 2G、Fig 6A 和 Fig 6B 内部存在部分及整幅面板重叠，且 Fig 5B、Fig 6C、Fig 7D 分别与参考文献 [2]、[3]、[4] 的图重复而未引用。
Latent SpaceAI 评分4242 TypeSafe AI 的 Jev 如何让工程师用 system one 模型重构软件
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 AI Engineer Code Summit 上提出，Jev 这类返回结构化选择、分数或概率的 system one 模型应直接嵌入代码，用于“自动化一切”。Glean 用 Jev 实现零样本灵活分类，无需随决策空间分类变化反复微调；UiPath 演示 Jev 对文档分块做多轮排序，数千次调用耗时不到一秒。
Latent SpaceAI 评分6262 AINews 汇总：Google 发布 Gemini Decision 1 决策模型，Fable 5.2 登顶 Agent Arena
Google 发布 Gemini Decision 1 决策模型及 Decisions API，支持闭集单次打分，最多 255 个选项、单请求 1000 个问题、256K 上下文，端到端延迟 150–250ms，输入定价 $0.10/1M tokens 且输出不计费。
Simon WillisonAI 评分4242 Anthropic IPO 路演视频披露 Claude 多芯片训练与算力倍增策略
Anthropic 在 IPO 路演视频中首次披露，Claude 的训练与推理已覆盖 AWS Trainium、Google TPU、NVIDIA GPU 和 AMD GPU 四大芯片家族。
The DecoderAI 评分4242 Helsing 推出 Clarity：用 AI 智能体为武器系统准备打击目标，称每次决策都有人署名
德国防务科技公司 Helsing 在柏林发布 Clarity，一个基于 AI 智能体的软件平台，可融合传感器数据、开源情报与报告，识别军事力量与设施并为武器系统准备目标建议。
The DecoderAI 评分7272 Google 推出 Gemini Decisions API，Gemini Decision 1 单次处理 1000 个问题
Google DeepMind 推出 Gemini Decisions API，其底层模型 Gemini Decision 1 可在单次调用中处理最多 1000 个独立问题，覆盖文本、图像、音频、视频和 PDF，直接对选项打分并返回带置信度的概率，耗时 150 到 250 毫秒。
The DecoderAI 评分7272 Anthropic 称用自家模型 Mythos 三天完成 Claude 向 AMD GPU 迁移
Anthropic 在投资者材料中称，今年首次使用 AMD GPU 时由其前沿模型 Mythos 完成移植工作，Claude 三天内在 AMD 上运行，几乎无需人工介入，模型自行编写了近 100% 的 kernel。
The Verge · AIAI 评分4242 Adobe 展示 AI 实验项目：在照片中走动、与角色对话
Adobe 在年度 Max 大会上公布多项实验性 AI 工具，包括把平面图像转为可自由移动视角的 3D 场景的 Project Sight Span、通过对话塑造角色并生成试镜片段的 Project Screen Test，以及用文字提示生成音效并在声音画布上实时调节的 Project Sound Bender。
The DecoderAI 评分5858 ChinaTalk 调查：美国数据商向中国 AI 实验室出售约 5 亿美元 RL 训练环境
ChinaTalk 调查称，Mercor、Surge AI、AfterQuery、Turing 等美国数据公司向中国 AI 实验室出售约 5 亿美元训练数据，其中包含用于编程、金融分析、办公任务的强化学习环境。
TechCrunch · AI精选AI 评分7878 PSI 用 Anthropic Fable 5.2 解决 18 年量子计算猜想，并探索 AI 科研商业化
初创实验室 Physical Superintelligence（PSI）的技术人员 David Turturean 借助 Anthropic Fable 5.2 的早期访问权限，解决了悬置 18 年的 Aaronson-Ambainis 猜想，该猜想涉及量子计算机能否比经典计算机更快求解问题。
推荐理由：报道呈现了 AI 辅助证明在量子计算领域的一次具体进展，以及围绕验证与发表规范的讨论。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 面向开发者、企业和科研人员开放 Gemini 4 Carbon，主打长程智能体工作流、网络安全与科学推理。
推荐理由：官方披露了 Carbon 在多个第三方基准上的排名、成本对比与安全红队数据，可据此判断其能力边界。
NVIDIA Blog精选AI 评分6060 NVIDIA 将 OpenShell 捐给 CNCF，并发布 DSX AI Factory 平台新组件
NVIDIA 在 KubeCon + CloudNativeCon 上把用于保障和治理自主智能体的开源运行时 NVIDIA OpenShell 捐给 CNCF，作为 Sandbox 项目接受社区治理，同时参与 Google 主导的 Agent Substrate 框架。
推荐理由：NVIDIA 把智能体安全运行时 OpenShell 捐给 CNCF，并给出 Snapshot 在推理启动上的实测数字，可据此判断这套 Kubernetes 侧基础设施是否值得跟进。
The Verge · AIAI 评分7575 Google 向公众开放 Gemini 4 Carbon，并在 Antigravity 预览 agent swarm 功能
Google 将 Gemini 4 Carbon 从面向少数网络安全防御者的定向发布扩展至公众，称其为目前最强模型，在复杂多步编程和开放式科研等任务上超越上月发布的 Argon。
Ars Technica · AIAI 评分6969 DeepMind 发布 Gemini Robotics 2.5 与开源安全基准 ASIMOV-jailbreak
Google DeepMind 发布 Gemini Robotics 平台 2.5 版本，称其在需要高灵巧度的任务上明显提升，并在 200 多项活动中完成评测，涵盖用夹子分餐、实验室移液等操作。
Latent Space精选AI 评分8585 Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，重夺 LLM 榜首
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，在 Artificial Analysis Intelligence Index v5 上以 65 分重回第一，超过 Gemini 4 Carbon 的 60 分和 Opus 5.5 的 59 分。
推荐理由：汇总了 Fable 5.2 在多个独立榜单上的成绩与每任务成本变化，便于判断其相对 Opus 5.5 的实际取舍。
Ars Technica · AIAI 评分5858 Claude Code 设置文件在 GitHub 上泄露数千条密钥
Apiiro 的 AI 安全研究人员发现，Claude Code 的设置文件在 GitHub 公开仓库中泄露了数千条敏感信息，包括数据库密码、API token 和 root 登录凭据。
NVIDIA Blog精选AI 评分8080 NVIDIA 在 CoRL 发布 GR00T 2 世界动作模型与 Isaac Lab 3.0
NVIDIA 在 CoRL 上发布开源世界动作模型 GR00T 2、仿真框架 Isaac Lab 3.0 及配套基准与智能体工作流。GR00T 2 基于 Cosmos 训练，使用 10 万小时人类第一视角数据，在 50 个任务上每任务仅一次演示即达 71% 平均成功率，五次演示升至 95%，50 个评测任务中有 40 个无需任务专属演示即可完成。
推荐理由：NVIDIA 在 CoRL 集中发布 GR00T 2 与 Isaac Lab 3.0，并给出吞吐与成功率数字，可据此判断仿真训练路线的进展。
NVIDIA BlogAI 评分4242 NVIDIA 助力韩国各行业推进物理 AI 落地
NVIDIA 正帮助韩国产业界把物理 AI 从开发推向实际生产，覆盖半导体制造、机器人与自动驾驶。三星电子用 NVIDIA cuISS、cuDSS、cuEST 等加速材料与器件工程，其中一项 AI 均质化案例实现约 1,600 倍加速，仿真时间从 32 核 CPU 细网格约 18 小时降至 GPU 粗网格 41 秒。
Microsoft ResearchAI 评分4040 Microsoft Research Focus 第 97 期：ForkPilot、CABRA 与 TeleTune 等研究进展
Microsoft Research Focus 第 97 期由 Sowbhagya Suresh 主持，介绍微软多项最新研究。自改进框架 ForkPilot 在六个基准和主流 AI 模型上测试，效果比肩现有最佳方法，同时将 AI 处理开销降低最多 59%；CABRA 框架则用于生成编码挑战、定位编码智能体的失败原因。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Carbon，主打网络安全与长程 Agent 能力
Google DeepMind 发布 Gemini 4 Carbon，称其在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，并在 SEC-bench Pro（88.2%）、ExploitGym（54.8%）和 CWE-bench（71.0%）上取得 SOTA。
推荐理由：官方披露了 Carbon 在网络安全与长程 Agent 任务上的多项基准成绩和价格，读者可据此判断其能力边界。
Google Research精选AI 评分7474 Google Research 在 IDWeek 2026 介绍 MedGemma 等基础模型用于结核病筛查的落地进展
Google Research 在 IDWeek 2026 上介绍了其结核病筛查 AI 从研究走向临床部署的进展：与 Nexus AI 合作的胸片算法已获 CE MDR class IIb 认证和 ISO 13485 认证，在南非、塞拉利昂、科特迪瓦等六国的约 40 家医疗机构使用，90 多名临床医生已评估超过 25,000 张胸片，周转时间从数周缩短到 45 秒以内。
推荐理由：Google 团队在 IDWeek 2026 上梳理了从论文验证到 CE 认证、再到多国部署的完整路径，读者可据此了解医疗 AI 落地所需的监管与本地化环节。
Mistral AIAI 评分5858 Mistral 与 NVIDIA 合作推进工程 AI，将发布物理与智能体基准及开放数据集
Mistral 与 NVIDIA 宣布合作开发 AI 原生工程工作流，将 Mistral Large 4 与 Mistral 的数据生成、物理建模流程结合，由 NVIDIA CUDA-X 库和 NVIDIA Warp 加速，用于加快工程仿真并打通仿真、模型开发与设计之间的闭环。
Mistral AI精选AI 评分7171 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3，包含语音转写模型 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3 与实时版，以及文本转语音模型 Voxtral Mini TTS 3，并推出基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说话串成一条实时流式管线。
推荐理由：Mistral 公布语音模型与 SDK 的基准对比和每分钟定价，读者可据此判断自建语音智能体的成本与部署方式。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 谈密钥保护如何跟上代码增长速度，并推出基于 ModernBERT 的密钥检测分类器
GitHub 产品负责人 Erin Havens 用九个季度的数据说明，密钥泄露问题源于代码产出速度超过人工修复速度，而非开发者变得粗心：Q2 2024 至 Q2 2026 期间，公开 push 量增长 2.84 倍，携带凭据的 push 增长 2.59 倍，但每次 push 的密钥出现率没有可检测的趋势，开发者主动覆盖 push 拦截的比例从 6.63% 降至 3.93%。
推荐理由：GitHub 产品负责人用九个季度的数据说明密钥泄露为何随代码量增长，并介绍其与 Microsoft 合作训练的检测分类器。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览：1 万亿参数原生多模态模型
Mistral AI 推出 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，权重将在本月底发布。
推荐理由：官方给出 ML4 的参数量、多基准成绩与 RL 训练细节，可据此判断开源权重模型的当前水位。
Mistral AIAI 评分4747 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设新中心，组建专注 Physics AI 与工业 AI 的研究团队，并直接服务企业合作伙伴。该中心将与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用，并与慕尼黑工业大学（TUM）共建风洞数字孪生研究。Mistral 计划到 2030 年建成 1 吉瓦欧洲算力，其开放权重模型可在客户自有基础设施上运行。
量子位AI 评分6060 360漏洞挖掘智能体披露两项漏洞发现，称已累计挖掘近千个漏洞
360集团披露其漏洞挖掘智能体发现潜伏近5年的Windows内核提权漏洞（CVE-2026-24293）和潜伏8年的Office远程代码执行漏洞，两项漏洞影响全球超10亿用户，均已上报国家漏洞库完成修复并获微软MSRC致谢。
量子位AI 评分6767 神秘模型 HappyHorse-1.0 登顶 AI Video Arena，Elo 分数领先 Seedance 2.0 约 100 分
神秘模型 HappyHorse-1.0 在 Artificial Analysis 的 AI Video Arena 盲测榜登顶，文本转视频赛道 Elo 为 1375，领先第二名 Seedance 2.0 约 100 分，图像转视频赛道以 1409 分刷新该榜纪录，有音频赛道同样排名第一。
IEEE Security & PrivacyAI 评分4242 Bridge：检测 Linux IoT 固件中的高阶污点漏洞
中科院信息工程研究所等提出 Bridge，用于检测 Linux 物联网固件中的高阶污点漏洞。该方法针对跨多个数据流环节的污点传播路径，弥补传统污点分析难以覆盖的高阶漏洞场景。论文以预印本形式收录于 IEEE Security & Privacy。