行业内容

OpenAI 提出 IH-Challenge，训练前沿模型分清指令优先级

Improving instruction hierarchy in frontier LLMs

OpenAI 介绍 IH-Challenge，用来训练模型优先处理可信指令，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。

论文#openai

推荐理由：它用一套训练方法让模型优先听从可信指令，材料指向可被引导、抗提示注入这一安全目标。

OpenAI 提出 CoT-Control，测出推理模型难以自主控制思维链

Reasoning models struggle to control their chains of thought, and that’s good

OpenAI 推出 CoT-Control 方法，研究发现推理模型很难自主控制自己的思维链，材料认为这反而加强了把可监控性作为 AI 安全护栏的做法。

论文#openai

推荐理由：它给模型难以自主控制思维链这一结果赋予了安全含义，把难以隐藏想法当作可监控性的一个支撑。

新预印本把单负号振幅扩展到引力子，GPT-5.2 Pro 参与推导与验证

Extending single-minus amplitudes to gravitons

一份新预印本把单负号振幅扩展到引力子，GPT-5.2 Pro 帮助推导并验证了量子引力中非零的引力子树级振幅。

论文#openai

推荐理由：它记录一份把单负号振幅扩展到引力子的新预印本，材料说明模型如何参与推导与验证，研究向读者能看到一次具体应用。

太平洋西北国家实验室与 OpenAI 推出 DraftNEPABench，评估 AI 编码代理加速联邦审批

Pacific Northwest National Laboratory and OpenAI partner to accelerate federal permitting

OpenAI 与太平洋西北国家实验室（PNNL）推出新基准 DraftNEPABench，用来评估 AI 编码代理能否加快美国联邦审批，其结果有可能把 NEPA 起草时间最多减少约 15%，从而让基础设施审查现代化。

论文#openai

推荐理由：它把编码代理放到联邦审批起草这一具体任务上，材料给出可能节省约 15% 时间的量级，为评估代理的实际价值提供了一个参照。

OpenAI 称不再评测 SWE-bench Verified，因污染与错误测量使该基准失真

Why we no longer evaluate SWE-bench Verified

OpenAI 说明其不再评测 SWE-bench Verified，理由是这一基准日益被污染、会错误衡量前沿模型的编码进展。其分析指出存在有缺陷的测试与训练数据泄漏，并推荐使用 SWE-bench Pro。

论文#openai

推荐理由：它用测试污染与训练数据泄漏两项问题分析一个常用基准为何失真，做模型评测的人可据此调整参照。

OpenAI 公布其模型对 First Proof 数学挑战的首批证明尝试

Our First Proof submissions

OpenAI 分享其 AI 模型对 First Proof 数学挑战提交的证明尝试，用专家级问题来测试研究级的推理能力。

论文#openai

推荐理由：它公开模型对专家级数学猜想的证明尝试，把研究级推理放到一个可检验的题目集上，关注模型推理上限的读者能看到具体表现。

OpenAI 与 Paradigm 推出 EVMbench，考察 AI 代理对智能合约漏洞的检测、修补与利用

Introducing EVMbench

OpenAI 与 Paradigm 推出 EVMbench，这是一个评估 AI 代理检测、修补与利用高严重级智能合约漏洞能力的基准。

论文#openai

推荐理由：它把智能体的能力放到高严重级智能合约漏洞这一具体靶上，做合约安全的人可用它衡量检测、修补与利用三类能力。

GPT-5.2 在理论物理中提出新的胶子振幅公式，随后被正式证明与核验

GPT-5.2 derives a new result in theoretical physics

一份新预印本显示，GPT-5.2 为一个胶子振幅提出新公式，随后这一结果由 OpenAI 与学术合作者正式证明并核验。

论文#openai

推荐理由：材料给出一个模型提出、后经正式证明与核验的新结果，读者能据此判断模型在理论物理上是否已能提供原创内容。

OpenAI 开源 GABRIEL 工具包，用 GPT 把定性文本与图像转成定量数据

Scaling social science research

OpenAI 推出开源工具包 GABRIEL，用 GPT 把定性文本与图像转化为定量数据，帮助社会科学家规模化地分析研究材料。

产品#openai

推荐理由：它把定性与图像材料转成定量数据这一常见难点做成了开源工具，社会科学研究者可直接拿去规模化处理材料。

Gemini 3 Deep Think 重大升级：专攻科研、研究与工程难题，首次经 Gemini API 向研究者与企业开放

Gemini 3 Deep Think: Advancing science, research and engineering

Google DeepMind 发布 Gemini 3 Deep Think 的一次重大升级——这是其专精的推理模式，目标是把智能前沿推到能解现代科学、研究与工程难题。团队强调它是与科学家研究者密切合作磨出来的：真实研究题往往没有清晰护栏、没有唯一正确答案、数据还常常残缺不完整，因此新 Deep Think 把深厚的科学知识与日常工程实用性揉在一起，从抽象理论走向实际应用。可用性方面，Gemini app 的 Google AI Ultra 订阅用户可直接用，并首次通过 Gemini API 向部分研究者、工程师与企业以早期访问形式开放。

模型#Google

推荐理由：把这一代推理模式到底不一样在哪里、谁能用讲清楚了，实验室场景可直接据此申请。

用 Gemini Deep Think 做科研：Google DeepMind 连发两篇论文，在专家指导下求解数学、物理与计算机科学的专业级难题

Accelerating Mathematical and Scientific Discovery with Gemini Deep Think

由 Thang Luong 与 Vahab Mirrokni 署名的研究文：2025 年夏某个进阶版 Gemini Deep Think 达到 IMO 金牌水准，随后升级版在国际大学生程序设计竞赛上也取得相近成绩；此后 Deep Think 模式推向科学、工程与企业工作流，去啃更开放更复杂的问题。文中说的是近一周内团队发表两篇论文、记录一场跨学科协作——数学家、物理学家与计算机科学家一起用 Gemini Deep Think 求解专业研究问题。作者点出关键难点：研究级数学不像 IMO 题，需要广袤文献里的进阶技巧，基础模型虽有知识储备但数据稀缺会导致理解浅、出现幻觉，他们为此构建了一个数学研究智能体。

论文#Google

推荐理由：从 IMO 金牌跨到真实研究题这一段最能说明推理能力的迁移边界，值得完整读。

GPT-5 与 Ginkgo Bioworks 自动实验室结合，把无细胞蛋白合成成本降低约四成

GPT-5 lowers the cost of cell-free protein synthesis

一项结合 OpenAI 的 GPT-5 与 Ginkgo Bioworks 云端自动化的自主实验室，通过闭环实验把无细胞蛋白合成的成本降低了 40%。

论文#openai

推荐理由：它给出一项带明确量级的闭环实验结果，GPT-5 与自动化实验室配合把无细胞蛋白合成成本降低四成，读者能据此判断 AI 在实验室里的实际收益。

OpenAI 发布职场 AI 采用报告，梳理各行业与部门如何使用 ChatGPT

Inside GPT-5 for Work: How Businesses Use GPT-5

OpenAI 发布一份数据驱动的职场使用报告，讲各行业工作者如何使用 ChatGPT，覆盖采用趋势、常见任务、部门分布与工作中 AI 的未来走向。

论文#openai

OpenAI 报告指出各国先进 AI 采用差距悬殊，并推出相应新举措

How countries can end the capability overhang

OpenAI 的最新报告揭示各国在先进 AI 采用上的明显差异，并提出一批新举措，帮助各国把 AI 带来的生产率收益真正拿到手，它把这一差距称为能力盈余（capability overhang）。

论文#openai

推荐理由：它指出各国在采用先进 AI 上的显著差距，并配套提出帮助各国获取生产率收益的新举措，政策读者可据此对照。

Google DeepMind 发布 D4RT：一个统一模型搞定跨时空的 4D 场景重建与追踪

D4RT: Teaching AI to see the world in four dimensions

由 Guillaume Le Moing 与 Mehdi S. M. Sajjadi 署名：今天我们介绍 D4RT（Dynamic 4D Reconstruction and Tracking），把动态场景重建统一到单个高效模型里。文章从一个观察切入——人看世界时同时在记忆与预测：你既看见此刻的样子，也知道它上一刻如何、下一刻会怎样，脑中的模型维护着一份持续的现实表征，并据此直觉地推出过去、现在与未来的因果关系。要让机器也这样看，装摄像头只解决了输入；真正的难题是从一串扁平的 2D 投影序列还原出丰富、立体且在运动中的 3D 世界——一个复杂的逆问题。

论文#Google

推荐理由：把 4D 重建到底难在哪里讲得比一般发布稿清楚，适合作为该方向的入门引用。

Berkeley：许多成像系统的测量人根本不看(手机 raw 进算法、MRI 频域要重建、自动驾驶直接喂网络)——该用"信息量"而非分辨率来设计成像系统

Information-Driven Design of Imaging Systems

BAIR 博客：编码器(光学系统)把物体映射成无噪图像、噪声再把图像腐蚀成测量。这项工作用"只依赖含噪测量与噪声模型"的信息估计量，量化测量在多大程度上能区分物体。论点：很多成像系统的测量人类从来看不到或直接解读不了——手机把 raw 数据跑算法才成照片、MRI 采集频域测量要重建医生才能读、自动驾驶把相机与 LiDAR 数据直接进神经网络。对这类系统，重要的不是测量看起来如何，而是其中含多少可用信息；AI 能提取人无法解读形式里编码的信息，可我们很少直接评估信息含量(分辨率等传统指标之外)。属 AI 时代的成像系统设计方法论。

论文#BAIR

与 Kaggle 联手推出 FACTS Benchmark Suite：参数化、搜索与多模态三项基准，系统评估 LLM 的事实性

FACTS Benchmark Suite: Systematically evaluating the factuality of large language models

LLM 正成为各类场景下的主要信息来源，所以回答的事实准确性变得关键；要持续改善这一行业性难题，必须先弄清模型在哪些用例上答不准、并能量化那些场景的事实性表现。在既有 FACTS Grounding Benchmark 的基础上，Google DeepMind 与 Kaggle 一起推出 FACTS Benchmark Suite，新增三项基准：参数化基准衡量模型在事实性问题上准确调用自身内部知识的能力；搜索基准检验模型把搜索当工具来检索并正确综合信息的能力；以及多模态基准。

论文#Google

推荐理由：把事实性拆成内部知识、用工具与多模态三格来量，评测设计上确实更实用。

给变暖的世界种更耐热的庄稼：科学家用 AlphaFold 强化光合作用关键酶

Engineering more resilient crops for a warming climate

全球变暖带来干旱与热浪，部分主粮作物的收成正在缩水；更隐蔽的伤害发生在植物内部——高温会破坏维持其生命的分子机器。这套机器运转的核心是光合作用，植物靠细胞内一整套酶的精密编排把光变成葡萄糖，而全球升温会让这套编排失序。密歇根州立大学副教授 Berkley Walker 的工作就是让它重回节拍：他说自然界本来就藏着大量耐热的酶蓝图，我们的任务是向这些例子学习、把同样的韧性造出来——团队正用 AlphaFold 强化光合作用里至关重要的那个酶。

论文#Google

推荐理由：把气候变化、粮食与蛋白设计串在一起，是 AI for Science 落地叙事的好样本。

AlphaFold 五年：Demis Hassabis、John Jumper 等署名回顾它如何加速科学、点燃全球生物学发现浪潮

AlphaFold: Five years of impact

由 Demis Hassabis、John Jumper、Pushmeet Kohli 与 Anna Koivuniemi 代表 AlphaFold 团队署名：五年前 AlphaFold 2 解决了蛋白质结构预测问题，打开了生物研究的新路径，也是 AI 能强力推动科学的第一个重要证明点——这项工作后来获诺贝尔奖认可。文章从蛋白质讲起：它们是长链氨基酸精确折叠成三维结构的微观机器，而这个形状很大程度上决定了功能，因此知道形状对药物发现与理解疾病至关重要；一旦错误折叠，蛋白质就可能丧失功能。

论文#Google

推荐理由：五年期的一手复盘，作者阵容本身就把这条线的分量钉住了。

借 AlphaFold 看清坏胆固醇的真身：apoB100 结构被解析，或改变心脏病这一头号死因的诊治路径

Revealing a key protein behind heart disease

这是一项由 AlphaFold 支撑的突破：科学家描绘出了那个赋予坏胆固醇以形态的大型蛋白的结构。apoB100 之所以难解，不只是因为它对蛋白而言相当巨大，还因为它与脂肪及其他分子的连接方式复杂；它是坏胆固醇的分子支架。密苏里大学的助理教授 Zachary Berndsen 与 Keith Cassidy 都出身有心脏病史的家庭，对他们来说这不只是一项工作——Berndsen 说五十年来人们一直想看清这个蛋白长什么样。

论文#Google

推荐理由：把一个具体疾病的分子难题被 AI 拿下的过程讲完整，是 AlphaFold 影响力的实证。

Google DeepMind 发布 SIMA 2：接入 Gemini 后能在虚拟 3D 世界里推理、对话并自我改进

SIMA 2: An Agent that Plays, Reasons, and Learns With You in Virtual 3D Worlds

去年 SIMA（Scalable Instructable Multiworld Agent）已经能在多种虚拟环境里听懂基本指令，把语言翻译成有意义的行为。今天发布的 SIMA 2 把这个方向推了一步：它把 Gemini 的先进能力接了进来，从一个指令跟随者演化成了互动的游戏伙伴——不仅能听懂自然语言指令，还会思考自己的目标、与用户对话，并能随时间自我改进。官方称这是通向 AGI 的重要一步，对未来机器人与 AI 具身化有直接影响。

论文#Google

推荐理由：会推理、会对话、自我改进这三件事同时落地，是判断智能体进展的实质材料。

登 Nature：把模型的视觉表征重排成更像人看世界的方式，鲁棒性与可靠性随之提升

Teaching AI to see the world more like we do

视觉 AI 已无处不在——分类照片、识别没见过的花、控制汽车，但这些强大系统并不总像人那样看世界，行为也时有出人意料：比如一个能识别几百种汽车厂商与型号的系统，可能仍抓不住汽车与飞机之间的共通之处，也就是两者都是主要由金属构成的大型载具。为了厘清这类差异，团队今天在 Nature 发表论文，分析 AI 系统组织视觉世界的方式与人不同的关键之处，给出让系统更好地对齐人类知识的方法，并证明弥合这些差异能改善其鲁棒性。

论文#Google

推荐理由：一个具体的失败案例把抽象问题讲活了：认得出几百种车型，却不懂大型金属载具。

用 AI 给地球做台账：预测毁林风险、为地球物种分布制图，并更新生物声学进展

Mapping, modeling, and understanding nature with AI

生物圈是我们每天赖以生存的全部植物、动物、真菌与其他生物的总和——我们呼吸的空气、喝的水、吃的食物都由地球生态系统产出。随着土地与资源需求给这些生态系统和其中物种带来压力，AI 可以成为保护它们的变革性工具：让政府、企业与保护组织更容易采集野外数据、把数据整合成洞见、再转成行动，也能帮助制定更好的计划并跟踪执行成效。团队今天发布新的生物圈研究成果——预测毁林风险、一个绘制地球物种分布范围的新项目，以及生物声学方面的最新更新。

论文#Google

推荐理由：把 AI 用在生态保护上的三条具体线索列清楚，是该方向进展的集中更新。

Berkeley 给 RL 换范式：不用时序差分(TD)、用"分而治之"——off-policy 设定下递归分解，长时程任务照样可扩展

RL without TD learning

BAIR 博客：介绍一个基于"替代范式"的强化学习算法——分而治之(divide and conquer)，不依赖有规模化难题的时序差分(TD)学习，并能良好扩展到长时程任务。设定为 off-policy RL：on-policy(PPO/GRPO 等)每次更新后旧数据即弃；off-policy 无此限制、可复用历史。文章在此设定下给出把长任务递归切分求解的算法骨架与讨论。属训练方法研究的观点+方法贴。

论文#BAIR