GitHub 发布了针对 AI 代码审查智能体的开源基准测试 ReviewBench，旨在提供严谨且可复现的离线评估方法。该基准包含从海量 GitHub PR 中筛选出的 219 个样本，采用多源黄金数据集和统一评分标准，支持按严重程度和类别进行细分评估。内部实践表明，该基准的离线评估结果与线上 A/B 测试表现高度一致，开发者现可提交自己的智能体参与排行榜评测。
推荐理由：该开源基准测试基于海量真实 PR 构建，能为 AI 代码审查智能体提供与线上生产环境高度一致的离线评估信号。
Science Corp 宣布了 PRIMA BCI 临床试验长达 36 个月的结果，表明该脑机接口技术能为患有地理性萎缩的盲人患者提供持久的视力恢复。
MIT 发布报告指出，AI 的普及正在减少大学生的答疑和讨论参与度，并因作弊判定问题严重削弱了师生间的信任。报告建议各课程根据学习目标制定独立的 AI 政策，并警告用 AI 智能体替代学生研究助理将破坏教育初衷。哈佛、加州大学伯克利分校及 Anthropic 等的多项研究也表明，过度依赖 AI 会导致学生考试成绩下降和高阶思维能力退化。
推荐理由：MIT 报告及多项高校研究揭示了 AI 对高等教育的负面影响，指出过度依赖 AI 会削弱师生信任并导致真实学习能力下降。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，它不检查智能体生成的句子或工具调用，而是校验其在隔离 MCP 会话后留下的后端终态与副作用，并让每个任务重复运行 20 次。
推荐理由：原文给出 507 个有状态工作流、20 次重复与终态校验的设计，读者可据此重估自家智能体评测口径。
Google 宣布下一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，并已在 Gboard 上线英语和日语下一词预测模型。新系统将客户端梯度计算转移到服务端，训练瓶颈从设备可用性转为 TEE 资源，训练时间较此前 1-2 个月显著缩短，同时访问策略发布到公开透明日志 Rekor，KMS 与数据处理二进制可从开源代码复现构建。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，读者可了解其如何让数据匿名化过程可远程验证与审计。
ServiceNow CoreAI 提出 AutoSynthData，用目标模型的失败和更强教师的成功来定位能力缺口，再生成并验证新的可执行任务用于后训练。
推荐理由：ServiceNow 公开了把模型失败转化为训练任务的合成数据流水线，并给出两个企业环境中的 Pass@1 提升数据。
Google Research 提出 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，用一个轻量附加网络在冻结基座模型上动态调整生成轨迹。
推荐理由：Google Research 把扩散模型的引导与微调统一成一个控制问题，读者可了解其灰盒与白盒两种落地方式。
Google Research 发布 AI video co-director，一个构建在 Gemini 和 Veo 之上的多智能体编排框架，用于生成连贯的多镜头长视频。
推荐理由：Google 把长视频生成拆成四个可组合框架，读者可了解多智能体如何用世界状态记忆抑制跨镜头漂移。
微软研究院对移动操作机器人工作负载做了系统测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，能提升任务成功率、支持更大模型并延长电池续航。
推荐理由：微软研究院系统测量了机器人端侧推理与卸载到边缘或云端 GPU 的差异，并给出可复用的 Kubernetes 工具链。
斯坦福计算机科学家 James Zou 团队 9 月 16 日在 Nature 描述了开源框架 Paper2Agent，输入论文及其代码、数据等补充材料后，系统自动提取核心工作流并生成经过测试、可运行的智能体工具包。
推荐理由：斯坦福团队在 Nature 描述的 Paper2Agent 把论文与代码自动转成可运行智能体，读者可了解其验证流程与失败案例。
微软研究院在 Nature 发表逆合成预测模型 RetroChimera，并开源其实现与权重（MIT 许可），同时可通过 Microsoft Foundry 访问。
推荐理由：论文披露了 RetroChimera 的双模型集成架构与专家盲测结果，读者可了解逆合成预测如何兼顾常见与罕见反应。
Google Research 发布一项研究实验，让教师借助生成式 UI（GenUI）创建贴合课程目标的互动教学模拟，并同步开放 30 多个面向中学 STEM 的英文学习互动样例库。
推荐理由：Google Research 把生成式 UI 用于教学模拟，并给出教师评分与试点入口，可观察生成界面在教育场景的落地方式。
华盛顿大学医学院的研究人员在小鼠颅骨骨髓中发现了类似淋巴结的免疫中枢，并在人类颅骨骨髓中发现了类似证据。发表在《自然》杂志上的研究表明，这些局部免疫中枢能对胶质母细胞瘤等脑癌做出快速反应。实验显示，通过头皮下凝胶靶向增强该免疫中枢的活性，可显著提升小鼠对抗肿瘤的能力，这为未来治疗多种神经系统疾病提供了新途径。
推荐理由：这项发表在《自然》杂志的研究在颅骨骨髓中发现了类似淋巴结的免疫中枢，为治疗脑肿瘤及神经系统疾病提供了全新的局部干预途径。
IBM 研究团队在 ALTK-Evolve 中新增一致性指南（consistency guidelines），用 Consistency Analyzer 对单条轨迹的每个决策点重采样（默认 k=5），找出易翻转的决策点并生成指南。
推荐理由：原文给出 Mean@k 与 Pass^k 的差距数据及一致性指南方法，读者可据此评估自家智能体的可靠性。
研究人员在《Science》发表论文指出，人类大脑在50至75岁期间会经历基因组调控和细胞组成的重大转变。研究发现，胚胎期产生的小胶质细胞在此阶段急剧减少，被具有更强炎症特征的血液免疫样细胞取代，同时维持血脑屏障的细胞群和三维基因组结构也出现衰退。这一发现表明大脑衰老是多系统的协同重塑，有助于解释年龄为何是阿尔茨海默病的最大风险因素。
推荐理由：该研究揭示了大脑衰老涉及免疫和基因组等系统的协同重塑，为阿尔茨海默病等神经退行性疾病提供了新的治疗靶点。
Google 与 HHMI Janelia 及剑桥等机构合作，在 Cell 发表完整雄性果蝇脑与中枢神经系统连接组，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算最大的脑图谱。
推荐理由：完整雄性果蝇脑连接组以 16.6 万神经元、1.25 亿突触成为迄今最大脑图谱，可与雌性图谱对照。
AI2 推出 BenchMIRT，一种在单题层面审计 LLM 基准测试的方法，基于多维 IRT 估计每道题考查的能力。研究用 100 个 LLM 在 16 个基准、超 34K 道题上的结果训练，模型在未被告知基准对应能力的情况下自行恢复出安全与通用推理两个主导维度。
推荐理由：BenchMIRT 用多维 IRT 拆解基准分数背后的能力维度，读者可据此理解现有评测混合了哪些信号。
Google Research 与 NASA JPL 合作提出 MAPL-EMIT，一个基于 Swin-S 视觉 Transformer 的深度学习框架，用于从 EMIT 高光谱辐射数据中自动检测、量化并定位全球甲烷点源。
推荐理由：论文给出 MAPL-EMIT 的检测召回率与开源数据入口，读者可了解深度学习如何用于卫星甲烷点源监测。
Google 在 Google Earth AI 下推出实验性研究能力行星预测引擎（PPE），可由自然语言查询自主完成数据发现、特征工程、模型训练与评估，把复杂行星预测模型的构建时间从数周缩短到数分钟。
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，读者可据此判断自主地理空间建模的可行边界。
Multiverse Computing 提出 Quantization-Aware Healing（QAH），把 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的恢复配方，并附9项基准对比，可据此判断4-bit部署的精度取舍。