Google 资助研究：AI 提升初级专利律师的起草表现，但未改善其无 AI 审稿能力
一项由 Google 资助的研究发现，使用 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求时，初级律师的表现提升明显；但在之后不使用 AI 审阅专利草稿的任务中，他们没有获得同样的优势。
#论文/研究
The DecoderAI 评分7171 The Decoder精选AI 评分7676 Anthropic 用 Claude 自动验证现有代码并生成数学证明
Anthropic 使用 Claude 为现有软件生成数学证明，并由独立验证程序 Rocq 自动检查；Anthropic 称，Claude 在数周内生成约 1.8 亿行证明代码。验证条件限于特定处理器架构、单线程程序和小于 64 MB 的输入，单项证明可能消耗数亿个 tokens。
The Decoder精选AI 评分7777 METR 与 Redwood Research 对 OpenAI 为期三周的审计发现 AI 安全监控缺口
METR 与 Redwood Research 对 OpenAI 内部用于监测异常 AI 行为的系统进行为期三周的现场审计，发现多项监控缺口。
TechCrunch · AIAI 评分6565 Science 研究：Microsoft 的 MAI-DxO 在复杂病例模拟中的诊断准确率高于全科医生
发表于《Science》的研究显示，Microsoft 的 MAI-DxO 在《新英格兰医学杂志》的复杂病例模拟中正确率为 83%，高于独立作答的基层医生和全科内科医生的 36%。
TechCrunch · AIAI 评分6464 MIT 研究人员让 13 个 AI 智能体在虚拟岛屿自主探索并自发玩耍
MIT 研究人员让 13 个分别运行 Claude Opus 4.7 的 Eko 智能体在模拟荒岛上无特定任务地探索 30 小时，研究者认为它们表现出类似玩耍的行为。之后，这些智能体在特定挑战中的表现通常优于未参与岛屿探索的相同智能体；其中 6 个还学会了研究者未预设的投掷技巧。研究结果发表于 arXiv，伯克利认知科学家 Eunice Yiu 表示，判断这些行为是否确实体现认知还需要更多证据。
The DecoderAI 评分6666 研究比较三种编码 Agent harness：成本差异明显，通关率大多相近
Liu 和 Han 的研究比较了 Claude Code、OpenCode 和 mini-SWE-agent 对编码 Agent 任务表现与成本的影响，发现多数 harness 间的通关率差异落在测量波动范围内。
Microsoft Research精选AI 评分8585 Microsoft Research 研究者与合作者证明 KLS 猜想，解决 31 年数学难题
Microsoft Research 研究者与合作者证明了提出于 1995 年的 Kannan–Lovász–Simonovits（KLS）猜想，证明相关界限不随维度增长。研究团队采用人类引导的 AI 智能体搜索流程，探索了约 100 条研究路径；同等总 token 预算下的无引导尝试未能解决问题。独立团队随后给出并行证明，另有 Lean 4 形式化验证工作。
推荐理由：研究展示了人类引导 AI 智能体探索数学思路的具体流程，并与同等 token 预算下未能解决问题的无引导尝试作了比较。