StudentSim 模拟学生学习以改进 AI 辅导
Microsoft Research 的 StudentSim 系统用公开、去标识的学习记录训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 导师。在 StudentSimEval 基准上，StudentSim 在国际象棋、二语英语写作和数学中优于领先基线，并为 AI 导师训练提供有用的反馈信号。它只是研究系统，不部署于课堂，也不替代教师。
#开源生态
Microsoft ResearchAI 评分4444
Import AIAI 评分5252 Import AI 476：创造力与 RSI、落后于中国的开源权重模型与 AI 走向太空
Jack Clark 梳理了多模态视觉推理基准 HSS、研究品味 TasteVal 和开源权重模型等动态。HSS 显示最优模型得分 53.6，人类为 93.1；TasteVal 表明前沿模型研究品味每 3 个月翻倍，他据此将递归自我改进提前至 2027。Reflection 与 Mistral 分别发布开源权重模型，但基准分数低于 GLM-5.3 和 Kimi K3。
Hugging Face Blog精选AI 评分6969 Nemotron 微调后在 IOI 与 IMO 均达到金牌水平
Nemotron Labs 团队微调 Nemotron 3，在 IOI 2026 和 IMO 2026 均达到金牌水平，分别得分 535.4/600 和 30/42。
推荐理由：原文给出可复用的四步微调配方，并开放检查点与数据，为竞赛级任务的领域专业化提供了具体参照。
GitHub Blog · AI & ML精选AI 评分6464 GitHub 发布 AI 代码评审开放基准 ReviewBench
GitHub 发布 AI 代码评审开放基准 ReviewBench，其语料来自 1.039 亿个 GitHub PR 的分布，包含 19 种语言、187 个开源许可证仓库的 219 个 PR。
推荐理由：它基于 1.039 亿 GitHub PR 分布构建，公开数据集与裁判配置，并给出与 Copilot 线上实验方向一致的线下信号，便于团队用同一基准迭代评审智能体。
Hugging Face Blog精选AI 评分7373 Microsoft 与 Hugging Face 发布 ThinkingBox 智能体状态基准
Microsoft 与 Hugging Face 联合发布 ThinkingBox 智能体沙箱和 ThinkingBox-Bench 基准，依据数据库终态判定智能体任务成败。
推荐理由：该基准以数据库终态而非模型回复判定智能体成功，并给出 507 个任务重复 20 次的一致性与成本数据，可供部署时比较模型。
Google DeepMind精选AI 评分7070 Google DeepMind 推出 SynthID Bio 蛋白质水印技术
Google DeepMind 推出 SynthID Bio，一种在不影响蛋白质生物功能的前提下为 AI 生成蛋白质嵌入可验证水印的方法。针对 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 的湿实验显示，水印设计的命中率、结合亲和力和天然序列多样性与非水印版本相当。DeepMind 公开方法论文并开源代码、体外数据及权重，以支持生物安全社区协作。
推荐理由：原文给出三种靶标蛋白上水印与未水印设计的结合亲和力相当，并说明该方法可嵌入模型权重保证可检测性，为生物安全筛选提供了可执行的验证层。
Hugging Face BlogAI 评分5656 Hugging Face 推出 Open TTS Leaderboard，评估多语言 TTS 与语音克隆
Hugging Face 发布 Open TTS Leaderboard，用 WER/CER、RTFx、TTFA 和说话人相似度等客观指标评估开源多语言 TTS 与语音克隆模型。排行榜支持按语言和语音克隆切换，并设有 Listen 和 Streaming 标签页分别对比试听和评估首音频延迟；评估脚本将很快开源。
Import AIAI 评分3939 Import AI 473：美国的超级智能战略、小鼠颅骨中的人类大脑与机器诠释学
RAND 发布报告，建议美国采取“Freedom of Action”战略，在通往超级智能的不确定路径上保留选择空间，并列出了人类-AI 生态、AI 安全架构等四项要素与共存、否认、加速三族共七种策略。报告认为，由于危险临近度、共存可行性等五个不确定性未解，美国现在应投入资金保留选项。另一项研究让幼鼠长出部分类人脑组织。
Berkeley AI ResearchAI 评分4949 Berkeley AI Research：信息驱动的成像系统设计
Berkeley AI Research 团队开发了一种基于信息量的成像系统评估与优化框架，仅用噪声测量和噪声模型估计互信息。其 NeurIPS 2025 论文显示，该指标在彩色摄影、射电天文学、无透镜成像和显微镜四个领域预测了下游任务表现。按该指标优化的设计与 SOTA 端到端方法相当，但所需内存和计算更少，且无需任务专用解码器。