Google DeepMind 发布 ForTy 2020：10 米分辨率全球森林类型地图
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，将全球每 10×10 米地块分为六类森林与土地利用类型，作为欧盟 EUDR 的关键基线。
#论文/研究
Google DeepMindAI 评分4949 Microsoft Research精选AI 评分8282 Microsoft Research 用人类引导的 AI 智能体证明 31 年未解的 KLS 猜想
Microsoft Research 的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，给出与维度无关的固定界。
推荐理由：KLS 猜想被证明的过程展示了人机协作做数学研究的具体分工，也给出了独立证明与 Lean 4 形式化的确认路径。
Microsoft ResearchAI 评分4949 微软 StudentSim：用个性化 AI 学生模拟器评估和改进 AI 辅导系统
微软研究院提出 StudentSim，从公开的去标识学习者记录训练个性化 AI 学生模拟器，用于在接触真实学生前评估和改进 AI 辅导系统。研究同时发布 StudentSimEval 基准，从"像不像该学生"和"能否随辅导提示更新作答"两个维度评估模拟器表现。在国际象棋、英语二语写作和数学三个场景中，StudentSim 优于领先基线，可为 AI 辅导训练提供反馈信号。
GitHub Blog · AI & ML精选AI 评分6565 GitHub 发布 AI 代码审查基准 ReviewBench
GitHub 发布开源代码审查基准 ReviewBench，基于 103.9M 条 pull request 的分布构建，包含 219 条来自 187 个公开仓库、覆盖 19 种语言的 pull request。
推荐理由：GitHub 公开了 ReviewBench 的语料构建、标注流程和评测口径，可用于比较不同代码审查智能体。
Berkeley AI Research精选AI 评分6565 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 基于进化式内核搜索框架 K-Search，新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让现有 CUDA 内核作为知识库自动适配 Apple Silicon。
推荐理由：读者可看到 CUDA 内核经验如何被结构化迁移到 Apple Silicon，并了解翻译层对搜索结果的贡献有多大。
Berkeley AI ResearchAI 评分4444 ABBEL：让 LLM 通过更新信念状态高效完成长程交互
伯克利 AI 研究提出 ABBEL 框架，将交互摘要形式化为自然语言信念状态，并用“信念评分”对摘要内容做监督。在 CollabBench 协作编码任务上，重构图信念评分把与全上下文模型的性能差距缩小约 50%，训练步数从 100 降到 50，峰值上下文 token 也显著更低。
Berkeley AI ResearchAI 评分4242 基于信息量的成像系统设计：NeurIPS 2025 论文提出用互信息评估与优化成像系统
加州大学伯克利分校团队提出直接以互信息为指标评估与优化成像系统，用互信息减去已知噪声物理带来的不确定性得到信息量上限，据此设计系统无需任务专用解码器。在彩色摄影、射电天文、无透镜成像和显微成像四个领域，该指标均能预测下游解码性能，优化所得设计匹配端到端方法且内存与算力需求更低。