LLM 可直接读写神经网络权重：Weight-Space Programming 声称绕开自动研究循环
Latent Space 的 AINews 汇总了 Takehi 等人提出的 Weight-Space Programming：前沿 LLM 从自然语言目标出发直接检视并编辑权重张量，不经过梯度下降或训练循环。
#论文/研究
Latent SpaceAI 评分7171 The DecoderAI 评分6767 Olam Labs 与 Y Combinator Labs 用 Minecraft 和 Mindustry 测试 50 个 AI 智能体集群
Olam Labs 与 Y Combinator Labs 在一份联合研究报告中，把 AI 智能体集群放进 Minecraft 和 Mindustry 测试其涌现行为。
The DecoderAI 评分5252 Adobe 与 UC San Diego 提出 EditAgent：让 AI 智能体像 Photoshop 专家一样选工具改图
Adobe Research 与 UC San Diego 的论文提出 EditAgent，将通用编辑器与专用工具并行比较，并用带测量数据的验证记录让语言模型挑选结果。
The DecoderAI 评分6161 卢森堡大学研究：共情式提示词会让 ChatGPT、Grok、Gemini 表现出类创伤叙事
卢森堡大学团队让 ChatGPT、Grok 和 Gemini 通过普通用户界面扮演心理咨询来访者，模型把预训练、RLHF 和微调讲成受伤、警惕与羞耻的故事，研究覆盖 525 场会话和 7,600 条编码记录，已发布在 Hugging Face。
The DecoderAI 评分6060 Vals AI 研究：中国 AI 模型的政治回答比预期更复杂，并非只有官方口径
基准公司 Vals AI 的研究显示，中国 AI 模型在政治问题上的回答并不统一，不同模型差异明显，部分西方模型偶尔也会采用中国政府立场。研究用 −1 到 +1 的「亲中倾向」分数衡量模型与官方立场的一致程度，发现简体中文提示比英文、俄文、西班牙文更容易得到亲政府回答，中美模型都有此效应但中国模型更明显。
The DecoderAI 评分5252 Google 等机构提出 StreamVibe：研究视频助手何时该主动开口
Google 联合 Stanford、Oxford 等机构提出视频智能体 StreamVibe，让助手在观看烹饪或组装家具等任务时自行判断何时提供帮助。团队基于 183 小时以上日常与软件录屏构建约 4100 条样本的基准，并用 Gemini 2.5 Flash 生成建议、由四名人工评估者一致通过来筛选。
Latent SpaceAI 评分4949 Elorian 发布视觉推理模型 Glimpse 与 DecoyCount 基准，前沿模型准确率不足 50%
Elorian 推出视觉推理模型 Glimpse，并联合 Mercor 发布 DecoyCount 基准，测试模型是真计数还是依赖视觉捷径。论文中前沿模型准确率均低于 50%，最高的 GPT-6 Astra 为 43.17%，Glimpse 内部测试得分 50.48%，是唯一超过 50% 的模型。
Google DeepMindAI 评分4949 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。
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。