我们能信任 LLM 判断研究创新性吗？
原文发布 Old Ideas, Novel Problems 研究及 novelty judge 基准。研究通过 ICLR 2026 同行评审挖掘 novelty 信号，构建 Human-Only 与 Human+Generated 两评估设置。
阅读原文 来源：Hugging Face Blog
#原创研究
Hugging Face Blog一手
Hugging Face Blog一手 LitPivot：通过文献动态上下文开发研究创意
宾夕法尼亚大学等机构研究人员开发的 LitPivot 系统通过动态上下文将研究创意与文献关联。在 17 名研究人员的实验中，领域专家评定使用 LitPivot 开发的创意比传统编辑器和 AI 工具更扎根于文献，且参与者认为其更具新颖性和实用性。该系统将创意拆解为问题、贡献和评估计划，并基于所选文献提供有据可查的修订建议，将在 UIST 2026 学术会议上展示。
阅读原文 来源：Hugging Face Blog
Microsoft Research一手精选 微软研究院：31 年来的数学难题 KLS 猜想被证明
微软研究院的研究人员与合作者结合新的数学思想与人工指导的 AI，证明了耗时 31 年的 KLS 猜想。该研究确立了 log-concave 分布的几何原理，即简单的平面切割可在固定因子内捕捉其最窄瓶颈，且与维度无关。
阅读原文 来源：Microsoft Research推荐理由研究者利用人工指导的 AI 过程证明了 KLS 猜想，确立了高维几何的几何原理，并提供了机器可验证的正式证明，这对优化、算法和统计学等领域有深远影响。
The Decoder Anthropic 几乎停止招聘初级员工，AI 代理工作时长已达人类的六倍
Anthropic 内部研究显示，自 2025 年初以来，技术部门初级岗位比例从 21% 降至 14%，新聘初级比例更跌至 9%。截至 2026 年 8 月，AI 代理的工作时长已是人类员工的 6 倍，研究部门更达 19:1。与此同时，工程师提交的代码提交量提升 5.1 倍，数据科学家查询量提升 3.1 倍，法律团队合同处理量同样提升 3.1 倍。
阅读原文 来源：The DecoderThe Decoder AI 代理在长期决策中缺乏良好品味，新基准证明了这一点
Taste‑Bench 共 502 题，评测 14 种模型，GPT‑5.6 Sol 最高 59.7 %，GPT‑5.5 59.5 %，其余模型远低于 25 % 的随机猜测。通过 Qwen3.6‑27B 进行知识蒸馏，学生模型从 30 % 提升至 47.9 %，并使 SWE‑bench Pro 的成功率从 14.6 % 提升至 33.7 %。
阅读原文 来源：The Decoder
Google Research一手 Google研究：将AI代理落地于生物实验室的基础构建
Google Research发布了一篇关于将AI代理应用于生物实验室的研究。文章介绍了VERID框架，能够实时跟踪实验室状态、进行虚拟干运行并执行硬件安全检查，从而避免物理不可行或错误的指令。作者还展示了在aptamer和蛋白质结合剂设计中的闭环实验循环，证明AI代理在几轮实验后能显著提高命中率，并通过数字孪生记录完整实验轨迹，为实验可重复性和安全性提供保障。
阅读原文 来源：Google Research
Hugging Face Blog一手精选 The Agent Said It Was Done. The Database Disagreed.
Microsoft 和 Hugging Face 联合发布 ThinkingBox 基准，用于评估 AI 代理在业务工作流中的可靠性。基准通过在 507 个 stateful 工作流中各重复运行 20 次，测量代理留下的数据库状态和副作用，而非仅依赖其生成的文本。
阅读原文 来源：Hugging Face Blog推荐理由ThinkingBox 基准揭示了 AI 代理在 507 个业务工作流中 20 次重复运行后的可靠性差异，展示了 pass@1 与 pass@20 的巨大落差，并提供可直接在 OpenEnv 上运行的基准工具。
Microsoft Research一手 Microsoft Research Asia – Singapore 一周年：推动研究、合作与人才实现现实影响
Microsoft Research Asia – Singapore 成立一周年，旨在连接微软前沿 AI 研究与新加坡顶尖大学、政府及产业生态。实验室聚焦四大支柱：下一代 AI 模型与智能体、领域专属 AI、AI 原生研究实践及人才生态。通过医疗等领域的合作，已将基础研究转化为实际应用，并持续推动 AI 在医疗、金融等领域的落地。
阅读原文 来源：Microsoft Research
Ethereum Foundation Blog一手 Ethereum 基金会发起更好代码挑战 推进基于哈希的 SNARKs 机器验证安全边界
Ethereum 基金会与 Yukon、zkSecurity 联合发起 open autoresearch challenge better.codes，目标通过公开协作推进 koalaIRS12 Reed–Solomon proximity problem 的机器验证下界至 128 bits。
阅读原文 来源：Ethereum Foundation Blog
Berkeley AI Research一手 Teaching LLMs to Update Beliefs for Efficient Long-Horizon Interaction
研究提出了ABBEL框架，通过信念状态压缩交互历史以解决LLM长程任务上下文膨胀问题。在协作代码生成任务CollabBench中，ABBEL利用重构信念评分机制可将相较全上下文模型的性能差距缩减约50%，并将训练步骤减少一半；在Combination Lock测试中，该方法展示了信念更新与行动选择相结合的有效性。
阅读原文 来源：Berkeley AI Research