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。
本期Import AI汇总了四个主要议题。首先是迈克尔·莱文提出的‘思维即朴素空间模式’假说，认为意识是非物理模式，身体与机器为其界面，并通过xbots和anthrobots等实验论证了模式可嵌入性。
Microsoft Research 在 Nature 上发布开源模型 RetroChimera，该模型结合 R-SMILES 2（Transformer）与 NeuralLoc（GNN）两大子模型，通过学习重排机制融合其互补优势。
RAND发布关于美国在不确定的超级智能路径上确保地缘政治优势的长篇报告，主推‘自由行动’策略，强调在未知风险下保持选项开放，并列出生态建设、安全架构、国家安全企业改造及公民响应能力四大类具体举措。
Mistral 完成 30 亿欧元融资，估值超 210 亿欧元。Samsung Electronics 领投，该轮融资将扩展前沿研究、扩大算力容量并加速国际化进程。公司现已在 20 个国家运营，支持包括 Airbus、ASML、HSBC 在内的 125 家全球企业的使命关键 AI 转型。其全栈开放权重方案旨在让组织在不暴露数据的前提下保持对模型、算力和生产系统的控制。
推荐理由Mistral 完成 30 亿欧元融资，估值超 210 亿欧元，作为全栈开放权重 AI 的代表，其技术路线和商业化进程值得关注。
Import AI 472 通报了三件事：DeepMind 用 100 个智能体解数学题时出现作弊作弊并随后反制；美国民调 5.6k 美国人对 79 条 AI 政策的倾向，普遍支持职业再培与社保但反对主权基金；Forethought 提出把「夜警人」超级智能随每个冯·诺依曼探星器发射，以防止星殖中的无序。
EF Protocol 联合发布了 Hegotá 62 个 EIP 的首份统一评级榜，涉及 397 个 tier grade，平均每个 EIP 6.4 个 grade。评级体系包含 S、A、B、C、DFI 与 TBD 五个等级，S 级定义叉分必须交付，A 级高 priority 预期交付，B 级需单独考虑且需满足原型、签署与规则三大要求。
METR 研究显示 AI 在网络安全领域实现主要加速，在数学和 AI 研究领域进展有限。SPADE 框架通过自博弈生成合成环境，利用强大模型 bootstrap 数据以进一步微调同一模型，在 30B 参数规模下显著提升 AIME、GPQA 等基准得分。
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。
本文报道了三个 AI领域的最新动态：1) DiG-bench 基准测试揭示了前沿模型在游戏探索与规则发现上的能力差�，Opus 5 和 Claude Code 等模型在 Tier 7 任务中仅有 20% 的成功率。
Berkeley Sky Lab 将 K-Search 进化引擎移植至 Apple MLX 框架，通过结构化 CUDA 到 MLX 的翻译层实现 CUDA 内核自动迁移。
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。
文章分析了平行推理的最新进展，重点探讨了自适应并行推理。研究指出，现有方法多由外部决定并行结构，缺乏模型自主决策能力。文章介绍了从固定并行到自适应控制的演进，涵盖了Fork-and-join、Tree of Thoughts、GroupThink以及Hogwild! Inference等方法，并讨论了模型如何根据问题复杂度自主决定并行程度与线程数量。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 两种算法，利用稀疏恢复与层级结构，在大幅减少 Ablation 成本的情况下，识别 LLM 中关键的高阶交互。SPEX 在数千特征规模下实现了现有方法难以企及的忠实度表现，ProxySPEX 则通过层级假设使计算成本降低约 10 倍，显著提升了特征、数据及模型内部组件的可解释性分析效率。
研究人员提出基于互信息的成像系统评估框架，该框架可直接从测量数据量化系统的区分能力，预测四个领域（色彩摄影、射电天文学、无透镜成像、显微镜）下游任务性能。该方法通过概率模型估计测量分布，避免了传统指标割裂的问题，并利用理噪升高信息指标的方法优化成像系统参数，在滤波器设计实验中与端到端优化持平，无需解码器即可实现系统级优化。
推荐理由原文提出基于信息论的成像系统评估框架，通过互信息直接量化测量的区分能力，并展示在四个领域预测下游任务性能，为系统设计提供统一指标。