上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型S2，通过人机协同完成三维Ghys猜想证明，北京大学董彬、刘若川团队用SHEAF框架完成全部四个主定理的Lean形式化验证。攻关中书生-S2完成7批接续推演，问题图从15个节点扩展到389个，输出上千页推导；形式化验证约5天、峰值100个智能体并行、产出约55万行Lean代码。相关论文已发布在arXiv，形式化代码在GitHub公开。
推荐理由：读者可看到人机协同攻关数学难题的完整流程，以及形式化验证如何为AI产出的证明提供严格检查。
Leash Bio 的 Ian Quigley 在 Latent Space 访谈中透露，团队把多年积累的 DNA Encoded Libraries（DEL）数据转化为数万个 lab-in-the-loop 模拟，供智能体做科学强化学习，这一想法已发展为 Minos，并同步发布完整预印本、博客和开放数据集。
星动纪元自研的世界动作模型 VPP2 登顶 RoboDojo 仿真榜单，综合平均成功率 32.26%、平均得分 39.26 分，两项指标均列第一，领先 GPT-6-Astra 的 22.48% 和 28.97 分。
MirroS 团队发布 AgentGarten，将可执行代码环境与实时神经渲染器连接，代码定义物理规则、模型生成视觉反馈，以超过 30 fps 的吞吐让智能体持续交互。
PhAI Labs 联合斯坦福、牛津、普林斯顿的研究者提出 JEPA-Anything，把标准 JEPA 的单一预测拆成四个正交因子、各由独立预测模块处理，再重组为完整世界状态，从而覆盖物理、机器人、天气、单细胞与临床等七个领域。
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长电池续航。
推荐理由：微软研究院系统测量了机器人端侧推理的瓶颈，并给出可复用的 Kubernetes 卸载方案与开源工具链。
亮源新创 9 月 21 日发布技术博客，Light-O1 将人类动作预训练规模从 37.5 亿 token 扩展到 1200 亿 token，最大规模约对应 10 万小时人类动作，数据源为互联网第三视角人类行为视频。
第三方公益机构 Robocurve 发布机器人安全基准 RoboHarm，将 GPT-6 Astra、Fable 5.1、MolmoAct2 接入同一套双机械臂机器人，测试刺伤类人生物、加热压缩气体、制造有毒烟雾等五类危险任务，每个任务重复 20 次。
腾讯混元语音团队与多所高校研究人员提出 Gander，一个可同时接收语音、图像和文本的 AI 模型，能在持续对话的同时处理后台任务。
微软研究人员提出 StudentSim，为每位学生构建数字分身，用其反馈训练 AI 导师。该系统以 Qwen3-4B-Instruct 为基座，分两阶段训练：先在全学科汇总数据上学习共性错误与修正模式，再用少量个人记录适配单个学生。
PhAI Labs 联合牛津、斯坦福、普林斯顿、港中文等团队发布技术报告 JEPA-Anything，一个面向不同领域学习预测模型的跨领域框架，各领域保留自己的观测形式与编码器，共享预测核心和统一的 latent world-state interface。
阿里达摩院联合浙大一院等医院的 DAMO RADAR 登上 Science，这是面向腹部 CT 的通用影像 AI 模型，覆盖 18 种解剖结构、146 种病，模型、代码和技术框架全部开源。
推荐理由：达摩院通用腹部影像模型登上 Science，读者可了解器官级对齐方法如何覆盖 146 种病并开源。
华为GTS AI算法团队提出NetCanvas，通过可交互视觉拓扑为Agent提供外部工作记忆，缓解纯文本模型在复杂网络排障中的拓扑失忆。在CTBench上，Agent综合通过率从30.3%提升至54.5%，双防火墙、ECMP等复杂子任务从约10%跃升至约90%，平均探查步数从159步降至113步，Token试错成本下降26%到45%。
阿里研究团队发布 Qwen-Drive 1.0，基于 2 月发布的 Qwen3.5-4B 增加鸟瞰图感知模块和 Planning Expert 规划模块，用一个模型同时完成环境空间感知、交通问答和路径规划。
Berkeley Sky Lab 与 IBM Research 将进化式内核搜索框架 K-Search 扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断CUDA经验能否复用到非NVIDIA硬件。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用含噪测量和噪声模型即可量化测量所含信息量，无需任务专用解码器。在 NeurIPS 2025 论文中，该指标在彩色摄影、射电天文、无透镜成像和显微镜四个成像域中预测了解码器性能，优化后的设计达到 SOTA 端到端方法水平，同时占用更少内存和算力。