Ai2 发布“Old Ideas, Novel Problems”研究及配套基准、数据和代码，系统检验 LLM 判断科研想法新颖性的可靠性。结果显示，提示词的微小改动即可大幅改变判断，GPT-5.4 在同样的配对任务上准确率从 93.5% 跌至 40.9%。更多检索与推理预算并未稳定提升效果，简单的 Claude Opus 4.6 提示以远低于专用评估器的成本取得更好准确率。
推荐理由：大规模对比六个 LLM 判断研究新颖性的表现，发现提示词细微改动就能让准确率波动超 50 个百分点，为依赖模型评审科研想法的人提供重要参考。
Google DeepMind 发布新一代世界模型 Genie 4，显著提升真实感与实时交互模拟，原生多模态，可与世界同步生成音乐、环境音和对话；它基于 Gemini 系列能力，由 Gemini Omni 锚定真实外观与行为，其他 Gemini 模型负责保持模拟的连贯推理。
推荐理由：官方说明了 Genie 4 与 Gemini 的分工和新增的原生音频能力，是判断世界模型进展的一手材料。
OpenAI Codex 0.165.0 新增内置 Google Cloud Vertex AI 提供方（model_provider = "gcp"），模型目录加入 GPT-6.1 Terra，会话选择器新增仓库筛选。
Liquid AI 推出新一代 LFM3，把文本、视觉、音频、全模态和决策模型放到同一个 2B 参数级骨干上，可在单张 GPU 上微调并部署到应用端；新的三混合架构让 LFM3-1.7B 每参数能力更强。
GitHub Copilot 公开预览服务器到服务器认证，安装在组织上的 GitHub App 以及基于 Copilot SDK 构建的服务和 Agent 可以代表组织发起请求。
Claude Code v2.1.312 为 Claude apps gateway 新增 oidc.user_id_claim，可用 Microsoft Entra ID 的 oid 等非 sub 声明识别用户，并在全屏模式加入点击立即发送等改进。
Ollama v0.40.12 加入 Liquid AI 新的 LFM3 小模型系列，包括 1.7B、256K 上下文的 lfm3 文本模型和支持图像理解的 lfm3-vl，面向本地 Agent、工具调用和结构化输出。
Google Research 提出 sleep framework，针对部署后 LLM 持续更新参数时的灾难性遗忘问题，探索一种让模型在持续学习中吸收新知识并保留旧能力的新方式。
Property Finder 团队发现 96.8% 的评测标签直接继承自单一模型预测而非人工核验，导致其他模型看起来都更差；文章介绍他们如何修正这种评测偏差后在 Bedrock 上做客观模型比较。
Anthropic 新论文的随机对照实验发现，50 名专业分析师使用运行 Claude Opus 4.8 的 Claude Code 完成因果推断任务时，在 86% 的分析决策上跟随了智能体被随机指定的偏好。
推荐理由：随机对照实验显示专家在86%的分析决策上跟随智能体倾向，智能体的偏好可能在不知不觉中影响研究与政策方向。
Anthropic 生命科学团队公布利用 Claude 加速药物研发的早期进展：已与 BigHat Biosciences、Bristol Myers Squibb。
推荐理由：这篇更新给出六家药企合作案例与多项实验数字，可对照评估 Claude 在真实药物研发流程中能做到什么程度。
Anthropic 宣布扩大与美国总务署（GSA）的合作，通过新协议为各级政府机构提供 Claude Enterprise、Claude for Government 和 Claude API 的 40% 折扣，覆盖联邦、州、地方、部落和领地政府。目前约 500 个美国联邦、州和地方组织在用 Claude，政府每周活跃用户自 2 月以来增长约八倍，该协议预计为政府节省 10 亿美元。
推荐理由：原文给出了折扣范围、政府用量数据和具体案例，读者可以据此评估政府市场对云厂商竞争的拉动作用。
Google 列出 Gemini 4 Argon 的 8 个实际用例，包括从一句提示写出 5000 行数学代码渲染 3D 场景、在 Gemini 应用中生成音视频互动工具，以及在 Antigravity 中编排子智能体、Blender MCP 和 Nano Banana 把桌面照片变成可玩游戏。
GitHub Copilot CLI、Copilot 应用和 VS Code 中的辅助权限功能正式可用，Copilot 请求运行命令或访问文件时会协助用户判断是否放行。
AWS 介绍智能体每次启动都要重读全部上下文的问题，以及在 Bedrock 上使用 OpenAI 模型时的提示词缓存模式，让智能体无需重复输入相同上下文。
Claude Code v2.1.311 为 self-hosted-runner 新增 --hold-idle-file 和 --max-hold-min，可在宿主报告遗留进程时保持空闲会话，并增加了 Explain 相关提示。
AWS 演示用 CDK 在托管 Amazon Bedrock Knowledge Base 上搭建企业级智能体检索，说明普通“一次检索一次生成”的 RAG 在大型资料库中为何失效。
OpenAI 公布其模型在 Kakeya 猜想、指数时间假设（ETH）和量子色动力学上的成果，并说明研究者可以如何验证和在此基础上继续研究。
推荐理由：官方一手说明三项成果及验证途径，是判断这批 AI 科研结论可信度的起点。
OpenAI 发布 Signals 数据，覆盖近 100 个国家的 165 项工作活动，展示人们如何在工作中使用 ChatGPT 以及使用方式随时间的变化。
推荐理由：一手使用数据可用来对照判断生成式 AI 在哪些工作活动中渗透最快。
微软研究员与合作者结合新的数学思路与人类主导的 AI，解决了高维几何与概率中的核心难题 Kannan-Lovász-Simonovits（KLS）猜想，该问题已悬而未决 31 年。
推荐理由：这是 AI 辅助解决长期公认核心数学难题的一手案例，且明确了人类主导的协作方式。