Microsoft Research 开发机器学习系统预测美国电网空间天气风险
Microsoft Research 的机器学习系统为美国本土 66,935 座变电站预测空间天气引发的电网风险，可提前 30–60 分钟生成地点级风险估计。系统结合太阳风观测、AE 和 Dst 指数预报，以及各站位置和地质条件，评估显示其对重大事件的检出率为 76.5%。文中展示的是代表性风暴情景下的模型输出；作者指出，系统投入电网运行前还需要结合公用事业单位和运营数据进一步验证。
#论文/研究
#论文/研究
今日 1 条Microsoft ResearchAI 评分5656
Ars Technica · AIAI 评分4040 Google 找到为 AI 设计蛋白质添加水印的方法
Google 找到为 AI 设计蛋白质添加水印的方法，旨在帮助生物安全。该方法可与一种流行的 AI 蛋白质设计工具配合使用。
Google DeepMind精选AI 评分7777 Google DeepMind 推出合成生物学水印技术 SynthID Bio
Google DeepMind 推出针对合成生物学的水印技术 SynthID Bio，可在 AI 生成的蛋白质序列与 3D 结构中嵌入不可见签名，且不破坏其实验室生物活性。该技术通过微调 AlphaFold 3 扩散网络并调整氨基酸选择实现水印嵌入，在湿实验中验证了与未加水印设计相当的结合亲和力。团队已开源相关代码、体外实验数据并公开模型权重，用于支持 DNA 合成安全筛查与数据库溯源。
推荐理由：该方案将水印机制延伸至蛋白质结构与序列生成，为合成生物学的来源溯源和生物安全筛查提供了可验证的技术路径。
Ars Technica · AIAI 评分5252 CESifo 最新研究：暂无证据表明 AI 导致应届毕业生就业显著下滑
慕尼黑 CESifo 经济学研究人员发布的工作论文指出，目前没有证据表明 AI 导致应届大学毕业生的就业或招聘出现显著且广泛的萎缩。该结论与此前斯坦福大学发现的 AI 影响行业初级岗位招聘滞后的现象相反。尽管普查数据显示企业用 AI 替代员工任务的比例与 ChatGPT Enterprise 使用量在过去 12 个月内显著增加，但整体劳动力数据尚未出现大规模替代。
OpenAI News精选AI 评分9090 OpenAI 分享纳维-斯托克斯千禧年难题的 AI 求解方案与 Lean 形式化证明
OpenAI 宣布分享一份由 AI 生成的纳维-斯托克斯（Navier–Stokes）千禧年大奖难题解决方案。该成果包含了详细的研究说明报告以及在 Lean 语言中构建的形式化证明。
推荐理由：原文给出了 AI 求解数学难题的说明与形式化证明形式，读者可据此了解形式化验证在复杂前沿研究中的结合方式。
Microsoft ResearchAI 评分4949 MindTopo揭示视觉语言模型的空间推理能力
Microsoft Research推出MindTopo基准，评估多模态大语言模型对拓扑关系的静态推理和交互规划能力。测试涵盖连续性、分离、顺序、包围和打结，结果显示模型在静态识别任务中的表现明显强于交互规划。规划失误常发生在感知之后，模型会在多步操作中丢失结构关系或提出违反环境规则的动作。
Berkeley AI ResearchAI 评分5151 K-Search 如何将数十年 CUDA 内核经验迁移到 Apple Silicon
K-Search 扩展了 MLX 后端，并用结构化 CUDA-to-MLX 转译知识优化 Apple Silicon 内核。Attention 内核达到原生 MLX Attention 的 0.97 倍速度；在 M1 Max 上，Mamba SSM 内核的 prefill 速度最高约为社区版 mlx-lm 的 20 倍，decode 表现则相近。
Berkeley AI ResearchAI 评分4747 ABBEL：训练 LLM 更新信念状态，以提升长时交互效率
ABBEL 将交互摘要建模为自然语言信念状态，并通过信念评分监督其信息内容，帮助 LLM 更高效地处理长时任务。在 CollabBench 上，ABBEL 将与 full context 模型的性能差距缩小约 50%，相比不使用信念评分的训练方案少用 50%训练步数。
Berkeley AI ResearchAI 评分4747 GRASP：面向更长时域的世界模型梯度规划
GRASP提出一种基于梯度的学习动力学规划器，让世界模型的长时域规划更实用。它通过引入虚拟状态实现跨时间并行优化、在状态迭代中加入随机性以探索，并重塑梯度，让动作获得清晰信号，同时避免穿过高维视觉模型传播脆弱的状态输入梯度。
Berkeley AI ResearchAI 评分4848 LLM 的规模化交互识别方法
SPEX（Spectral Explainer）与 ProxySPEX 可识别大语言模型中的关键交互，并支持特征、数据和模型组件归因。SPEX利用稀疏性和低阶性，通过策略性消融与解码分离影响模型行为的交互；ProxySPEX进一步利用层级性，在性能与 SPEX 相当时约减少 10x 消融次数。SPEX在上下文扩展至数千个特征时仍保持较高 faithfulness。
Berkeley AI ResearchAI 评分4747 信息驱动的成像系统设计
Berkeley AI Research提出一种基于互信息的成像系统评估与优化框架，可直接衡量测量数据区分物体的能力。其 NeurIPS 2025 论文显示，该指标能预测四类成像领域的系统表现；优化后的设计可匹配先进端到端方法，同时减少内存和计算需求，且无需针对任务设计解码器。
Berkeley AI ResearchAI 评分4343 无需 TD 学习的强化学习
研究者提出一种基于分治法（divide and conquer）的异策强化学习（off-policy RL）范式，无需依赖传统的时间差分（TD）学习。该算法将长轨迹拆分为子任务并组合价值，理论上能对数级减少 Bellman 递归次数，避免自举带来的误差累积。该范式已在目标条件强化学习（goal-conditioned RL）中实现，能有效扩展至复杂的长时域任务。
Berkeley AI ResearchAI 评分4949 word2vec 究竟学到了什么？
新理论研究证明，word2vec 的学习过程在实际条件下可简化为无权最小二乘矩阵分解，最终学到的表征等价于对特定目标矩阵执行 PCA。从小初始化训练时，模型以离散步骤序列逐步学习正交线性子空间，每步递增嵌入矩阵的秩并降低损失。该学习动力学可求出闭式解，特征直接对应由语料共现统计构成的目标矩阵特征向量。