LitPivot：用文献动态情境化辅助形成研究想法
Hugging Face 与宾夕法尼亚大学合作开发了 LitPivot，一个围绕提案中被编辑部分组织文献、给出带原文摘录的批评与修改建议的研究构思系统。在 17 名研究者的实验室研究中，领域专家认为用 LitPivot 形成的研究想法比用文本编辑器加 AI 聊天工具的想法更有文献依据。该系统将在 UIST 2026 上展示。
#论文/研究
Hugging Face Blog
Hugging Face Blog精选 微软与 Hugging Face 开源 ThinkingBox 训练栈：用数据库校验作 RL 奖励
微软与 Hugging Face 发布 ThinkingBox-Training 训练栈，把智能体执行后数据库终态的可执行校验结果作为强化学习奖励。
研判 把数据库终态的可执行校验直接当作强化学习奖励，为有状态业务智能体提供了一条不依赖人工标注的后训练路径，并公开了数据筛选与训练栈。
Hugging Face Blog精选 Dharma-AI 提出 VocabX：专用词表使推理成本降 77%
Dharma-AI 在 Hugging Face 博客中预告即将发表的 VocabX 论文，提出按 token 成本而非出现频次重建领域专用词表，在基于 Qwen3-4B 的葡萄牙语作文评分器上将实测推理成本降低 77.0%，平均回复从 350 个 token 降至 101 个。
研判 VocabX 在保持基座模型与训练配方不变的前提下，通过按成本而非频次重建词表，把生产环境作文评分器的实测推理成本降低 77%，说明小模型在单一领域部署时词表是可独立调节的成本杠杆。
Google Research精选 Google Research 在 JAMA 子刊发表 AI 盲扫超声估算孕龄研究
Google Research 在《JAMA Network Open》发表研究，用 AI 模型解读未经超声培训的操作者采集的“盲扫”超声图像来估算孕龄。在 385 名 16–36 周孕妇的前瞻性队列中，模型平均绝对误差为 4.18 天，专家标准流程为 4.48 天；芝加哥适配后为 4.10 天，内罗毕未做本地优化为 4.27 天。
研判 研究显示，未经超声培训的操作者用便携探头做标准化盲扫、由 AI 估算孕龄，误差与专家操作接近，若在更多地区复现，可能降低基层产前筛查对专业超声医师的依赖。
Microsoft Research精选 微软研究院等证明 31 年未解的 KLS 猜想
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明 1995 年提出的 KLS 猜想，证明在 2026 年 10 月 4 日的论文版本中完成。作者称该结果给出与维度无关的固定界，此前 2026 年 7 月的最好结果仍随维度缓慢增长。同日另有团队独立发布完整证明，随后出现 Lean 4 形式化验证。
研判 KLS 猜想被证明后，此前以该猜想为前提的高维采样与随机算法结论可改为无条件成立，可能影响凸几何、概率与理论计算机科学的论证基础。
Google Research精选 Google Research 发布 VERID 框架，让 AI 智能体闭环操作湿实验室
Google Research 公布三项研究，推进 AI 智能体从计算设计走向湿实验室实验。VERID 框架基于开源 PyLabRobot 构建实验室工作单元的数字孪生，提供实时 3D 状态跟踪、虚拟预演和硬件安全检查。
研判 Google Research 把智能体从纯计算环节推进到湿实验室执行层，VERID 数字孪生与闭环适配体筛选若可复现，可能压缩分子发现的设计-测试周期。
Microsoft Research精选 Microsoft Research 发布零知识虚拟机 Magnetar
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程，并返回约 12 毫秒即可验证的证明。研究团队称，在 15 个基准程序上，其速度比同类最快的 zkVM 平均快 10 至 39 倍，安全性仅依赖 SHA-256、SHA-3 等标准哈希函数，无需椭圆曲线、格假设或可信设置。
研判 Magnetar 把零知识证明的安全假设收敛到标准哈希函数，并让 Rust、Go、C 程序无需改写即可证明执行，可能降低可验证计算的使用门槛。
Google Research精选 Google 扩展 Earth AI 地理空间推理智能体早期访问
Google 宣布扩展 Earth AI 地理空间推理智能体的实验性早期访问，覆盖 Ask Google Earth 的深度分析预览和面向开发者的 Agent-to-Agent API。
研判 Google 将 Earth AI 基础模型封装为可调用的模块化技能，并加入前置规划与独立空间工作区，试图解决通用 LLM 在行星尺度空间数据上的多步推理短板；若早期访问反馈成立，地理空间分析的门槛与耗时可能下降。
Microsoft Research Microsoft Research 提出 StudentSim 学生模拟器与评测基准
Microsoft Research 提出研究系统 StudentSim，用公开脱敏学习记录训练个性化 AI 学生模拟器，在 AI 导师接受真人测试前提供反馈。
Waymo Blog Waymo 研究：清醒驾驶员夜间致死风险仍高近4倍，道路安全需系统化方案
Waymo 发布两项同行评审研究，基于 FARS 数据重建美国50个最大城市清醒驾驶员行驶里程基准，发现剔除酒驾因素后城市平均致死碰撞率仅从每亿英里1.42起降至1.10起（降23%）。研究还显示，即使100%清醒的驾驶员，夜间致死碰撞风险仍为白天的3.1至3.9倍。另一项分析2023年FARS数据库37,654起致死案例的研究发现，仅8.2%的致死案例仅涉及纯人为行为因素。
Google Research精选 Google 研究：AI 辅助提升专利撰写，但初级律师判断力未同步提升
Google Research 公布一项为期三个月的随机对照实验：在 11 家知识产权律所的 133 名律师中，提前获得 Google Labs 专利撰写 AI 工具（现属 Gemini Notebook）的律师，撰写评分在 10 天时提高 0.34 个标准差，90 天时提高 0.38 个标准差。
研判 三个月随机对照实验显示，AI 辅助提升了专利撰写质量，但去除工具后，只有资深律师的判断力有可测提升，初级律师未获益，提示短期产出与长期能力积累可能分离。
Microsoft Research精选 微软开源 Agent Lightning v1.0：约 3500 行代码的智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练。
研判 把训练框架与部署用 harness 解耦，可减少为训练重写智能体循环的工程量，并让训练对象更接近线上部署版本；Kubernetes 原生调度则把大规模 rollout 的成本压到既有集群上。
Waymo Blog Waymo 发布自动驾驶车辆事故管理演练框架
Waymo 研究人员与事故准备专家发表论文，提出首个面向自动驾驶车辆的事故管理演练框架，改编自美国联邦应急管理署的国土安全演练与评估计划。框架覆盖规划、团队启动、响应与结构化评估各阶段，并划分形成性、教育性、总结性和确认性四类演练。该框架旨在为自动驾驶开发者、运营伙伴、急救人员与公共安全机构提供统一方法，用于设计演练和持续改进应急方案。
Microsoft Research Microsoft Research 播客：AI 评测如何暴露模型的“意外失败”
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research 播客中讨论评测如何推动 AI 系统性能边界、满足用户需求，以及模型在传统基准之外测试时出现的“意外失败”。她还分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。
Google Research Google 研究用地球 AI 地理空间基础模型辅助公共卫生预测
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，展示将位置嵌入向量直接接入现有流行病学模型。
Microsoft Research 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生Rohan Kannan开发了一套机器学习流水线，可对美国本土66,935座变电站输出30–60分钟前的空间天气风险估计。该系统结合L1太阳风观测、AE与Dst指数预报、地质电导率与电网数据，在2020–2026年评估期内检测到近80%的重大空间天气事件。研究称在用于电网实际运行前，还需与电力公司及运行数据进一步验证。