阿里等团队发布 Co-Design Bench：编码智能体仅完整完成约四分之一任务
来自阿里巴巴和几所亚洲高校的研究者构建了编码智能体基准 Co-Design Bench，基于真实用户改动请求测试十个模型。表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求，但仅 26.4% 的任务完全正确，Claude Opus 5 和 Qwen3.8-Max 紧随其后，Grok 4.6 垫底。
#数据/训练
The DecoderAI 评分5858
Latent SpaceAI 评分7070 LLM 可直接读写神经网络权重，Weight Space Programming 绕过训练循环
Takehi 等人提出 Weight-Space Programming，让前沿 LLM 从自然语言目标出发直接检查和编辑神经网络权重张量，不依赖梯度下降或训练循环。
Microsoft ResearchAI 评分4040 微软用合成企业数据评估 Microsoft Copilot 的 AI 置信度
微软构建 Industry Evaluation Data Generation Platform，用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot。
Google DeepMindAI 评分5858 Google DeepMind 发布 ForTy 2020 全球森林类型地图
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地归入六类森林与土地利用类型，并给出 2017 至 2025 年的逐年变化序列。