OpenAI 与 Upwork 研究：AI 对自由职业工作的影响
OpenAI 与 Upwork 的新研究发现，自由职业市场需求正在发生变化，AI 相关项目出现新的技能组合，并获得了更大的预算和更多工时。
#论文/研究
OpenAI NewsAI 评分4242 Google DeepMind精选AI 评分8585 Google DeepMind 推出 AlphaProof Code，用 AI 智能体形式化验证 Signal 协议代码
Google DeepMind 发布 AlphaProof Code，一个多 LLM 智能体形式化验证框架，并用它数学证明了 Signal 协议实际代码的关键安全属性。
推荐理由：DeepMind 用多 LLM 智能体框架对 Signal 协议实际代码做形式化验证，四周完成过去需数年的工作，并开源验证产物。
OpenAI NewsAI 评分4040 OpenAI 推出 BioBasicsBench：衡量 AI 智能体处理日常湿实验科学的能力
OpenAI 推出 BioBasicsBench，一个包含 100 项任务的基准，用于衡量 AI 智能体解读原始实验数据和处理日常湿实验科学的能力。该基准聚焦智能体在真实实验场景中的表现，而非仅考察知识问答。
Microsoft ResearchAI 评分5858 微软研究院用 PDD Kit 形式化验证智能体编写的全栈 Web 应用
微软研究院联合 GitHub Next 推出研究原型 PDD Kit，在 Chopin 规划环境中把开发者意图转成 Verus 形式化规约，再用证明约束智能体生成的代码。
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。
Microsoft Research精选AI 评分7474 微软研究院等证明 31 年未解的 KLS 猜想
微软研究院研究员 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，给出与维度无关的固定界，解决了高维几何与概率论的核心开放问题。证明过程采用人类引导的智能体搜索，探索了 100 多条候选路径，由研究者筛选和调整方向；同期另有独立团队给出完整证明，并出现 Lean 4 形式化验证。作者称此前用多个前沿模型做无引导的端到端尝试未能成功。
推荐理由：微软研究员与合著者借助人类引导的智能体搜索证明 KLS 猜想，展示了人机协作做数学研究的具体流程。
Microsoft Research精选AI 评分6060 微软研究院推出 Magnetar：基于证明的通用计算 zkVM
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，在 15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍。它基于 RISC-V 架构，在笔记本上每秒可证明 720 万至 870 万条处理器指令，证明验证约需 12 毫秒。其安全性仅依赖 SHA-256、SHA-3 等标准哈希函数，不需要椭圆曲线、格假设或可信设置。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何同时解决效率、通用性与后量子安全三个难题。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布构建 219 个公开 PR 语料，覆盖 19 种语言。
推荐理由：GitHub 公开了基准的构建方法、评分规则和人工一致性数据，读者可据此判断 AI 代码审查评测的可信度。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 在 K-Search 演化式内核搜索框架上新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：作者把 CUDA 优化经验整理成结构化上下文交给 K-Search，读者可看到跨平台内核迁移中上下文质量比模型写代码能力更关键。
Berkeley AI ResearchAI 评分4040 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开多少并发线程以及如何协调。文章对比了自一致性、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!