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。
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。
Ars Technica 报道，新的 AI 工具让研究者可以用接近自然语言的方式描述想要的蛋白质，而不必精通酶机制和具体氨基酸位置等结构细节。
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。
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。
清华大学与智谱 AI 联合论文（唐杰为通讯作者）首次披露 GLM-Omni 的技术底座及统一视觉理解和图像生成的实验结果，社交平台有人将其与 GLM-5.5 联系，但论文未披露版本对应关系。
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。