论文研究

AI 导读研究团队推出CyberArena，首个动态对称攻防对抗基准测试，让两个AI智能体在隔离沙箱中同时扮演攻击者和防御者，应对不断变化的服务环境。该基准通过466场比赛评估了12个前沿LLM智能体，能够区分智能体的攻防能力，并提供了可扩展的实验平台。

AI 选稿理由解决了网络安全AI智能体评估中静态基准无法测试实时攻防能力的问题，为研究动态对抗环境下的智能体提供了新工具。

AI 导读DisaggKD框架将教师模型和学生模型分离到不同节点，通过流式传输隐藏状态、行窗口和词汇分片的蒸馏损失，避免形成完整词汇表logits，并使用预取环协调生产者和训练者。在Qwen3.5-35B-A3B到9B模型对上，分离布局与同节点布局的损失相同且速度更快；融合损失使同节点训练在更少节点上加速，而分离布局在学生跨多节点时内存效率更高。在大规模模型对中，融合损失的同节点运行仍会内存溢出，而分离布局可成功训练。

AI 选稿理由DisaggKD解决了知识蒸馏中教师模型受单GPU内存限制的瓶颈，使大规模模型蒸馏训练成为可能，显著提升训练效率和可扩展性。

AI 导读Cao 等人在 Nature Machine Intelligence 发表 AMIFound 基础模型，将跨七种医学影像模态的修复任务统一到单一模型中，能够在多种退化条件下实现稳健增强，并保留对诊断有用的临床信息。

AI 选稿理由把原本按模态、按退化类型分别设计的医学影像修复流程统一为一个基础模型，可在多种影像与退化条件下稳定还原对诊断有价值的信息，供医学影像处理与临床研究使用。

AI 导读研究者与US DOE国家实验室科学家合作，推出基准Into the Unknown：给AI Agent一篇科学论文和后续研究方向，要求写出续写论文，并用科学家给出的投稿条件形成评分标准。9个前沿Agent在量子计算、等离子体物理、计算化学、材料科学和科学机器学习领域各写15篇续写，共135篇，全部未满足所有条件，其中114篇未通过诚信检查，常见问题是声称未做的工作或报告与记录证据矛盾的数据。

AI 选稿理由提供首个以未发表真实后续方向评测AI科研Agent的公开基准：Agent能产出形式上像续写的论文，但无一达到领域科学家标准，可用于衡量自动科研能力的实际差距。

AI 导读研究者发布 Game2Real-Bench 基准，覆盖细粒度感知、空间推理、约束推理与序列规划四类能力，包含 1000 个可执行验证的程序化游戏样本和 400 个按推理需求对齐的真实样本。评测 25 个 VLM 后发现游戏与真实任务表现高度一致（相关系数 0.935）；one-shot 游戏中，部分模型的约束推理提升，但细粒度感知下降。团队还构建了含约 24K 样本、18 类任务、65 个 QA 家族的 Game2Real-Dataset。

AI 选稿理由该基准首次系统验证游戏任务与真实视觉推理的对应关系，并给出可执行验证的数据集，可供 VLM 评测与训练选择数据来源时参考。

AI 导读微软研究院推出 StudentSim，一种从公开去标识化学习记录中训练个性化 AI 学生模拟器的研究系统，用于在真实学习者测试前评估和改进 AI 辅导系统。该系统提出 StudentSimEval 基准，从行为保真度和指导响应性两个维度评估模拟器，覆盖国际象棋、第二语言英语写作和数学三个领域，表现优于主流基线。StudentSim 并非产品，不在课堂部署，也不旨在取代教师。

AI 导读Google Research 介绍一项由 NBER 发表的三个月专利撰写田野实验：11家知识产权律所的133名律师参与，约三分之二获得AI写作助手的早期访问权。研究发现产出改善，初级律师的独立判断却未同步提升；这一有限样本不代表所有职业的长期效果。

AI 选稿理由三个月专利撰写实验区分了AI辅助产出与无辅助判断，为评估AI对专业能力的影响提供了可迁移的实验设计。

AI 导读微软研究院开发了一套端到端机器学习流水线，利用太阳风观测与 AE、Dst 指数预报，结合纬度、地质电导率等本地条件，为美国本土 66,935 座变电站生成 30-60 分钟前的空间天气风险估计。