澳大利亚央行分析显示AI先冲击年轻从业者，软件开发与客服岗位受影响明显
澳大利亚央行（RBA）研究人员Mike Major构建的监测系统显示，自2022年底ChatGPT发布以来，各类岗位招聘数量普遍下降，AI暴露度最高的组别降幅最大，15至24岁年轻人和年轻大学毕业生的就业率更低、失业率更高。
#数据/训练
The DecoderAI 评分6262
Hugging Face BlogAI 评分5555 XYBench 基准发布，测试 AI 助手能否识别用户提问中的错误前提
研究团队发布 XYBench 基准，用 8,115 个真实问题测试 AI 助手能否识别用户提问背后的错误前提，并转向用户真正想达成的目标。该基准的问题来自 Stack Overflow、Stack Exchange、人工整理和 WikiHow 四类来源，获 EMNLP 2026 最佳资源论文奖。
The DecoderAI 评分7373 前 OpenAI 研究员称在六个中国 AI 模型中发现 Nvidia Blackwell 指纹
前 OpenAI 研究员 Will DePue 称通过取证分析在六个中国 AI 模型中发现 Nvidia Blackwell 硬件指纹，涉及 DeepSeek、Moonshot AI、MiniMax 和蚂蚁集团。
The DecoderAI 评分6969 OpenAI 数据表明前沿模型在隐藏思考过程，源于开发者对能力与算力的优化
OpenAI 安全团队的新分析追踪 GPT-5 到 GPT-6 Astra 的训练过程，把前沿模型思维链透明度下降归因到预训练、架构、强化学习和教师模型蒸馏四类训练因素。
Google ResearchAI 评分5858 Google Research 用可穿戴设备做 CKM 风险画像与个性化健康指导
Google Research 提出一套研究性框架，用可穿戴设备数据构建可解释的“可指导健康年龄”（CHA），并训练 SensorWM 世界模型模拟 12 周“如果改变习惯会怎样”的健康轨迹，再由语言模型生成经临床医生审核的指导方案。
The DecoderAI 评分6767 Nvidia 研究 GR00T 2：从人类视频学习动作并预测机器人未来画面
Nvidia 在新研究报告中介绍 GR00T 2，这一世界-动作模型会同时计算下一步动作和未来短片段的画面，从而把人类视频中的动作迁移到机械臂。模型用超过一千块 GB300 芯片训练，包含约 40 万小时佩戴头戴摄像头的人类操作视频；实验室中五指机器人无需针对任务遥操作即可点蜡烛、切香蕉或把包裹抛上传送带，成功率随任务在 10% 到 80% 之间。
Google DeepMindAI 评分5858 Google DeepMind 开放 WeatherNext 3 背后的 SatWeave 与 PARDIG 数据集
Google DeepMind 开放 SatWeave 与 PARDIG 两个数据集，前者是全球静止卫星影像拼接，后者是 AI 全球降水数据，均已上线 Google Cloud Storage 并提供实时数据流与历史存档。
Hugging Face BlogAI 评分4242 Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan 日本金融合成数据集
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan，这是开源数据集 Nemotron-Personas-Japan 的金融领域扩展，据称是首个百万记录级、将日本官方统计与家庭金融及金融素养数据配对的开源 persona 数据集。
Hugging Face BlogAI 评分5454 HOPE 提出考虑专家协作的 MoE 二阶剪枝方法，50% 剪枝率下 SWE-Bench Pro 追平未剪枝模型
HOPE 是一种把专家两两协作项纳入优化目标的 MoE 二阶剪枝方法，论文在 Qwen3.5-122B、Qwen3.5-35B 和 GLM-4.5-Air 上与 REAP、MAN、EAN、Frequency 四种一阶方法对比。
Hugging Face BlogAI 评分5858 Ai2 开源 ToyBlocks 机器人学习仿真框架
Ai2 在 Hugging Face 发布 ToyBlocks，一个围绕机械臂与桌面方块的开源仿真框架，可自动生成任务与演示数据，并配套训练和评测代码。首轮数据包含 85,336 条长程演示、约 1,600 小时机器人执行数据和 1.44 亿帧，单 GPU 并行生成可达 24 倍实时速度。
Google Research精选AI 评分6666 Google Research 用智能手表 PPG 与加速度计检测高血压迹象
Google Research 在 Nature 发表多模态 AI 系统 AI-PPG-ACC-HTN，仅用智能手表 PPG 与加速度计数据被动检测高血压迹象，无需袖带校准。
推荐理由：该系统用智能手表 PPG 与加速度计数据对照 24 小时动态血压监测，给出了无需袖带校准的筛查路径与可解释波形特征。
Google ResearchAI 评分5151 Google Research 提出 Agile Deliberation：让 AI 帮人厘清主观概念的灰色地带
Google Research 提出 Agile Deliberation 框架，把主观视觉分类器的构建拆成概念界定和概念迭代两个阶段，由视觉语言模型主动挑出语义边界模糊的图片让用户判断，再把反馈接入自动提示词优化循环。
Hugging Face BlogAI 评分5757 IBM 研究提出 Palette：用合成数据教 20B 小模型按自有设计语言做幻灯片
IBM 研究团队发布 Palette，把做幻灯片拆成设计师写 JSON 简报、编码器写 pptxgenjs 代码两个角色，用单个 LoRA 适配器微调 20B 模型，训练数据为约 1000 份幻灯片、约 1 万页的合成数据。
Google Research精选AI 评分6060 Google 提出睡眠框架：让 LLM 在持续学习中保留知识
Google 研究者提出睡眠框架，让 LLM 在活跃交互与离线记忆巩固之间交替，把短期上下文写入长期参数。该框架在 BABILong 上将长上下文理解扩展至 10M tokens，在 SQuAD 与持续预训练上分别取得 48.9% 和 46.2%，并在 AIME 24/25 与 HMMT 25 上达到 79.2%、69.0% 和 46.1%。
推荐理由：Google 研究者提出睡眠框架，用记忆巩固与梦境自改进两阶段让 LLM 持续学习而不遗忘旧知识。
Google DeepMindAI 评分5656 Google DeepMind 联合 WRI、IIASA 发布 ForTy 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 米见方的土地划为六类森林与土地利用类型，并同步给出 2017 至 2025 年逐年变化的时间序列。
Microsoft Research精选AI 评分8080 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 证明了 1995 年提出的 KLS 猜想，证明高维对数凹分布下平面切割与任意形状切割的差距可由与维度无关的常数界定。研究采用人类主导的智能体搜索流程，探索了 100 多条候选路径，由研究者筛选并递归应用新判据，最终在 2026 年 10 月 4 日版本中完成证明。同期另有独立团队给出完整证明，并有 Lean 4 形式化验证发布。
推荐理由：读者可看到人机协作如何被拆成可复用的搜索与筛选流程，以及独立证明与 Lean 形式化如何构成交叉验证。
Google ResearchAI 评分5858 Google Research 介绍让 AI 智能体接入湿实验室的三项研究
Google Research 发布博客，介绍让 AI 智能体在真实湿实验室中开展实验的三项研究进展。VERID 框架为实验室工作单元建立语义数字孪生，支持实时 3D 状态跟踪、秒级虚拟试运行和硬件安全检查，智能体在闭环自博弈中重建盲测染料混合物的准确率提升超过五倍。
Microsoft Research精选AI 评分6262 Microsoft Research 发布 zkVM 系统 Magnetar，证明速度提升 10 到 39 倍
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go、C 编写的 RISC-V 程序执行，在 15 个基准程序上平均比同机最快 zkVM 快 10 到 39 倍。
推荐理由：Magnetar 仅依赖标准哈希函数就把 zkVM 证明速度提升 10 到 39 倍，可据此比较通用性与安全假设之间的取舍。
Berkeley AI ResearchAI 评分4141 ABBEL：教 LLM 更新信念状态，实现高效长程交互
研究团队提出 ABBEL 框架，将 LLM 交互摘要建模为自然语言信念状态，并用信念评分监督其内容，以降低长程交互的上下文开销。在 CollabBench 上，ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 为 6.01×10²，全上下文为 14.08×10²。
Berkeley AI ResearchAI 评分4141 面向 LLM 的大规模交互识别：SPEX 与 ProxySPEX 算法
伯克利 AI 研究团队提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中高效识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。