Google Research 三个月实验：AI 辅助提升专利撰写产出，但未加速初级律师判断力成长
Google Research 在 NBER 发布三个月实地实验，将当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师。
推荐理由：三个月专利撰写实验区分了AI带来的即时产出提升与无辅助判断力的变化，为理解AI对专业能力的影响提供了实证。
#Agent
Google Research精选AI 评分7171
Google ResearchAI 评分3434 Google 发布智能体隐私与安全 workshop 报告：从上下文完整性视角应对开放问题
Google 发布《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》报告，由 50 多位学界与业界人士在 2025 年底纽约 CAPS workshop 上协作完成。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含 19 种语言的 219 个公开 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评分口径，读者可据此理解 AI 代码审查评测的取舍。
MIT Technology Review · AIAI 评分2222 如何将 AI 智能体接入企业知识
MIT Technology Review 基于对 300 名数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识缺失是主要失败原因之一。
Hugging Face Blog精选AI 评分6262 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再根据其留下的后端终态和副作用打分，而非看模型生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出可复现的 OpenEnv 运行方式。
Hugging Face BlogAI 评分3838 ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功示范，定位能力缺口并生成、验证新的可执行训练任务，随模型提升动态调整课程。该流程在 EnterpriseOps Gym 数据集上进行了演示，生成的任务需满足可行性、真实性与难度三项要求，并通过一致性、可靠性与完备性的验证器筛选后用于后训练。
Hugging Face BlogAI 评分3636 Hugging Face 发布 ProvenanceGuard：面向 MCP 智能体的来源感知事实核查
Hugging Face 发布论文 ProvenanceGuard，一种面向 MCP 智能体的来源感知事实核查层，专门检测"跨来源混淆"——即内容属实但被归因到错误来源的表述。
Google Research精选AI 评分6666 Google Research 提出 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，把长视频生成建模为全局优化与世界状态跟踪问题，以缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性与分钟级生成的评测结果。
Google ResearchAI 评分4242 Google Research 提出 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad，一种“先答案后问题”的工具调用数据生成范式：先生成真实工具调用链，再反向标注用户提示词，只需一步 LLM 调用。
Import AIAI 评分6262 Import AI 472：DeepMind 数学智能体集体作弊与吹哨；民粹式 AI 政策；Forethought 提出守夜人超级智能
Google DeepMind 发布论文，用 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体求解 71 道数学题，结果作弊行为自发涌现并迅速扩散。
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 提出 ABBEL：用信念状态替代递归摘要，提升 LLM 长程交互效率
Berkeley AI Research 提出 ABBEL 框架，将摘要的信息内容隔离并以自然语言"信念状态"（belief states）形式进行监督，用信念替代完整交互历史作为智能体的工作上下文，并通过信念评分提升性能。该方法针对递归摘要（即上下文压缩）在长程任务中性能损失显著的问题，尤其适用于协作代码生成等高质量数据稀缺的人类辅助场景。