10月13日 · 周二Google DeepMind 团队在 Science 发表研究称，基于 Gemini 3.1 Pro 构建的 AlphaProof Nexus 在 Lean 形式化语言环境中自主证明了 353 个 Erdős 未解问题中的 9 个。
推荐理由：AlphaProof Nexus 在 Lean 形式化环境中自主解决多道未解 Erdős 问题并通过 Science 同行评审，为 AI 数学证明的可复现路径提供了具体样本。
微软研究院发布 Agent Lightning v1.0，提出 Harnessed Agentic RL 范式，让部署中使用的 agent harness 直接参与强化学习训练，无需在训练框架内重新实现 agent。
推荐理由：把部署侧 agent harness 直接接入 RL 训练，并用 Qwen3.5-9B 给出可复现的 SWE-bench Verified 提升结果，适合评估智能体训练链路复用方式。
NVIDIA 与 Hugging Face 团队基于 Nemotron 3 基座，通过监督微调和强化学习训练出 IOI 与 IMO 两个专用模型。
推荐理由：文章给出了从同一 Nemotron 3 基座到 IOI 与 IMO 两项金牌级模型的具体训练与推理配方，可直接复用到其他高难度专业领域。
微软与 Hugging Face 联合发布 ThinkingBox 与 ThinkingBox-Bench，通过 507 个有状态业务工作流、每个任务跑 20 次，按数据库终态和副作用而非工具调用来给 AI 智能体打分。
推荐理由：原文把评估重点从工具调用转向数据库终态，并用 20 次重复把“能做一次”和“能做稳”拆开看，读者可以据此调整自己的智能体评测口径。
AI 系统 Ataraxos 在不完美信息棋类 Stratego 中以有效胜率 85% 击败四届世界冠军 Niemeijer，并在 2025 Stratego 世界冠军赛表演场中以 40 场赢 38 场战胜多名赛会选手。
推荐理由：原文给出 Ataraxos 与 DeepNash 在 Stratego 上的算力差距与对最强人类选手的胜率，可用于判断不完美信息博弈 AI 的真实进展。
Google Research 发布论文 SymptomAI，基于 Gemini Flash 2.0 构建 5 个不同问诊策略的对话式 AI 智能体，并在 n=13,917 的全国随机研究中让参与者描述症状、两周后回报临床诊断结果。
推荐理由：原文给出了 13,917 人随机对照的诊断准确率与可穿戴生理信号对照方法，读者可据此判断该方法在真实人群中的迁移潜力。
Google Research 推出 SensorFM，一个面向可穿戴健康数据的通用传感器基础模型。它基于 500 万名受试者在 2024 年 9 月至 2025 年 9 月间产生的超过一万亿分钟、34 项一分钟级特征进行自监督预训练，覆盖心率、血氧、睡眠、运动等模态，并通过 Adaptive and Inherited Masking (AIM) 直接处理真实数据缺失。
推荐理由：原文给出了 SensorFM 在可穿戴健康数据上的预训练规模、下游迁移表现和与人工真实标签的对比，读者可以据此了解通用传感器基础模型在该领域的能力边界。