前 DeepMind 研究员 Thore Graepel 创立 Metis Reasoning，提出用 AlphaGo 式搜索加显式"知识账本"替代把知识烧进模型权重，以减少模型幻觉。该方案让两个神经网络负责提议与评估推理步骤，另设独立模块用计算、形式化证明或实证证据核验，未获支持的结论不予采纳。目前仅有白皮书，无可用系统、benchmark 或与现有推理模型的对比。
OpenAI 公布模型在 Kakeya 猜想、指数时间假设（ETH）和量子色动力学三个问题上的结果，并说明研究者可以如何验证并在此基础上继续推进。内容来自 OpenAI 与学术社区的合作，正文尚未给出具体结论细节。
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地划为六类森林与土地利用类型，并同步给出 2017 至 2025 年的逐年变化时间序列。
推荐理由：该地图把森林类型细分到10米分辨率并给出逐年变化，为判断天然林是否被替换为种植园提供了可核查的基线。
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 辅导系统。研究同时发布覆盖国际象棋、第二语言英语写作和数学的评测基准 StudentSimEval，从行为保真度和对指导的响应度两个维度评估模拟器。
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 演化式内核搜索框架，新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库自动适配 Apple Silicon。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可看跨平台内核知识迁移的具体做法。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的递归摘要以自然语言"信念状态"形式隔离并监督其信息内容。在 CollabBench 协作编程任务上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值上下文 token 数也明显低于全上下文设置。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把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 倍更少的消融达到与 SPEX 相当的性能。在情感分析任务上，SPEX 在上下文扩展至数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。