中科大团队白泽通境推出溯因式世界模型 AWM，成立三个月获数千万元融资
中科大团队创立的白泽通境推出溯因式世界模型 AWM，先预测再溯因，在 Push-T 任务上仅用 2,000 条轨迹达到 75% 成功率，约为 Causal-JEPA 所需数据的七分之一。
#论文/研究
机器之心AI 评分2222 机器之心AI 评分4040 OpenRSI Index 发布：用数千至上万 H100·小时的真实训练任务评测科研智能体
OpenRSI Index 近日在 X 上引发关注，它从 Marin、Qwen、GPIC 等真实开源研究项目出题，让智能体在预训练、后训练与图像生成任务上改进人类设计的训练方案，单次运行算力达 5,815 至 20,864 H100·小时。
AI寒武纪AI 评分2222 陶哲轩加州理工演讲：数学 2.0 到来，证明稀缺时代结束
陶哲轩在加州理工学院发表 Math 2.0 演讲，称 AI 正把数学从证明匮乏时代推入证明充沛时代，传统以解题为核心的评价体系已错位。他指出网上 AI 攻破数学难题的捷报属于幸存者偏差，当前数学前沿绝大多数核心问题仍未解决，AI 直接从问题跳到答案会跨过人类理解。Math 2.0 的实践包括用开源 AI 重构四色定理、ABC 猜想等证明，等式理论项目已判定超 2200 万个命题真伪。
InfoQ · AI/MLAI 评分3434 Google 发布 Android Bench 2.0：新增长周期任务、Agent 评测与连续评分
Google 发布 Android Bench 2.0，新增长周期任务（LHT）、Agent 评测与连续评分，取代此前的二元通过/失败判定。LHT 指需工程师数天甚至一周完成的复杂任务，如升级依赖、从零构建应用、将跨平台应用迁移到 Android。
BestBlogs · AI 高分AI 评分2020 Aether AI 发布 CRIS-0：给具身智能换上「因果」内核
Aether AI 发布机器人系统 CRIS-0，采用因果驱动架构，将高层任务规划与低层物理预测分离，并引入因果世界模型推演动作后果。系统用任务图组织执行流程，每个节点对应可验证阶段，某步失败时可退回上一成功节点重新评估并尝试替代方案。实验显示 CRIS-0 在灯光变化、物体移动等突发干扰下能迅速调整策略，长程模糊指令执行中的错误恢复能力显著提升。
机器之心AI 评分2222 李飞飞团队发布 OpenWAM：统一框架让世界动作模型可拆解、可迁移
斯坦福大学李飞飞、吴佳俊、Ehsan Adeli 团队提出开放世界动作建模框架 OpenWAM，基于 Wan2.2-5B 视频模型做因果化预训练，并用共享 MoT 架构组合 5B 视频专家与 2B 动作专家，定义 VTA、ATV、Joint、Decoupled 四种交互程序。
InfoQ · AI/MLAI 评分6262 调研：AI 生成代码推高调试与故障率，并造成理解断层
Coleman Parkes 代表 Undo 对 300 位负责关键任务软件的资深工程负责人调研发现，AI 编码 Agent 虽加快了代码生成，却把主要瓶颈转移到调试、代码理解和维护。
机器之心AI 评分3434 OpenAI 内部模型一次放出 722 篇数学手稿，含准黎曼猜想与四维挂谷猜想
OpenAI 公开了一个尚未发布的内部前沿模型产出的 722 篇数学手稿，归入 372 个成果族，覆盖 17 个方向，其中 235 族附带 Lean 形式化证明。
AI寒武纪AI 评分2424 OpenAI 公开 722 篇 AI 撰写的数学论文，平均单题消耗 ChatGPT Pro 三小时算力
OpenAI 发布 722 篇由 AI 撰写的数学论文并打包上传至 GitHub，平均每个难题解法消耗 ChatGPT Pro 深度思考约三小时算力，同步给出大量 Lean 代码供机器核验，技术细节与模型推理过程全部开源。
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 219 个 pull request、覆盖 19 种语言。
推荐理由：GitHub 公开了代码审查基准的构建方法与评分口径，读者可据此判断自家审查 Agent 的强弱项。
Anthropic NewsAI 评分2222 Anthropic 新实验室：Claude 发现类 CRISPR 的新型酶系统 ART
Anthropic 成立生命科学研究组与实验室，让 Claude 自主挖掘 DNA 数据。约 950 个 agent 用 210 million tokens 搜索 21 小时。