50个GPT-6.1 Sol智能体在Minecraft中涌现领导与官僚行为，对抗赛中胜过Claude Opus 5.5
研究团队将50个GPT-6.1 Sol智能体放入Minecraft生存世界进行Civ50实验，约90秒内伐尽出生点附近树木，交换约5900条消息，字母序第一的Ada未经理投票成为领导。
#推理
The DecoderAI 评分6565
Import AIAI 评分3838 Import AI 479：太空战、低延迟任务与 LLM、Genie 4
研究人员发布 Realtime-Bench 基准，用 50 个交互式游戏与网页任务评估大语言模型的实时决策能力，测得 GPT-6 Astra（high）在 wall clock 设置下通过率最高，仅 36%，而暂停时钟下可达 70%-80%。期刊还提及美国国防情报局《Challenges to Security in Space》报告，指出中美俄太空攻防技术竞争加剧，并预告 Genie 4。
量子位AI 评分6666 清华姚期智团队提出代数世界模型AWM，在ARC-AGI-3上183关全通且能证明无解
清华大学姚期智、袁洋团队提出代数世界模型（AWM），通过探索、凝炼、证明三步将游戏规则形式化为Lean 4数学断言。基于Opus 5.5的AWM在ARC-AGI-3测试集183个关卡全部通关，得分99.9%，平均通关动作数为人类基准的43%；面对被改为无解的关卡，AWM仅需两次尝试即可证明无解，并指出再多一步即可获胜。
量子位AI 评分6262 PSI 称 AI 辅助解决 5 道量子信息开放问题
成立不到两个月的 Physical Superintelligence（PSI）宣布，其自研 AI 科研系统 Emmy 在量子信息理论的 5 个开放问题上取得成果，论文、Lean 形式化证明和验证代码已发布在 GitHub 供审查。
钛媒体精选AI 评分7373 微软 MAI-DxO 登上《科学》杂志，AI 会诊准确率约83%高于医生组
微软公布 MAI-DxO 系统，让同一个大模型扮演五位分工不同的虚拟医生组成会诊小组，包括提出诊断、挑选检查、唱反调、盯成本和复核的角色，成果登上《科学》杂志。
推荐理由：原文拆解了微软 MAI-DxO 五角色会诊机制的分工细节和测试费用数据，读者可以了解多智能体医疗诊断的可行思路。
The Decoder精选AI 评分8282 OpenAI 宣称其 AI 在数学、计算机科学和物理学领域产出重大证明，邀请外部专家核查
OpenAI 宣布其 AI 在数学、计算机科学和物理学领域产出重大证明结果，并请外部专家担任 shepherd 核查，数学与计算机科学证明已翻译为 Lean。
推荐理由：原文梳理了三个领域证明的核心内容和不同验证机制，读者可借此了解 AI 数学成果如何被外部专家独立核查。
The DecoderAI 评分4242 前 DeepMind 研究员创立 Metis Reasoning，想用 AlphaGo 思路解决 AI 幻觉问题
前 DeepMind 研究员 Thore Graepel 创立 Metis Reasoning，在 Nvidia GTC 柏林大会上提出用 AlphaGo 的搜索思路构建可验证的推理系统。
The Verge同新闻AI 评分7070 OpenAI 宣布数学、计算机科学和物理三项重大发现，并引入外部专家协作审阅模式
OpenAI 在上次批量发布数百份数学手稿不到一个月后，宣布数学、计算机科学和物理三项新的重大发现。
Microsoft Research精选AI 评分7676 微软研究者证明 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 Kannan-Lovász-Simonovits（KLS）猜想，给出与维度无关的固定界。
推荐理由：微软研究者用人类主导的智能体搜索证明 KLS 猜想，可看人机协作如何参与数学发现。
Microsoft Research精选AI 评分6060 微软研究院推出 Magnetar：基于标准哈希函数的零知识证明虚拟机
微软研究院发布零知识证明虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，安全性仅依赖 SHA-256、SHA-3 等标准哈希函数。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在速度、通用性和密码学假设上同时推进。