Microsoft Research 研究者证明 31 年悬案 KLS 猜想
Microsoft Research 机器学习与优化组的 Xinzhi Zhang 与合作者 Zhao Song 证明了 1995 年提出的 Kannan–Lovász–Simonovits（KLS）猜想，表明对数凹分布的最佳平面切割与任意形状切割之差存在与维度无关的普适常数上界。
推荐理由：原文对比了人主导的智能体搜索与同等 token 预算的无引导尝试，可迁移地说明复杂问题中研究者判断的作用。
全部 AI 动态
Microsoft Research精选AI 评分7777
GitHub Blog · AI & MLAI 评分5656 GitHub Copilot 分享三位 Java Champions 的 AI 编码实践
GitHub Blog 采访了 Vlad Mihalcea、Patrick Baumgartner、Frank Delporte 三位 Java Champions，介绍他们用 GitHub Copilot 提升生产力的实践。
GitHub Blog · AI & MLAI 评分4343 GitHub Copilot 如何在 VS Code 中继续 app 会话
GitHub Copilot 发布教程，讲解如何在 VS Code 中直接打开并继续 Copilot app 会话，保留原有对话、代码改动与 worktree 上下文。
GitHub Blog · AI & MLAI 评分5757 GitHub 发布基于 ModernBERT 的密钥扫描分类器，误报更少、成本更低
GitHub 发布专为密钥扫描训练的上下文感知分类器，采用两阶段管线：正则先高召回地生成候选，再由微调的 ModernBERT 结合文件路径、变量名和周边代码判断是否为真实密钥。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot app for Beginners：如何让 Copilot 了解你的代码库
GitHub 官方博客在 Copilot app for Beginners 系列中介绍四种让 Copilot 掌握项目约定的方式：custom instructions 通过 .github/copilot-instructions.md 和带 applyTo 字段的路径级指令文件定义规范。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 论述密钥保护需随软件规模同步扩展
GitHub 产品负责人 Erin Havens 撰文指出，如今三分之一的 pull request 涉及 AI agent，一年前不足十分之一，若按此速度两年内多数代码可能由 agent 写成。
推荐理由：文章用九个季度数据拆解了泄露密钥与 AI 编码的因果误读，并给出可迁移的预防与修复分工思路。
GitHub Blog · AI & MLAI 评分5858 GitHub 开源 AI 代码评审基准 ReviewBench
GitHub 发布开源 AI 代码评审离线基准 ReviewBench，语料取自对 103.9M GitHub pull requests 的分布分析，包含 19 种语言、187 个开源仓库的 219 个 pull request。
Berkeley AI ResearchAI 评分5757 Berkeley AI Research 将 K-Search 扩展到 MLX，用 CUDA 优化知识提升 Apple Silicon 内核性能
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展出 MLX 后端，并加入结构化 CUDA-to-MLX 翻译层，把 CUDA 内核作为知识库适配为 Apple Silicon 的高质量 GPU 内核。
Berkeley AI ResearchAI 评分5656 Berkeley AI Research 提出 ABBEL 框架，用自然语言信念状态替代交互历史
Berkeley AI Research 提出 ABBEL 框架，把长程交互中的摘要内容隔离为自然语言信念状态并单独监督，以替代完整交互历史作为智能体的工作上下文。
Berkeley AI ResearchAI 评分5757 BAIR：推理成本趋近于零后，数据系统面临 for、of、by Agents 三重挑战
Berkeley AI Research 发布由 Aditya G. Parameswaran 等人主导的视角文章，指出 GPT-4 级能力成本已从 2023 年初约 $30 per million tokens 降至如今不足 $1。
Berkeley AI ResearchAI 评分5959 Berkeley AI Research 综述自适应并行推理：从固定并行到模型自主控制
Berkeley AI Research 发布长文综述自适应并行推理（APR）这一推理扩展范式，指出其核心是让模型在推理时自主决定何时分解并行、开多少线程以及如何协调。
Berkeley AI ResearchAI 评分5656 Berkeley AI Research 提出 GRASP：面向世界模型长时域规划的梯度规划器
Berkeley AI Research 发布 GRASP，一种基于梯度的世界模型规划器，通过把轨迹提升到虚拟状态使优化沿时间并行、在状态迭代中注入高斯噪声做探索、并重塑梯度使动作获得干净信号而避开脆弱的状态输入梯度。
Berkeley AI ResearchAI 评分5151 Berkeley AI Research 介绍 SPEX 与 ProxySPEX 大规模识别 LLM 交互的方法
Berkeley AI Research 博文介绍 SPEX（Spectral Explainer）与 ProxySPEX 两种算法，用于在特征归因、数据归因和模型组件归因中大规模识别关键交互。