技术突破

OpenAI 公布其内部前沿模型在数学开放问题上的新结果，同时在 GitHub 上开源 Lean 证明形式化与研究细节，把「AI 做数学」从演示推向可验证、可复现的路径。

PhAI Labs 将 Yann LeCun 提出的 JEPA 架构扩展到机器人、生物医学等七个领域，并由此筛出一个在实验室测试中表现积极的肝癌治疗候选方案，但距离真正的疗法仍有距离。

Reka 推出 Rho-1，一个从零训练的 19B 全能推理模型，能在共享 KV 缓存上读写文本、图像、视频并输出机器人动作；蒸馏版生成 5.3 秒视频仅需约一秒，目前为研究预览，未公开权重。

JEPA-Anything 将 JEPA 的单一潜空间目标拆解为四个正交因子，各配独立预测器，在七个领域、十项动力学任务上全面超越匹配基线，并将 Interventional Pong 的干预误差降低 34.8%。

过去一年，多家 AI 实验室宣称在长期悬而未决的数学问题上取得突破，甚至触及千禧年大奖难题。但速度与严谨之间的张力，正在数学界引发一场关于可信度的争论。

Reka AI 发布 190 亿参数的 omni-model Rho-1，把文本、图像、视频和机器人控制动作统一为同一上下文窗口中的 token，用远低于头部模型的算力完成训练。

MIT Tech Review 的 EmTech Future 2026 上，Google Research 负责人 Yossi Matias 提出，AI 最大的影响力或许不在自身，而在它与生物学、基础设施、制造业和科学等领域的交叉处。

Google Research 将联邦学习的梯度计算从手机移到可远程证明的服务端 TEE，并把访问策略发布到 Sigstore 的 Rekor 日志、提供可复现构建，使中心差分隐私可被外部核验。Gboard 的英日文下一词预测已实际使用该方案。

Ars Technica 报道，长期难倒 AI 的军棋（Stratego）因大部分棋子身份不可见而成为难题，研究者引入第二个用于推测隐藏棋子身份的神经网络后取得突破。

Ataraxos 系统以不到 8000 美元的成本击败了史上最强 Stratego 人类玩家，攻克了 AI 在棋盘游戏中的又一堡垒。此前 Google DeepMind 曾投入数百万美元却未能成功。

Google 开发出一种针对 AI 生成蛋白质的水印技术，可与主流蛋白质设计工具配合使用，目的是在生物安全层面追踪合成蛋白的来源。

Google DeepMind 发布 SynthID Bio 概念验证，尝试在 AI 生成的蛋白质上嵌入水印，同时不破坏其生物功能，为 AI 生物设计补上溯源一环。