Agent-Callable Feature Coverage：衡量软件对 AI Agent 的就绪程度
研究提出 Agent-Callable Feature Coverage（ACFC）指标与 Agent Readiness Conformance（ARC）框架，从可访问性、可发现性、可控性三轴评分（0-9）。
#开源生态
#开源生态
今日 3 条arXiv · Software EngineeringAI 评分3838 arXiv · Artificial IntelligenceAI 评分3636 大语言模型微调是否必须依赖人类可读文本？DASA 方法通过激活梯度反馈优化连续嵌入实现等效或更优适配
DASA 使用冻结参考模型的激活梯度反馈引导连续合成输入嵌入优化，直接用于下游微调而无需离散 token 投影。在 Llama 与 Qwen 家族 1B–32B 模型、6 个基准上，DASA 达到与自然文本数据相当或更优的性能，多数对比超越 GRADMM，并实现 3.6–4.9 倍加速、峰值 GPU 内存相当。
arXiv · Software EngineeringAI 评分2222 量子编译器回归测试的防泄漏与成本感知方法
summary_zh: Qiskit 量子编译器提出一种防泄漏、成本感知的回归测试选择方法，预注册预算绑定评估避免数据泄漏。
Nature · Machine LearningAI 评分2525 大语言模型时代的研究可复现性
summary_zh: 大语言模型的输出具有概率性，相同提示词可能产生不同结果，且模型权重与训练数据不公开，导致基于旧版闭源模型的研究难以精确复现。文章建议研究者记录所用模型与版本、完整提示词、硬件与软件配置及超参数等细节，并优先测试开源模型，以提升透明度与可复现性。
Hugging Face BlogAI 评分5050 UK AISI 与 EvalEval 合作让基准测试结果可复现
summary_zh: UK AISI 通过 EvalEval 的 Evaluation Cards 平台公开分享五个基准的评估结果，覆盖 Claude Opus 4/4.5/4.6、GPT-5/5.2/5.4 六个前沿模型，并附带 HealthBench、Humanity's Last Exam、SWE-Bench Pro 等评测的设置与配置信息。
Microsoft ResearchAI 评分4747 RetroChimera 规模化改进小分子合成预测
RetroChimera用学习排序融合R-SMILES 2与NeuralLoc的互补预测，改进小分子逆合成预测。10个高难度目标中，其完整路线被接受9条，de novo、editing与NeuralSym分别为5、4、2条。模型发表于Nature并开源实现与权重，能召回稀有反应，也能在专有数据集上零样本迁移和微调。
Google ResearchAI 评分3434 MilleMiglia：面向中段物流的真实实例生成器
Google Research 推出 MilleMiglia，一个 C++ 实例生成器，用于构建中段物流网络的真实基准。中段物流覆盖区域或大陆尺度的配送中心间运输，占物流成本大头且影响时效，但学术研究长期缺乏公开高质量数据。MilleMiglia 在 GitHub 开源，通过隐私保护的方式捕捉中段运输的多车辆接力、时间窗口与分拣同步等约束，为后续优化研究提供基础。
Hugging Face BlogAI 评分5656 BenchMIRT：LLM 基准实际上在测量什么？
Allen AI 提出 BenchMIRT，用多维项目反应理论逐题审计 LLM 基准，从 100 个模型、16 个基准、34K+ 题中独立恢复出安全与推理两个维度。分析显示 BBQ、WMDP 等基准的得分更依赖推理能力；保留 10% 题目仍能维持排名，模型在未见过题目上的预测准确率达 79%。
Hugging Face Blog精选AI 评分8282 Hugging Face 复现 ICML 2026 两千篇论文：社区发现近半数论文存在可复现性问题
Hugging Face 在 2026 年 7 月 15 日至 8 月 2 日发起 ICML 2026 Open Reproductions 挑战，1,221 名社区成员使用 Claude Code、Codex、Cursor 等智能体复现了 2,226 篇论文（占会议 34%），发布 6,816 本 Trackio 日志。
推荐理由：大规模复现挑战揭示了AI论文可复现性的真实状况，为理解智能体在学术审核中的实际能力与边界提供了关键事实。
Google Research精选AI 评分7272 Science One Framework：基于 Chain-of-Evidence 的可验证自主研究框架
Google Research 提出 Science One Framework 与 Chain-of-Evidence（CoE）审计框架，在 75 篇生成论文上验证自主研究系统的可验证性。Science One Framework 在五个 ADRS 任务上实现零幻影引用、完全可复现得分，并在 MLE-Bench 与 Parameter-Golf 上达到 SOTA。
推荐理由：通过引入可验证证据链框架，为自主研究系统的可信度提供了可量化的审计方法。
Google Research精选AI 评分6060 MoGen：基于点云流匹配的神经元形态生成以加速脑连接组重建
Google Research发布MoGen模型，通过点云流匹配生成合成神经元形态，用于训练PATHFINDER重建模型。加入10%合成数据后，鼠轴突重建错误率降低4.4%，主要减少合并错误，在全鼠脑规模上相当于节省157人年人工校对。MoGen及物种特异性模型已开源。
推荐理由：用合成神经元训练PATHFINDER，将重建错误率降低4.4%，在全鼠脑规模上相当于节省157人年校对工作。
Sebastian RaschkaAI 评分1212 LLM Research Papers: The 2025 List (July to December)
Sebastian Raschka 整理了 2025 年 7 月至 12 月的 LLM 研究论文列表，涵盖推理模型、RLHF、推理时扩展、架构、高效训练、多模态与数据集等类别。该列表为其 Substack 付费订阅者的附加内容，正文仅浏览摘要、少数全文精读。原文未给出具体模型、参数、分数或速度倍数。