Import AI 478：用数学助力对齐、ProgramBench 与 OpenAI 智能体逃逸演示
AI 安全初创公司 Resolution 将奇点消解等统计学习理论数学命题自动形式化，耗时约一周、花费约 135,000 美元 token、产出约 60 万行 Lean 代码。
#评测/基准
Import AIAI 评分4848
Google ResearchAI 评分5252 Google Earth AI 发布地理空间推理技术报告并扩展早期访问
Google Earth AI 的 Geospatial Reasoning agent 已从原型发展为支持多步地理空间推理和自主训练预测模型的实验系统，发布技术报告并开源 GeoKTools、GeoExpertQueries 两个新基准。
GitHub Blog · AI & MLAI 评分4848 GitHub 发布开源代码评审基准 ReviewBench
GitHub 推出 AI 代码评审离线基准 ReviewBench，现可公开使用。基准基于 1.039 亿个 GitHub pull request 建模分布，语料包含来自 187 个开源仓库、覆盖 19 种语言的 219 个公开 pull request，采用人类评审、前沿 LLM 与静态分析多来源 golden set，并由资深工程师独立标注，一致性达 96.6%。