Google DeepMind 公布 AlphaProof Code 研究，形式化验证 Signal 核心加密代码
Google DeepMind 公布 AlphaProof Code 研究，利用多 LLM 智能体框架和 Lean，对 Signal 协议实际代码的关键安全属性进行形式化验证。
推荐理由：该研究给出人类专家、多种大语言模型与 Lean 协作验证生产级密码代码的流程，可供评估 AI 形式化验证的工程路径。
#编码
Google DeepMind精选
Microsoft Research精选 Microsoft Research 用 PDD Kit 形式化验证智能体编写的全栈 Web 应用
Microsoft Research 介绍了 PDD Kit 如何把开发者意图转为 Verus 形式化规格，证明智能体代码对所有输入满足规格，并在证明覆盖不到的部分使用测试。
推荐理由：案例展示了将自然语言意图转成形式化规格，并用证明与测试分层约束智能体代码的完整工作流。
Microsoft Research Microsoft Research Focus 第97期：AI 智能体、Copilot 使用与天气预测研究进展
Microsoft Research Focus 第97期集中展示AI智能体、职场AI使用及天气预测等研究进展。ForkPilot在6项基准和领先模型测试中将AI处理需求最多降低59%，CABRA发现理解陌生代码库仍是编码智能体的主要障碍。Copilot Chat中编辑文档占已分类活动逾20%，TeleTune可从活动日志学习可复用技能与工作流。
GitHub Blog · AI & ML精选 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，提供公开数据集、排行榜、自助评估工具以及可复现的评估方法。该基准分析了 103.9M 个 GitHub pull request，并选取来自 187 个公开仓库、覆盖 19 种语言的 219 个 pull request；其黄金集经资深工程师独立复核，判断一致率为 96.6%。
推荐理由：ReviewBench公开了数据集、评估规则和运行工具，并用线上实验对照说明离线指标如何辅助代码审查智能体迭代。
Berkeley AI Research 教会大语言模型更新信念，实现高效长程交互
ABBEL 框架以自然语言信念状态替代完整交互历史，并通过信念评分监督关键信息保留，提升大语言模型长程交互效率。在 CollabBench 上，ABBEL-rec-BG 将与完整上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值上下文 token 从 14.08×10² 降至 6.01×10²。