费森科夫研究所：7台望远镜拼团，天文台也搞三级集成
现代天文观测已是重资产、强协作的工作。哈萨克斯坦费森科夫天体物理研究所提出的 AstroHub，旨在将天文观测从“单机游戏”转变为“组团观测”。
大模型与智能体
共 869 篇
Meta提出QSS：机器遗忘删除提速483倍，15个数据集实测
法规给了用户"删除权"，可模型不会说忘就忘——过去想精确抹掉一个样本，基本只能重训。Meta这篇把模型拆成冻结的骨架和可加的内容，删除直接退化成算术减法，低类别数任务上期望延迟比SISA快483倍，还做到与重训比特级一致。值得花时间读。
香港中文大学：LWE搜索到判定归约，复杂度只依赖噪声模数比
要说清楚这篇论文的价值，得先从密码学里一个看似绕口、其实非常朴素的问题讲起：如果你能判断一组数据里有没有藏着秘密，那你能不能把这个秘密直接找出来？
伦敦玛丽女王大学：修正引力下五维黑弦更不稳定
先从一个"面条"说起。四维时空里的黑洞相当老实：旋转的 Kerr 黑洞近年来已经被证明在亚极端情形下是非线性稳定的，意思是稍微推它一下，它晃两晃就回到原来的样子。但维度一加上去，情况立刻不同。
弗莱贝格工大：夸克物质n^(2/3)密度泛函首次被严格推导
夸克物质里最难啃的一块，是禁闭相互作用怎么塞进密度泛函。这篇把Cornell势的线性项加上屏蔽，用德拜球把色相互作用"饱和"掉，最后干净利落地推出一个正比于n^(2/3)的能量密度。过去这个n^(2/3)基本靠唯象假设，现在有了第一性原理的完整链子。硬核，但推得漂亮。
NANOGrav新模型：脉冲星轮廓演化误差最高降85%
纳赫兹引力波是热门话题，而脉冲星定时里的「色效应」建模是个难题。这篇来自NANOGrav合作组的工作看似简单却很关键：用勒让德正交基替代对数多项式，在11颗毫秒脉冲星和模拟数据上，PE误差最多降低85%，拟合色散偏差从0.013压到0.0002 pc/cm³。专治前人模型的数值病，值得一读。
架构文档总烂尾？列支敦士登大学三层智能体流程给出解法
这个不对称其实很好解释。代码能编译就是能编译，编译不过就是过不去，对错有硬反馈，智能体可以在里面反复试错。
罗格斯大学：非正则Borel图色数下界，Nikiforov定理被推广
无限图的着色问题一直有个尴尬：经典谱方法大多只在“人人度数相同”的正则图上顺手。这篇把 Nikiforov 的色数下界、二部性谱刻画一路搬到非正则的 Borel pmp 图，还顺手用可测支配数卡住了 Laplacian 谱隙。纯理论，没有一行代码，但证明思路干净得值得一看。
Nimbus BCI 平台验证：六条脑电解码流水线与手写脚本 0.00 点差异
一个可视化平台宣称自己算出来的数字和手写脚本一样，这话到底该不该信？Nimbus BCI 给出的答案是：六条经典脑电解码流水线，三个公开数据集，两种评估协议，平台引擎与独立手写实现各跑一遍，逐被试比准确率。确定性流水线全部 0.00 点一致，深度模型的差异落在训练种子噪声里。软件平台自己做验证研究，这事本身就少见，值得看一眼它的验证设计和边界。
港科大（广州）S3R：稀疏起草+稠密验证，RL训练吞吐1.39倍
大模型做强化学习，真正的瓶颈常常不在反向传播，而在 rollout 生成——注意力吃掉了七成以上的解码时间。港科大（广州）这篇 S3R 的做法挺取巧：稀疏注意力只负责"提词"，全注意力负责严格验收，采样分布不动，KV 读取却大幅减少。Qwen3-1.7B 上端到端训练吞吐做到 1.39 倍，训练还更稳。
AI用3小时22分，构造出c=8的Haagerup顶点算子代数
AI 这次不写代码，改去啃数学硬骨头：中心荷 c=8、实现 Haagerup 双重 Z(ℋ₃) 的顶点算子代数被显式构造出来。更值得看的是过程账本——Astra 6 找了 3 小时 22 分，Sol 6.1 想了 1 小时 6 分给出证明。结论仍待社区复核，但这份 AI 参与数学发现的一手记录，本身就稀有。
ALICE最新：五个碰撞系统，净电荷涨落只认带电粒子密度
先把场景搭起来。CERN 的大型强子对撞机（Large Hadron Collider，LHC，欧洲核子研究中心运行的大型强子对撞机）把铅原子核加速到接近光速，然后让它们迎头撞上。
