Science One Framework 提出 Chain-of-Evidence 可验证自主科研框架
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并以其实例化 Science One Framework 自主科研原型，配套 CoE Audit 审计指标。
推荐理由：原文给出可验证性框架与审计方法，读者可据此判断自主科研智能体输出的可信度如何被量化。
全部AI Token 动态
全部动态
今日 1 条Google Research精选AI 评分6262 Microsoft Research精选AI 评分7878 微软 Echoverse：为计算机使用智能体构建深度演化训练环境
微软研究院发布 Echoverse，一套为计算机使用智能体构建的深度演化训练环境，包含十个深度领域世界和两个能力世界。用全部十二个世界训练后，9B 模型得分从 36.5% 提升到 67.1%，接近 GPT-5.4。实验表明浅层环境会拖累模型，深度环境才能迁移；强化学习相对模仿学习能进一步提升留出集表现。微软开源了其中四个世界及其代码、数据和基于数据库的评分器。
推荐理由：原文给出了深度合成环境对计算机使用智能体的训练收益，以及浅层环境反而拖累能力的对比证据，可据此判断训练数据质量与规模哪个更关键。
Microsoft Research精选AI 评分6262 微软研究院发布 EvoLib 框架，将经验转化为可进化的知识库
微软研究院发布 EvoLib 框架，让大语言模型在推理过程中从自身经验中学习，无需真值标签或外部反馈，将过往尝试转化为可复用的技能和反思性洞察。EvoLib 通过整合与动态加权机制持续精炼知识，在数学推理、代码编写和长程决策任务上优于顶级检索式记忆方法，且对任务顺序具有鲁棒性。代码和实验结果已在 GitHub 上公开。
推荐理由：原文给出了将经验转化为可复用知识的具体机制和跨任务评测结果，读者可据此判断这类记忆进化方法相对传统检索记忆的实际收益。
Berkeley AI Research精选AI 评分7070 K-Search 将 CUDA 内核优化经验迁移到 Apple Silicon，注意力内核达 0.97x 原生性能
Berkeley AI Research 与 IBM Research 基于 K-Search 框架构建 MLX 后端，通过结构化 CUDA-to-MLX 翻译层，将 NVIDIA 内核优化知识自动迁移到 Apple Silicon。在注意力内核上达到原生 MLX 实现 0.97x 性能，在 Mamba SSM 内核上相比社区 mlx-lm 实现获得最高约 20 倍 prefill 加速。
推荐理由：原文展示了如何把 CUDA 内核优化经验自动迁移到 Apple Silicon，并给出注意力与 Mamba 内核的具体加速数据。
Berkeley AI Research精选AI 评分6262 ABBEL：用自然语言信念状态监督提升长程交互的摘要学习效率
Berkeley AI Research 提出 ABBEL 框架，将递归摘要建模为自然语言信念状态并对其内容进行监督，以提升长程交互中的学习效率。在 CollabBench 协作编码中，基于重建的信念评分将全上下文模型的性能差距缩小约一半，训练步数从 100 减至 50；在 Combination Lock 中，结合领域知识的评分器使学习效率超过全上下文模型。
推荐理由：原文给出了 ABBEL 框架在三个环境上的量化结果，读者可据此判断信念状态监督相比传统递归摘要的实际收益。
Google Research精选AI 评分6262 Google Research 发布 SymptomAI 研究：对话式 AI 智能体用于日常症状评估
Google Research 发布 SymptomAI 研究，在 n=13,917 的全国随机对照中，让参与者与五种 Gemini Flash 2.0 SymptomAI 智能体交互，并由临床专家盲评其鉴别诊断（DDx）表现。
推荐理由：原文给出了大规模随机对照结果和可穿戴生物信号佐证，读者可据此评估对话式AI症状评估的真实水平。
Google Research精选AI 评分6060 Google Research 在 Nature 发表论文：强化学习让量子计算机从错误中学习
Google Research 在 Nature 发表论文，提出用强化学习框架让自主智能体从量子错误检测中持续学习，动态调控数千个控制参数，在计算过程中稳定量子系统对抗漂移。在 Willow 处理器上，该方法将逻辑稳定性提升 3.5 倍，并在专家校准后进一步将逻辑错误率降低 20%。
推荐理由：原文展示了强化学习如何让量子计算机在运行中持续校准，读者可借此理解机器学习在量子纠错中的新角色。
Google ResearchAI 评分3838 扩散模型的创造力从何而来：Google 研究揭示“分数平滑”机制
Google Research 在 ICLR 2026 发表论文，从数学上解释扩散模型的“创造力”并非偶然，而是源于神经网络训练中正则化导致的“分数平滑”效应。该效应使模型在去噪过程中生成训练数据点之间的插值样本，而非简单记忆。研究还发现，即使不显式使用权重衰减，梯度算法带来的隐式正则化也能产生同样效果。
Hugging Face Blog精选AI 评分6262 Hugging Face 推出 Real World VoiceEQ 语音 AI 评测基准
Hugging Face 推出 Real World VoiceEQ 基准，用于评估语音 AI 交互的人类质量，覆盖 40 多个主流开源与专有语音模型、15 项以上评测维度和 60 多项指标，基于超过 100 万条人工评分构建。评测发现语音模型在听与说能力上分化明显，传统基准可能高估真实表现，且语音语言模型尚不能完全替代人工评测。
推荐理由：原文给出了新基准的规模、维度与关键发现，读者可据此判断现有语音模型评测的盲区。
Google Research精选AI 评分7070 Google Research 发布 SensorFM，用一万亿分钟可穿戴数据训练通用健康传感器基础模型
Google Research 发布 SensorFM，一个基于超过一万亿分钟、来自五百万名同意参与者的多模态可穿戴数据预训练的大型传感器基础模型。SensorFM 通过自监督重建学习，可跨心血管、代谢、睡眠和心理健康等任务迁移，在 35 项健康任务中 34 项优于特征工程监督基线。模型还结合了智能体课堂自动构建预测头，并能支撑个人健康智能体的端到端应用。
推荐理由：原文给出了一万亿分钟级可穿戴数据训练的通用传感器基础模型，读者可据此判断它能否替代单任务健康模型。
Google Research精选AI 评分6262 Google Research 在 Nature Cities 发表城市拥堵缓解实验
Google Research 在 Nature Cities 发表研究，通过在 10 个美国城市开展为期六个月的切换实验，仅协调不到 2% 的行程改走相似耗时路线，就使目标路段车速中位数提升约 2%，燃油消耗率中位数下降 0.5% 至 1.0%，并估算每城每年可减少数千吨 CO2e 排放。该研究为从个体路线优化走向全网络协同路由提供了实验框架。
推荐理由：原文给出了首个大规模真实城市路由干预实验的方法与量化结果，读者可据此评估导航平台协调交通的实际收益。
Hugging Face Blog精选AI 评分6262 IBM 发布 ScarfBench，用于评测 AI 智能体的企业 Java 框架迁移能力
IBM 研究院发布开源基准 ScarfBench，用于评测 AI 智能体在企业 Java 跨框架迁移任务中的表现，覆盖 Spring、Jakarta EE 和 Quarkus 三大生态。基准包含 34 个应用、102 个框架实现和 204 个迁移任务，要求迁移后的应用能成功构建、部署并通过行为验证。评测显示当前最强智能体的行为成功率不足 10%，且智能体自报的构建成功与独立验证结果存在明显偏差。
推荐理由：原文给出了基准的规模、评测方式和当前智能体表现，读者可据此判断企业级框架迁移任务的真实难度。
Hugging Face BlogAI 评分3737 DiScoFormer：一个 Transformer 同时估计密度与分数，跨分布通用
Hugging Face 团队提出 DiScoFormer（Density and Score Transformer），单个模型在一次前向传播中即可估计任意数据集的密度与分数，无需针对每个分布重新训练。
Google Research精选AI 评分6060 Google Research 用冻结多 token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 宣布一种新架构，将多 token 预测（MTP）头附加到冻结的 Gemini Nano v3 模型上，以加速 Pixel 9 和 10 系列上的端侧推理。相比独立草稿模型，MTP 在 Pixel 9 上带来 50% 或以上的速度提升，并节省约 130MB 内存，同时保持输出与主模型逐位一致。该方案已用于 AI 通知摘要和校对等功能，减少能耗并提升电池续航。
推荐理由：原文给出冻结骨干加 MTP 头的端侧加速方案，读者可据此判断其相对独立草稿模型的效率优势。
Google ResearchAI 评分4747 线性弹性缓存如何优化云成本：Google 将页面驱逐建模为滑雪租赁问题
Google 在 CIDR 论文中提出线性弹性缓存，将页面驱逐建模为滑雪租赁问题，用轻量级机器学习动态调整缓存大小，以最小化缓存总拥有成本。集成到 Spanner 生产环境后，内存使用减少 15.5%，缓存未命中仅增加 5.5%，TCO 降低约 5%，且 I/O 成本影响仅 0.5%。该方法将驱逐策略与“租赁时长”分离，通过浅层决策树预测 TTL，并已在公开缓存轨迹上验证。
Google Research精选AI 评分6060 Google Research 揭示推理如何解锁 LLM 参数化知识
Google Research 在 COLM 2026 发表的论文中，通过受控实验证明允许模型生成推理轨迹能解锁原本无法获取的正确事实答案。研究识别出计算缓冲和事实启动两种互补机制，并发现推理轨迹中若含单个幻觉中间事实会显著降低最终答案正确率。基于此，研究提出在测试时优先保留无幻觉事实的推理轨迹可提升准确率，并建议训练时用过程奖励鼓励事实支持的中间步骤。
推荐理由：原文用受控实验拆解了推理为何能解锁参数化知识，并给出可落地的训练优化方向。
Google ResearchAI 评分5252 Google 发布英国细粒度生态特征向量化数据集
Google Research 发布向量化数据集，将英格兰的树篱、石墙和小林地等细粒度生态特征从像素地图转化为可操作的清单，供土地所有者与保护机构测量和扩展这些特征。该数据集基于预训练于 3 亿张卫星图像的 ViT 模型微调，并用 Polsby-Popper 紧致度评分对几何形状分类，通过 Google Earth Engine 并行处理覆盖超 13 万平方公里的区域。
Google Research精选AI 评分6262 Google Research 发布AI辅助皮肤问题理解研究
Google Research 发布两项关于AI辅助用户理解皮肤问题的研究。一项发表于 JAMA Dermatology 的量化研究显示，使用AI工具时参与者命名皮肤状况的准确率约为对照组的三倍（23% vs 8%），但确定下一步医疗行动的能力提升不显著。另一项与斯坦福医疗AI团队合作的真实世界研究显示，使用应用后参与者命名状况的能力提升260%，临床医生认为预测与自身评估一致的比例为86%。
推荐理由：原文给出两项研究的具体数据，读者可据此判断AI辅助皮肤问题识别对用户理解的实际增益与局限。
Google ResearchAI 评分4040 Google Research 提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用于更灵敏、灵活、准确地审计机器学习模型的“遗忘”效果。该框架通过相对距离测试和自适应超参数选择，理论上可控制任意样本量下的假阳性，并随样本增加将假阴性风险收敛至零。实验涵盖合成基准与高能物理数据集 Expo1D 异常检测任务。
Google DeepMind精选AI 评分6262 Google DeepMind 发布塞拉利昂AI辅助学习试验结果
Google DeepMind 发布在塞拉利昂进行的预注册试验结果，显示使用 Guided Learning 的学生数学成绩比对照组提升 +0.258 个标准差，相当于八周内约 1.2 至 1.7 年的典型学习进步。
推荐理由：原文给出了预注册试验的量化结果和交互数据，读者可以据此判断AI辅助教学的实际效果与局限。
Google Research精选AI 评分6262 Google 在 Nature 发表论文：用手机前置摄像头实现被动心率监测
Google Research 在 Nature 发表论文，介绍被动心率监测系统 PHRM，利用手机前置摄像头在面部解锁后拍摄视频，通过深度学习估计心率，MAPE 小于 10%，并估算每日静息心率，MAE 小于 5 bpm，准确度达到可穿戴设备水平。
推荐理由：原文给出了PHRM系统的技术路线、跨肤色准确率数据和公开数据集，读者可据此评估被动心率监测的可行性与局限。
Google Research精选AI 评分6060 Google 提出零信任聚合方案，为端侧 AI 提供隐私保护分析
Google 研究团队提出一种零信任聚合方案，用于端侧 AI 的隐私保护分析。该方案结合新型格基密码协议与可信执行环境（TEE），支持单次消息提交，无需设备长时间在线，并确保 Google 只能获得匿名聚合结果。Android SafetyCore 将采用该方案评估安全模型效果，同时保证用户内容仅存于设备端。
推荐理由：原文给出了一种结合密码学与TEE的多层防护设计，读者可据此理解零信任聚合如何兼顾效率与隐私。
Mistral AIAI 评分5050 Mistral 收购 Emmi AI，押注物理 AI 研究
Mistral 收购 Emmi AI，专注为航空航天、汽车、半导体和能源等行业构建基础物理 AI。相关成果包括用于跨声速 3D 机翼 CFD 模拟的约 30,000 个样本数据集、AB-UPT 模型（单 GPU 可处理 9M 表面和 140M 体积单元），以及 NeuralDEM 等实时工业过程仿真工具。
Google DeepMind精选AI 评分6262 Co-Scientist 助力发现肝纤维化重定位药物
斯坦福大学遗传学家 Gary Peltz 使用 Google DeepMind 的 Co-Scientist 从现有药物文献中筛选肝纤维化候选药物，在活体人类肝细胞测试中，Co-Scientist 选出的三种候选药有两种能阻断纤维化并促进肝细胞再生，其中抗癌药 vorinostat 阻断了 91% 的损伤反应，而 Peltz 自行挑选的两种药物均未见效果。
推荐理由：原文呈现了AI智能体在药物重定位中的具体实验结果，读者可据此评估其在该领域的实际价值。
Berkeley AI Research精选AI 评分6262 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布综述，系统梳理自适应并行推理（APR）范式：让模型自行决定何时并行、开多少线程及如何协调，以缓解顺序推理在上下文长度、延迟和计算上的瓶颈。文章对比了 Multiverse、ThreadWeaver、Parallel-R1、NPR 等方法在推理引擎改造、训练奖励设计上的差异，并指出并行化是否在测试时稳定提升准确率仍是开放问题。
推荐理由：梳理自适应并行推理这一新范式的动机、方法与推理系统实现，并对比各方法的奖励设计与评估取向。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 研究计划，探索医疗AI协作模式
Google DeepMind 宣布 AI co-clinician 研究计划，探索AI作为护理团队协作成员、在医生临床监督下与患者互动的模式。在98个真实初级保健查询的盲评中，系统在97例中零关键错误，优于两个常用AI系统；在OpenFDA的RxQA开放式药物问答中超越前沿模型。
推荐理由：原文给出了AI co-clinician在证据综合、药物问答和远程医疗模拟中的具体评测结果，读者可据此判断医疗AI当前的能力边界。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Decoupled DiLoCo 架构，实现跨数据中心低带宽容错训练
Google DeepMind 发布新论文，提出 Decoupled DiLoCo 分布式训练架构，将训练拆分为解耦的计算孤岛，通过异步数据流隔离局部故障，使系统在硬件故障时仍能保持高可用性。实测中，该架构用 2-5 Gbps 带宽在四个美国区域成功训练了 120 亿参数模型，速度比传统同步方法快 20 倍以上，并支持混用 TPU v6e 和 TPU v5p 等不同代际硬件。
推荐理由：原文给出了跨数据中心训练的新架构及其在带宽、容错和硬件混用上的实测结果，读者可据此评估分布式训练的新路径。
Google Research精选AI 评分6060 Google Research 提出 ReasoningBank 智能体记忆框架，从成功与失败经验中提炼推理模式
Google Research 在 ICLR 论文中提出 ReasoningBank，一种从成功和失败经验中提炼高层结构化推理记忆的智能体框架，用于测试时自我进化。
推荐理由：原文给出了 ReasoningBank 在 WebArena 和 SWE-Bench-Verified 上的成功率与效率提升数据，读者可据此判断该记忆框架的实际收益。
Berkeley AI ResearchAI 评分4040 GRASP：面向更长视野世界模型的梯度规划方法
GRASP 是一种面向学习型动力学（世界模型）的新型梯度规划器，通过将轨迹提升至虚拟状态实现跨时间并行优化、直接向状态迭代添加随机性以增强探索，并重塑梯度以避免高维视觉模型中的脆弱“状态输入”梯度，使长视野规划变得实用。
Google Research精选AI 评分6262 Google 研究提出 Simula 框架，用推理优先方法设计合成数据集
Google Research 在 TMLR 发表论文，提出推理优先的合成数据生成框架 Simula，将数据生成分解为全局多样化、局部多样化、复杂化和质量检查四个可控轴，并引入基于推理的评测指标。
推荐理由：原文把合成数据生成重构为机制设计问题，并给出可独立控制的四个轴，读者可据此评估这类方法在生产场景的适用边界。
Google ResearchAI 评分4242 Google Research 用 AI 合成神经元加速脑图谱重建，误差降低 4.4%
Google Research 开发 MoGen 模型，用合成神经元形状改进 AI 重建模型 PATHFINDER，将重建误差降低 4.4%，主要来自合并错误率下降。在完整小鼠脑尺度上，这一改进相当于节省 157 人年的手动校对工作量。MoGen 已作为开源模型发布，并训练了斑胸草雀和果蝇神经元版本。
Google ResearchAI 评分4040 ConvApparel：量化并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel，一个包含超 4,000 段人机多轮对话（近 15,000 轮）的服装购物领域数据集，用于量化 LLM 用户模拟器的真实感差距。
Google ResearchAI 评分4242 Google Research 推出 PaperVizAgent 与 ScholarPeer 两个 AI 智能体，改进学术图表生成与同行评审
Google Research 推出两个智能体框架：PaperVizAgent 用于从学术文本生成出版级图表，ScholarPeer 用于自动化严格评审论文。
Google Research精选AI 评分6262 Google Research 提出评估 LLM 行为倾向对齐的框架
Google Research 发布论文《Evaluating alignment of behavioral dispositions in LLMs》，提出一个基于心理学问卷和情境判断测试的框架，评估25个LLM在现实场景中的行为倾向与人类共识的对齐程度。
推荐理由：原文用25个LLM的实测数据展示了模型行为与人类共识之间的两类差距，读者可据此理解当前对齐评估的局限。
Google Research精选AI 评分6262 Google Research 研究：AI 基准评测需要多少标注者才够
Google Research 发表论文《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》，研究可复现机器学习评测中条目数与每条目评分人数之间的权衡。
推荐理由：原文用真实数据集模拟了标注预算在条目数与每条目评分人数之间的最优分配，读者可据此重新评估自己评测数据的标注策略。
Google Research精选AI 评分7575 Google 发布白皮书：未来量子计算机或能以更少资源破解加密货币加密
Google Research 发布白皮书，估算未来量子计算机破解保护加密货币的 256 位椭圆曲线离散对数问题（ECDLP-256）所需的量子资源，发现所需量子比特和门数低于此前认知。
推荐理由：原文给出了量子计算机破解椭圆曲线加密所需资源的最新估算，并说明了零知识证明披露方式，读者可据此评估加密货币迁移到后量子加密的紧迫性。
Google ResearchAI 评分5050 TurboQuant：以极致压缩重新定义 AI 效率
Google Research 推出压缩算法 TurboQuant，通过结合 PolarQuant 与 QJL 技术，在实现高压缩率的同时保持零精度损失，旨在解决向量量化中的内存开销问题，并缓解 KV 缓存瓶颈。
Google ResearchAI 评分3838 S2Vec：谷歌如何用自监督框架学习城市“语言”
Google Research 推出 S2Vec，一个用于学习建成环境通用嵌入向量的自监督框架。它通过 S2 Geometry 分区和特征栅格化将地理数据转化为多层图像，再用掩码自编码（MAE）学习位置特征，无需人工标注即可预测人口密度、收入等社会经济指标。评测中，S2Vec 在零样本地理泛化任务上表现最佳，与图像嵌入融合后效果更优。
Google Research精选AI 评分7878 Google Research 发表两项研究：AI 辅助乳腺癌筛查可提升检出率并减少人工阅读量
Google Research 与英国 NHS 合作开展 AIMS 研究，在 Nature Cancer 发表两项研究评估 AI 乳腺癌检测系统。
推荐理由：原文给出了AI系统在乳腺癌筛查中的敏感度提升、漏检癌症检出比例和人工阅读量节省幅度，读者可据此评估AI辅助筛查的实际价值。
Google ResearchAI 评分5454 Google 联合康奈尔评估六款大模型回答高温超导研究问题的能力
Google Research 与康奈尔大学合作发表论文，评估六款大模型回答高温超导领域专家级问题的能力。