Atria 团队发布智能体参与模型开发的研究：人类仍掌握最终决策
Atria 团队发布研究，记录开发 7440 亿参数混合专家模型 Atria Dawn Preview 过程中人类与智能体的分工。AI 参与了 96.5% 的任务，约三分之一的任务离开 AI 无法完成，但人类在 85.5% 的方法与参数决策和 93.4% 的目标决策中拥有最终决定权。研究指出智能体从研究对象演变为项目伙伴，递归自我改进仍是开放问题。
#数据/训练
#数据/训练
今日 1 条The DecoderAI 评分6262
Microsoft Research精选AI 评分6262 微软发布逆合成预测模型 RetroChimera，论文发表于 Nature
微软研究团队在 Nature 发表逆合成预测模型 RetroChimera，结合 Transformer 模型 R-SMILES 2 与图神经网络模型 NeuralLoc，通过学习排序整合两者预测。盲测中博士级化学家更偏好其单步反应预测，多步合成路线在十个挑战性目标中成功九个。模型已开源（MIT 许可），并可通过 Microsoft Foundry 访问。
推荐理由：原文给出了模型架构、开源信息和专家盲测结果，读者可据此判断它在逆合成预测上的实际表现。
Google ResearchAI 评分3838 MilleMiglia：面向中段物流的现实实例生成器
Google Research 推出 MilleMiglia，一个用 C++ 编写的实例生成器，旨在为中间一英里配送问题创建现实基准。该工具模拟中段物流中货物在区域配送中心间的批量运输与多车接力，生成隐私保护数据，弥补该领域公开高质量数据的缺失。源代码与文档已发布于 GitHub。
Google ResearchAI 评分3838 绕过推理瓶颈：Google 用 Retrieve-for-Train 加速复杂 AI 搜索
Google 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，用离线强化学习将属性对齐的查询扇出编译为监督信号，并蒸馏进 53.9M 参数的扩散检索器，实现单次非自回归推理，无需测试时思维 token。该方法在 Gemma3-4B 和 Qwen3-4B 上微调，解决零样本 LLM 的释义坍缩与自回归延迟瓶颈。
Google ResearchAI 评分4242 ToolGrad：用文本“梯度”高效生成工具使用数据集
Google Research 在 ACL 2026 提出 ToolGrad，一种“答案优先”的工具使用数据集生成方法，先生成真实工具调用链再标注用户提示，相比传统 DFS 方法成本更低且能生成更复杂的数据。
Google ResearchAI 评分5252 Google Research 研究：跨人群基因组预测中迁移学习并非样本越多越好
Google Research 发布一项研究，系统评估了多基因风险评分（PRS）在非欧洲人群中的跨人群迁移表现。实验利用 UK Biobank（UKB）欧洲人群与 Biobank Japan（BBJ）近 20 万日本样本，对八种临床性状进行消融分析。
Google Research精选AI 评分6262 Google 与 HHMI Janelia 发布完整雄性果蝇脑图谱
Google Research 与 HHMI Janelia 等合作方在 Cell 发表论文，发布完整雄性果蝇脑与中枢神经系统连接组图谱，含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今神经元数量最大的脑图谱。该图谱经人工校验，可通过开源工具 Neuroglancer 查看和下载，并与雌性果蝇图谱互补，用于研究两性差异及个体间变异性。
推荐理由：原文给出了迄今最大的脑图谱及其开放下载入口，读者可据此了解连接组学方法的最新进展。
Google Research精选AI 评分6262 Google 与 NASA JPL 发布 MAPL-EMIT：用深度学习从太空绘制全球甲烷排放
Google Research 与 NASA JPL 合作发表 PNAS 论文，提出 MAPL-EMIT 深度学习框架，基于 Swin-S vision transformer 处理 EMIT 高光谱数据，可同时完成甲烷羽流增强量化、羽流分割和源定位。
推荐理由：原文给出了模型架构、训练方法和实测召回率，读者可据此评估这套深度学习方案在甲烷点源监测上的实际能力。
Google ResearchAI 评分4545 GlucoFM：面向连续血糖监测的双流基础模型
Google Research 推出 GlucoFM，一种面向连续血糖监测（CGM）的自监督基础模型，采用双流设计分离缓慢血糖趋势与短期波动。在四个队列、七项临床预测任务的 14 项评估中，GlucoFM 的平均 PR-AUC 比最优 GluFormer 变体高 5.8 个百分点，并在所有糖尿病风险和 β 细胞功能障碍评估中领先。
Hugging Face Blog精选AI 评分6262 Quantization-Aware Healing 论文：4-bit 压缩模型在 7/9 基准上超越其全精度原版
Multiverse Computing 发布论文《Quantization-Aware Healing》，提出从压缩前原模型直接蒸馏的修复方法，应用于 GPT-OSS 120B 压缩至 60B 并量化到 MXFP4 后，在 7/9 基准上超越其 bfloat16 版本，其中长上下文推理 +7.4、数学 +5.6。
推荐理由：论文提出从压缩前原模型蒸馏的修复方法，让 4-bit 模型在多数基准上反超自身 bfloat16 版本，并对比了与 QAT 的稳定性差异。
Google ResearchAI 评分5454 Google Research 推出 Biomarker Discovery Framework，用多智能体系统从可穿戴数据中筛选候选生物标志物
Google Research 推出 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序构建为迭代研究循环的多智能体系统。
Google ResearchAI 评分4242 移动性如何让语言模型更深入地理解地点
Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将聚合的匿名移动模式（如到达时间、停留时长）与文本描述结合，为地点构建动态嵌入。该框架在公开基准上使访问意图预测相对提升 81.9%，价格等级分类提升 75.1%，繁忙度估计提升 24.7%。ME-POIs 通过空间多尺度传播解决数据稀疏问题，并将移动性从预测任务转为定义地点本身的输入特征。
Microsoft Research精选AI 评分6262 微软研究院发布 Skala 1.1，扩展 DFT 精度与软件集成
微软研究院发布深度学习 DFT 泛函 Skala 1.1，训练数据量为此前版本的 2.5 倍，在 GMTKN55 基准的 55 个类别中 32 项排名第一，加权平均误差为 2.8 kcal/mol，精度超越主流全局杂化泛函。Skala 现已集成至 CP2K，并正在集成到 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续更新的性能基准报告。
推荐理由：微软研究院发布 Skala 1.1，训练数据扩充 2.5 倍，并推进多款量子化学软件的集成，读者可据此评估其精度与可用性。
Google Research精选AI 评分6262 Google Research 发布 PhotoScan：用智能手机照片估算体脂率与胰岛素抵抗风险
Google Research 推出 PhotoScan，一个基于深度学习的研究框架，可从标准 2D 智能手机照片估算三维身体成分指标，包括体脂率（BF%）、A/G 比值和 V/S 比值。
推荐理由：原文给出了PhotoScan在体脂率、A/G和V/S比值上的误差数据，以及相比智能手表BIA和DXA的预测能力对比，读者可据此判断智能手机影像估算代谢风险的可行性。
Hugging Face Blog精选AI 评分6262 Multiverse Computing 提出高效知识蒸馏方法，将长上下文蒸馏压缩到单 GPU 可运行
Multiverse Computing 发布论文《Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss》，通过缓存教师模型 top-100 logits 和融合分块 KL 损失，避免同时加载教师与学生模型，也无需物化完整的词表×序列长度矩阵。
推荐理由：原文给出了离线蒸馏和融合分块 KL 损失的实现与内存对比，读者可据此评估在单卡上做长上下文蒸馏的可行性。
Google DeepMind精选AI 评分8282 Google DeepMind 开源 WeatherNext 模型，气旋预报精度提升一天
Google DeepMind 在 Nature 发表论文并开源 WeatherNext 2 和 WeatherNext Cyclones 模型，其气旋预报精度达到 SOTA，平均比此前模型多出一天以上的提前量，相当于气象学约十年的进步。
推荐理由：原文给出了模型精度提升、开源范围和实际应用案例，读者可以据此判断该模型对气象预报领域的具体价值。
Microsoft Research精选AI 评分8080 微软开源 Orchard 智能体训练框架，Orchard-SWE 在 SWE-bench Verified 达 69.7%
微软研究院开源 Orchard，一个面向可扩展智能体 AI 研究的框架，核心是 Kubernetes 环境服务 Orchard Env，支持软件工程、网页导航和个人助理三类智能体，并可直接在 Codex、OpenClaw 等真实部署 harness 中训练。
推荐理由：原文给出了开源框架、三个训练配方和关键基准成绩，读者可据此判断小模型在真实部署环境中的训练路径是否可复用。
Google Research精选AI 评分6262 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。
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。
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。
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。
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 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 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 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 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。
Berkeley AI ResearchAI 评分3838 SPEX 与 ProxySPEX：面向 LLM 的大规模交互识别算法
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中的关键交互。SPEX 利用稀疏性和低阶性将搜索问题转化为稀疏恢复问题，在数千特征规模下保持高忠实度；ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融次数达到与 SPEX 相当的性能。
Google Research精选AI 评分6262 Google Research 发布 WAXAL 非洲语言语音数据集，覆盖 27 种语言
Google Research 发布 WAXAL，一个开放获取的非洲语言语音数据集，初始覆盖 27 种撒哈拉以南非洲语言，包含约 1,846 小时 ASR 转写语音和超过 565 小时 TTS 高保真录音，采用 CC-BY-4.0 许可。数据由非洲学术和社区组织主导收集，旨在赋能区域 AI 生态，构建更贴合当地语言多样性的语音系统。
推荐理由：原文给出了数据规模、许可方式和合作模式，读者可以据此判断它如何缓解非洲语言语音数据稀缺问题。