Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，通过轻量附加网络在不改动基座模型权重的前提下引导生成。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持黑盒、灰盒模型的微调。
#图像生成
#图像生成
今日 0 条Google ResearchAI 评分4242
Google ResearchAI 评分3131 Google Research 揭示扩散模型创造力来源：分数平滑如何促成插值生成
Google Research 在 ICLR 2026 论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》中证明，扩散模型的创造力并非随机偶然，而是神经网络训练中权重衰减等正则化带来的"分数平滑"所致。
Google ResearchAI 评分3636 Google Research 研究 AI 如何帮助用户理解皮肤问题
Google Research 公布两项关于 AI 辅助皮肤问题理解的研究，其中发表于 JAMA Dermatology 的论文让 2,345 名参与者分别使用标准搜索、AI 工具和"Wizard of Oz"工具，AI 组尝试命名皮肤状况的比例超 62%（对照组 41%），命名准确率 23%，约为对照组 8% 的近三倍。
Google ResearchAI 评分3838 Google 推出 PaperVizAgent 与 ScholarPeer 两个学术 AI 智能体
Google 发布两个学术智能体框架：PaperVizAgent 负责生成论文配图，ScholarPeer 负责自动同行评审。PaperVizAgent 由检索、规划、风格、可视化、评审五个智能体协作，在 0-100 分评测中整体得分 60.2，超过 GPT-Image-1.5、Nano-Banana-Pro、Paper2Any 等基线，也是唯一超过 50.0 人类基线的框架。
Berkeley AI ResearchAI 评分2626 Berkeley AI Research 提出信息驱动成像系统设计框架，登 NeurIPS 2025
Berkeley AI Research 提出一种基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，在彩色摄影、射电天文、无透镜成像和显微镜四个领域预测解码器性能。该方法用已知噪声物理直接计算 H(Y|X)，仅需学习 H(Y)，优化后的设计在更少内存和算力、无需任务专用解码器的情况下达到与端到端方法相当的水平。