Google Research 提出 Science One Framework 与 Chain-of-Evidence 可验证研究框架
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并落地为自主研究原型 Science One Framework 与自动化评估指标 CoE Audit。
推荐理由：原文给出可验证性框架与审计指标，并对比基线系统的引用幻觉与代码文本错位问题。
#论文/研究
#论文/研究
今日 1 条Google Research精选AI 评分6060
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核经验迁移到 Apple Silicon。
推荐理由：K-Search 把 CUDA 内核优化经验迁移到 Apple Silicon，给出了注意力与 Mamba 两类内核的实测数据。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以替代完整交互历史作为智能体工作上下文。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也低于全上下文设置。
Google ResearchAI 评分5858 Google 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体研究
Google Research 发布 SymptomAI 研究，让 13917 名参与者与五个基于 Gemini Flash 2.0 的对话式智能体进行症状问诊，并生成鉴别诊断（DDx）。
Google Research精选AI 评分6262 Google Research 用强化学习让量子计算机从错误中持续校准
Google Research 在 Nature 发表研究，提出用强化学习框架让智能体从量子纠错检测事件中学习，在计算进行时持续调整数千个控制参数以对抗漂移。在 Willow 超导处理器上，该方法将纠错码的逻辑稳定性提升 3.5 倍，并在专家校准基础上进一步把逻辑错误率降低 20%，使 surface code 的逻辑错误降至每千次纠错周期少于一次。
推荐理由：Google 用强化学习让量子处理器在计算过程中持续校准，读者可了解纠错与校准解耦这一瓶颈的破解思路。
Hugging Face BlogAI 评分2222 新模型更强，优势依旧：DharmaOCR 在巴西葡萄牙语 OCR 上仍领先 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语 OCR 基准上以 0.925 分领先 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587，后两者分别低约 13 分和 16 分。该模型经葡萄牙语监督微调与 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，以换取领域内更高的提取质量与更低的退化率。
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。
Hugging Face BlogAI 评分5858 Hume 发布 Real World VoiceEQ 语音 AI 人类质量评测基准
Hume 发布 Real World VoiceEQ 基准，用于评估语音 AI 的人类交互质量，覆盖 40 多个专有与开源语音模型、15 个以上评估维度和 60 多项指标。该基准基于超 100 万条人类评分构建，包含 785,000 条 TTS 评分和 48,000 条 STS 评分。评测发现语音模型在说话上优于倾听，部分系统仍以文本转录为主，忽略语调、停顿和情感等副语言线索。
Google Research精选AI 评分6060 Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型
Google Research 发布 SensorFM，一个从可穿戴数据直接学习的大规模传感器基础模型，预训练语料超过一万亿分钟多模态信号，来自五百万名同意参与者、覆盖 100 多个国家和 20 多款 Fitbit 与 Pixel Watch 设备。
推荐理由：Google 用五百万人的可穿戴数据预训练通用生理表征，读者可了解其自监督缺失感知设计与跨任务泛化表现。
Google Research精选AI 评分6262 Google Research 在 10 座美国城市实验导航协同分流缓解拥堵
Google Research 在 Nature Cities 发表研究，在 10 座美国城市开展为期六个月的实验，通过修改 Google Maps 算法将遇到预设拥堵路段的行程引导至耗时相近的替代路线，仅不到 2% 的行程收到改道建议。
推荐理由：Google Research 在 10 座美国城市做了为期半月的真实路网实验，读者可了解协同导航对全城车速与排放的实际影响。
Berkeley AI ResearchAI 评分1212 Berkeley BAIR 实验室 2026 届博士毕业生展示
Berkeley BAIR 实验室展示 2026 届博士毕业生，研究方向覆盖机器人、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for science 与医疗等领域。毕业生去向包括 OpenAI、Mistral AI、Amazon、Physical Intelligence 等机构，以及 UCLA、普林斯顿 CITP 和芝加哥大学等学术岗位。
Hugging Face BlogAI 评分3737 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布开源基准 ScarfBench，用于评测 AI 智能体在企业 Java 跨框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、102 个框架实现、204 项迁移任务和 1331 个专家测试。
Google Research精选AI 评分6060 Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano
Google Research 发布新架构，把多 Token 预测（MTP）头接到已冻结的 Gemini Nano v3 上，在 Pixel 9 和 10 系列上实现开箱即用的推理加速。
推荐理由：Google 把 MTP 头接到冻结的 Gemini Nano v3 上，给出端侧推理提速与省内存的具体做法，可看移动端部署思路。
Google ResearchAI 评分2222 Google 用线性弹性缓存优化云成本，Spanner 内存用量降 15.5%
Google Research 提出线性弹性缓存，把页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小，在 Spanner 生产环境实测内存用量降低 15.5%、缓存未命中仅增 5.5%、TCO 降约 5%。该方案用浅层决策树为每个页面预测 TTL，缓存写满时仍由 LRU 兜底，并已在公开缓存 trace 上验证。
Google ResearchAI 评分3131 Google Research 研究：推理如何解锁 LLM 的参数化知识
Google Research 在 COLM 2026 发表的论文揭示，让模型生成推理轨迹能解锁原本无法触及的参数化知识，即使面对简单单跳事实问题。研究在 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 上验证，发现两个机制：计算缓冲效应（用无意义文本填充推理长度也能提升召回）和事实启动（生成相关事实为正确答案做语义预热）。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI Control Roadmap，为智能体部署加装系统级安全层
Google DeepMind 发布 AI Control Roadmap，提出在模型对齐之外增加系统级安全层，把内部智能体当作潜在未对齐对象来管理。该框架借鉴 MITRE ATT&CK 做 AI 威胁建模，用可信 AI 作为监督者审查智能体的推理与行动，并以覆盖率、召回率和响应时间三项指标衡量监控效果。
推荐理由：Google DeepMind 公开内部 AI Control 路线图，给出威胁建模、监控指标与分级响应框架，可了解大厂如何为智能体部署加一层系统级安全。
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3232 Google Research 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用相对距离检验判断遗忘后的模型在分布上更接近安全重训模型还是原始受损模型。
Google DeepMind精选AI 评分6262 Google DeepMind 公布塞拉利昂 AI 学习试验结果
Google DeepMind 公布在塞拉利昂开展的预注册随机对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度。
推荐理由：原文给出塞拉利昂随机对照试验的量化结果与交互数据，可了解 AI 辅助教学的实际效果与局限。
Google Research精选AI 评分6767 Google 研究用手机前摄被动监测心率与静息心率
Google 在 Nature 发表 PHRM 研究系统，利用手机前摄在面部解锁后拍摄 8 秒视频，通过深度学习估算心率，与 ECG 相比 MAPE 低于 10%，覆盖所有肤色。
推荐理由：Google 用手机前摄在解锁后被动测心率，论文给出跨肤色误差数据与公开数据集，可了解 rPPG 落地进展。
Google ResearchAI 评分3434 Google 推出零信任聚合的隐私分析方案
Google 为隐私分析服务推出零信任聚合方案，结合新型单次消息加密聚合协议与 TEE，让设备无需多轮在线即可安全提交数据。该设计使 Google 只能获得人群的匿名聚合洞察，原始数据即使在硬件保护范围内也不会被暴露或重建，并通过 TEE 远程认证向参与者证明协议按公开代码正确执行。
Mistral AIAI 评分4040 Mistral 收购 Emmi AI 后加码物理 AI 研究，覆盖航空航天、汽车、半导体与能源
Mistral 收购 Emmi AI，并加倍投入面向航空航天、汽车、半导体和能源等实体产业的物理 AI 基础研究。其成果包括 AB-UPT 可在单张 GPU 上处理 9M 表面和 140M 体积网格的原始几何、无需重新划分网格，以及面向 3D 机翼跨声速流场、约 30,000 个样本的 CFD 数据集。
Google DeepMind精选AI 评分6060 Google DeepMind 用 Co-Scientist 加速细胞衰老逆转研究
Google DeepMind 发布博客介绍，生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室使用 Co-Scientist 辅助逆转细胞衰老研究。
推荐理由：Google DeepMind 官方披露 Co-Scientist 在衰老研究中的实际用法，读者可看到 AI 如何压缩文献筛选与数据分析周期。
Google DeepMindAI 评分2222 剑桥大学团队用 Co-Scientist 寻找跨物种传染病的分子开关
剑桥大学教授 Clare Bryant 正用 Google DeepMind 的 Co-Scientist 寻找病原体跨物种传播引发脓毒症等重症的分子开关。Co-Scientist 从她的流感基金申请中生成并排序假设，优先锁定了一个她此前未关注的蛋白，并随数据补充将假设细化到具体氨基酸。Bryant 团队正构建携带氨基酸突变的细胞系验证，原本需两到三年的工作有望在六个月内完成。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 如何助力 Calico 探索衰老研究新路径
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现，并将其转化为可验证的假设。
Google DeepMindAI 评分2828 Google Co-Scientist 加速肝病机制发现，提出 MASH 组合疗法新假设
爱丁堡大学团队用 Google Co-Scientist 研究 MASH 肝病，系统整合肝脏生物学与药理学证据，提出 NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁，该假设随后经实验验证。团队借此从海量潜在药物组合中筛选出可测试的候选联合疗法，并尝试解释 resmetirom 为何仅对少数符合条件的 MASH 患者有效。
Google DeepMindAI 评分3636 Google Co-Scientist 助力发现肝纤维化再利用药物，vorinostat 阻断 91% 损伤反应
斯坦福大学医学院遗传学家 Gary Peltz 团队用 Google Co-Scientist 从已有药物文献中筛选肝纤维化候选药，其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生，而 Peltz 自己挑选的 2 个药物均无效。表现最突出的是抗癌药 vorinostat，阻断了 91% 可驱动肝硬化的损伤反应。相关研究已发表于 Advanced Science。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Co-Scientist 多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 的多智能体系统，可迭代生成、辩论和演化科学假设，并通过“想法锦标赛”以 Elo 排名筛选最优假设。
推荐理由：DeepMind 公开 Co-Scientist 的多智能体架构与真实科研案例，可了解 AI 参与假设生成的具体流程。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的新范式
伯克利 AI 研究团队系统梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。
Google DeepMind精选AI 评分7575 DeepMind 详解 AlphaEvolve 一年成果：从基因组到 TPU 设计
Google DeepMind 发布 AlphaEvolve 一年成果汇总，这款由 Gemini 驱动的编码智能体已从试点进入 Google 基础设施核心环节，用于优化下一代 TPU 设计、缓存替换策略与 Spanner 存储。
推荐理由：DeepMind 汇总 AlphaEvolve 一年落地案例，涵盖基因组、电网、量子与 TPU 设计，可了解编码智能体在科研与基础设施中的实际作用。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗 AI 研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗的“三方照护”模式。
推荐理由：DeepMind 公开 AI co-clinician 研究，含 98 例初级保健查询与 140 项问诊技能盲评数据，可了解医疗 AI 当前能力边界。
Google Research精选AI 评分6060 Google Research 科学家如何使用 Empirical Research Assistance 的四种方式
Google Research 介绍了科学家使用 Empirical Research Assistance（ERA）的四个真实科研案例，覆盖流行病预测、宇宙学、气候监测和神经科学。
推荐理由：四个跨领域案例展示了 ERA 如何从预测建模延伸到可解释的机制发现，可了解 AI 辅助科研的具体落地方式。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将训练拆分为异步通信的计算孤岛，降低带宽需求并隔离硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并重新接入，用 Gemma 4 模型达到与传统训练相当的基准性能。
推荐理由：原文给出跨数据中心异步训练在带宽、容错与混合硬件上的实测结果，可据此判断分布式预训练的工程取舍。
Google ResearchAI 评分4747 Google Research 提出 ReasoningBank：让 AI 智能体从成功与失败经验中学习
Google Research 在 ICLR 论文中提出 ReasoningBank，一种从成功与失败经验中提炼结构化推理记忆的智能体框架，配合 memory-aware test-time scaling（MaTTS）实现测试时自我进化。
Berkeley AI ResearchAI 评分3434 GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长时程规划变得可行。该方法针对长时程 rollout 中梯度爆炸/消失、非贪婪结构导致的局部极小值以及高维视觉模型下脆弱的“状态-输入”梯度问题。
Google ResearchAI 评分4242 Google Research 提出 Simula：用推理优先框架从第一性原理设计合成数据集
Google Research 提出合成数据生成框架 Simula，将数据集构建重构为机制设计问题，通过全局多样化、局部多样化、复杂化和双评审质量检查四个步骤，从第一性原理生成数据集，无需种子数据。
Google ResearchAI 评分3434 Google Research 用 AI 合成神经元加速脑图谱重建，错误率降低 4.4%
Google Research 提出 MoGen 模型，通过点云流匹配生成合成神经元形态，为 PATHFINDER 重建模型补充训练数据，使小鼠轴突重建错误率降低 4.4%，主要来自合并错误的减少。该团队称，在完整小鼠脑规模下，这一改进相当于节省 157 人年的手动校对工作。MoGen 已作为开源模型发布，论文将在 ICLR 2026 展示。
Google ResearchAI 评分3131 Google Research 发布 ConvApparel：测量并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel 数据集，包含服装购物领域超 4000 段人机多轮对话、近 15000 轮，用于量化 LLM 用户模拟器与真实人类的真实感差距。
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。
Google ResearchAI 评分3636 Google 研究：25 个 LLM 的行为倾向与人类共识存在两类对齐缺口
Google Research 提出评估 LLM 行为倾向对齐的框架，用改编自 IRI、ERQ 等心理量表的情境判断测试（SJT）评测 25 个 LLM，并与 550 名标注者的偏好分布对比。结果显示两类缺口：模型倾向偏离人类共识，且在人类无共识时无法覆盖人类意见的分布范围。小模型（<120B）与前沿闭源模型在人类一致时接近完美对齐，但共识低于 90% 时对齐率停滞在 80% 出头。