Google Research 发布 Science One Framework，以 Chain-of-Evidence 提升自主科研可验证性
Google Research 介绍 Science One Framework 和 Chain-of-Evidence（CoE）框架，通过证据链记录研究声明与论文、代码及实验结果的对应关系。
推荐理由：文章将自主科研系统的可验证性拆解为证据链完整性与正确性，并用统一审计比较了引用、代码和实验分数的一致性。
#论文/研究
#论文/研究
今日 4 条Google Research精选AI 评分7575
Berkeley AI Research精选AI 评分8383 K-Search 将 CUDA 内核经验迁移到 Apple Silicon 的 MLX
IBM Research 将 K-Search 扩展为支持 MLX 的后端，并通过结构化 CUDA-to-MLX 翻译层，把 CUDA 内核优化经验迁移到 Apple Silicon。
推荐理由：文章展示了如何把 CUDA 内核优化经验转化为 MLX 的架构原生策略，并用 Attention 与 Mamba SSM 实验说明跨硬件迁移的具体收益。
Berkeley AI Research精选AI 评分7777 ABBEL：教大语言模型更新信念以实现高效长时交互
Berkeley AI Research 提出 ABBEL，通过自然语言信念状态替代完整交互历史，并用 belief grading 监督信念内容，以降低长时交互的上下文记忆开销。
推荐理由：ABBEL 将长交互中的摘要建模为可监督的自然语言信念状态，并用重构评分提升记忆效率，为协作编码等低数据场景提供了可迁移的训练思路。
Google Research精选AI 评分7878 Google Research 发布 SymptomAI 研究，探索面向日常症状评估的对话式 AI 智能体
Google Research 介绍 SymptomAI，一组用于日常症状访谈和鉴别诊断的实验性对话式 AI 智能体，并在 n=13,917 的随机研究中与临床专家评估进行比较。
推荐理由：这项大规模研究把日常症状对话、临床专家评估与 Fitbit 生理信号结合起来，呈现了 SymptomAI 在真实场景中的评估方法与边界。
Google Research精选AI 评分8383 Google Research 发表强化学习量子纠错控制研究
Google Research 在 Nature 发表研究，展示一种利用量子纠错检测事件训练强化学习智能体、在计算持续进行时动态校准控制参数的方法。该方法在 Willow 超导处理器上使逻辑稳定性提高 3.5 倍，并在人工校准后进一步将逻辑错误率降低 20%；数值模拟显示，训练迭代次数与系统规模无关。
推荐理由：论文展示了强化学习如何利用量子纠错检测事件持续校准控制参数，并用 Willow 实验和大规模模拟检验其稳定性与扩展性。
Google ResearchAI 评分5555 Google Research 解析扩散模型创造力的数学来源
Google Research 介绍发表于 ICLR 2026 的论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》，指出扩散模型的“创造力”源于神经网络训练对 score function 的平滑作用。
Hugging Face Blog精选AI 评分7676 Hugging Face 发布 Real World VoiceEQ，评估语音 AI 的人类化交互质量
Hugging Face 发布 Real World VoiceEQ 基准，用于评估语音系统识别、生成和响应语气、情绪、说话人身份及背景信息的能力。该基准覆盖 40 多个语音模型、15+ 个评估维度和 60 多项指标，并基于超过 1 million 条人工评分构建。研究发现，不同模型在技术准确性、情绪理解、对话智能、表现力和鲁棒性上各有侧重，传统基准可能高估真实对话表现，人工听评仍不可替代。
推荐理由：Real World VoiceEQ 将语音交互拆分为多项能力并引入大规模人工评分，为理解模型在情绪、身份和真实环境中的差异提供了更贴近使用场景的测量框架。
Google Research精选AI 评分8080 Google Research 发布 SensorFM，探索可穿戴健康数据的通用基础模型
Google Research 介绍 SensorFM，这一 Large Sensor Foundation Model 在五百万名参与者、超过一万亿分钟的多模态可穿戴传感器数据上预训练。
推荐理由：文章展示了 SensorFM 如何以大规模无标签可穿戴数据学习通用生理表征，并通过多任务评估和 Personal Health Agent 验证其适配价值。
Google Research精选AI 评分7878 Google Research 通过导航改道实验缓解城市交通拥堵
Google Research 在10个美国城市开展为期六个月的导航改道实验，通过引导不到2%的出行避开约100个拥堵路段，评估系统性交通改善效果。目标路段车速中位数提高约2%，燃料消耗率中位数下降0.5%至1.0%；受影响路段整体车速中位数提高约0.35%，高峰时段提高0.5%，每个城市每年可能节省数千吨 CO2e。
推荐理由：研究通过10个美国城市的长期对照实验，量化了少量改道对整体车速、燃耗和排放的系统性影响。
Hugging Face Blog精选AI 评分7979 PRX Part 4：Photoroom 详解 PRX 的数据策略
Photoroom 在 PRX 系列第 4 部分介绍了预训练数据管线：混合公共与内部数据集，用 VLM 为图像生成 100–200 词的详细描述，再通过 Lance 构建数据集、用 Mosaic Data Shards 流式训练。
推荐理由：文章系统拆解了 PRX 7B 预训练数据管线，从数据格式、VLM 重标注到过滤去重，提供了可复用的工程取舍与实测依据。
Berkeley AI ResearchAI 评分2626 2026 BAIR 博士毕业生展示
Berkeley Artificial Intelligence Research（BAIR）公布 2026 届博士毕业生展示，研究覆盖机器人与具身智能、LLM 与推理、计算机视觉、生成模型、AI 安全、人机交互及 AI for science and healthcare 等方向。
Hugging Face Blog精选AI 评分7272 ScarfBench 发布企业 Java 框架迁移基准，评估 AI 智能体的构建、部署与行为保持能力
ScarfBench 是一个面向企业 Java 跨框架迁移的开放基准，覆盖 Spring、Jakarta EE 和 Quarkus，包含 34 个应用、204 个迁移任务和 1,331 个专家编写的测试。
推荐理由：ScarfBench把企业 Java 框架迁移拆解为构建、部署和行为验证，为比较编码智能体的真实现代化能力提供了可复用基准。
Hugging Face Blog精选AI 评分6767 DiScoFormer：用一个 Transformer 跨分布估计密度与 score
DiScoFormer是一种密度与 score Transformer，输入一组数据点后，可在单次前向传播中同时估计其分布的密度和 score，无需针对每个新分布重新训练。
推荐理由：DiScoFormer将密度与 score 估计统一到一个可适应的 Transformer 中，并用高维实验展示其相对 KDE 的误差优势。
Google ResearchAI 评分5858 Google Research 提出线性弹性缓存以优化云成本
Google Research 提出线性弹性缓存，将页面驱逐建模为滑雪租赁问题，并根据实时工作负载动态调整缓存大小和 TTL。该方法在 Spanner 生产服务器中使内存使用量降低 15.5%，缓存未命中增加 5.5%，总拥有成本降低约 5%，实际 I/O 成本仅增加 0.5%。在公开缓存轨迹上，弹性缓存也持续优于固定大小缓存。
Google Research精选AI 评分6060 Google Research 研究推理如何解锁大语言模型中的参数化知识
Google Research 的论文研究发现，在 Gemini-2.5、Qwen3-32B 等推理模型上，即使面对简单单跳事实问题，生成推理轨迹也能召回关闭推理时难以获得的参数化知识。实验将作用归因于计算缓冲和事实启动，并发现中间推理中的幻觉事实会显著降低最终答案正确率；筛选无幻觉轨迹或通过过程奖励鼓励事实支持的中间步骤可提升准确性。
推荐理由：研究用受控实验区分了额外计算与事实启动两种机制，并展示中间事实的准确性如何影响最终答案可靠性。
Google Research精选AI 评分7474 Google Research 研究 AI 如何帮助用户理解皮肤状况
Google Research 汇总两项关于皮肤状况信息工具的研究，考察图像型 AI 如何帮助用户识别病症并判断后续行动。在一项包含 2,345 名参与者的调查中，AI 辅助下的病症命名准确率为 23%，高于标准搜索的 8%，但标准 AI 对下一步行动准确率没有显著提升。
推荐理由：两项研究分别从大规模调查和真实社区使用出发，展示了图像型 AI 在识别皮肤状况上的帮助及其在下一步医疗决策上的局限。
Google Research精选AI 评分6666 Google Research 提出机器遗忘审计新框架
Google Research 提出 Regularized f-Divergence Kernel Tests，用于更灵敏地审计差分隐私和机器遗忘。该框架通过相对三样本检验，判断未学习模型更接近安全重训模型还是原始模型，并在 SVT3 隐私机制中用几千个样本检测违规，而既有方法需要 millions 个样本。
推荐理由：这项工作把机器遗忘审计从简单的两样本比较转向相对三样本检验，并展示了更少样本和更少调参下识别隐私违规的方法。
Google DeepMind精选AI 评分8282 Google DeepMind 发布塞拉利昂 AI 辅助学习试验结果
Google DeepMind 发布一项在塞拉利昂开展的预注册试验结果，显示 Guided Learning 组数学成绩较对照组提高 +0.258 个标准差。超过 113,000 次互动分析显示，Gemini 在 76% 的消息中提出支架式问题，仅在 2% 的情况下直接给出答案；教师仍负责设计课程、设定目标和组织讨论。
推荐理由：这项预注册试验提供了 Guided Learning 介入数学学习的量化结果，也呈现了教师参与和学生提问方式变化。
Google Research精选AI 评分8383 Google Research 发布 PHRM 手机被动心率监测研究
Google Research 在 Nature 论文中介绍 PHRM，利用手机前置摄像头在面部解锁后采集 8 秒视频，被动估计心率和每日静息心率。该系统在真实环境验证中对心率的 MAPE 为 6.09%，对 Fitbit Charge 6 日静息心率的 MAE 为 4.39 bpm，并发布 PHRM-mini 模型及大型多肤色研究数据集供符合条件的研究人员申请使用。
推荐理由：研究展示了手机前置摄像头在日常使用中被动估计心率和静息心率的方法，并用多肤色数据验证其准确性与可用范围。
Google Research精选AI 评分7171 Google Research 发布 I/O 2026 多领域研究成果
Google Research 总结 I/O 2026 展示的研究进展，涵盖 Gemini for Science、医疗 AI、WeatherNext、Gemini 核心能力、智能体开发平台和量子计算等方向。
推荐理由：文章集中呈现 Google Research 在科学发现、医疗、天气预测和智能体开发等方向的研究成果及其产品化路径，便于了解研究如何转化为实际工具。
Google Research精选AI 评分7575 Google 介绍基于零信任聚合的私密分析方案
Google 介绍了一种用于私密分析的零信任聚合方案，将一次性消息的格基加密协议与 TEE 结合，使设备无需参与多轮交互即可提交数据。该方案确保服务器只能获得匿名聚合结果，并将用于 Android SafetyCore，通过聚合元数据评估端侧安全模型的效果，同时保持用户内容留在设备上。
推荐理由：文章解释了 Google 如何把一次性加密聚合与 TEE 结合，在降低设备在线要求的同时减少对单一硬件防护的依赖。
Mistral AIAI 评分5151 Mistral AI 介绍 Physics AI 研究成果与工业工程布局
Mistral AI 表示，收购 Emmi AI 后将加大面向工业工程的 Physics AI 基础研究，服务航空航天、汽车、半导体和能源等行业。文章汇总了 2024 至 2025 年发布的多项成果，包括约 30,000 个 3D 跨声速机翼 CFD 样本、AB-UPT、GyroSwin、NeuralDEM 和 Universal Physics Transformer。
Google DeepMind精选AI 评分7474 Google DeepMind：Co-Scientist 加速发现逆转细胞衰老的遗传因素
Google DeepMind 介绍了研究人员如何使用 Co-Scientist 研究逆转细胞衰老的遗传因素。Co-Scientist 扫描数万篇论文，提出了 20 多个可测试的遗传因素，其中部分假设经实验验证可使细胞进入更年轻且整体功能改善的状态；它还将筛选数据结合文献的分析工作从最多六个月缩短至几天。
推荐理由：文章展示了 Co-Scientist 如何从文献中生成可测试的遗传因素，并将筛选数据分析从数月压缩到数天。
Google DeepMind精选AI 评分7878 Google DeepMind 的 Co-Scientist 从既有药物中发现肝纤维化候选疗法
Stanford University School of Medicine 的 Gary Peltz 团队使用 Co-Scientist，从既有药物文献中提出三种肝纤维化候选药物，并与两种人工选药一同进行活体人类肝细胞实验。Co-Scientist 选出的三种药物中有两种阻断了纤维化并促进肝细胞再生，其中抗癌药 vorinostat 阻断了 91% 的相关损伤反应。
推荐理由：研究展示了 Co-Scientist 如何从既有药物文献中筛选候选，并通过人类肝细胞实验验证其发现。
Google DeepMind精选AI 评分8080 WeatherNext 如何帮助预测 Hurricane Melissa 在 Jamaica 的 Category 5 登陆
Google DeepMind 的 WeatherNext 帮助 National Hurricane Center 提前五天预测 Hurricane Melissa 将以 Category 5 强度登陆 Jamaica，预测置信度为 80%，提前三天接近 100%。该模型通过 50 个情景组成的 ensemble 同时预测风暴路径和强度，并支持预警、资源调度与疏散协调。
推荐理由：文章以 Hurricane Melissa 为案例，说明 WeatherNext 如何同时预测路径和强度，并为灾害预警提供更长准备时间。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 AI co-clinician 医疗研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索在医生临床监督下让 AI 智能体参与患者照护。系统在 98 个基层医疗查询中有 97 个未出现关键错误，并在药物问答和实时音视频模拟中展现能力；在 140 项问诊能力评估中，专家医生整体表现更好，AI co-clinician 在其中 68 项达到或超过基层医生水平。
推荐理由：文章同时报告了临床证据检索与实时多模态问诊模拟结果，呈现了 AI co-clinician 的能力边界和安全设计。
Google Research精选AI 评分8484 Google Research 总结 Empirical Research Assistance 在四类科学问题中的应用
Google Research 总结 Empirical Research Assistance（ERA）在流行病学、宇宙学、气候研究和神经科学中的四项应用。ERA 被用于预测美国各州流感、COVID-19 和 RSV 住院情况，探索宇宙弦引力辐射的数学解，从 GOES East 卫星数据推导每 10 分钟的柱平均 CO2 估计，并根据斑马鱼神经连接提出可解释的神经回路机制。
推荐理由：文章通过四个跨学科案例展示 ERA 如何处理预测、理论计算、卫星观测和神经回路建模，具体呈现 AI 辅助科学研究的应用路径。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 提出 Decoupled DiLoCo，通过将训练拆分到彼此解耦的计算岛并异步传输数据，降低跨数据中心训练的带宽依赖并隔离硬件故障。
推荐理由：Decoupled DiLoCo 将异步训练、容错和跨地域低带宽连接结合起来，展示了分布式预训练如何利用异构及闲置算力。
Google Research精选AI 评分7272 Google Research发布ReasoningBank，让Agent从经验中学习
Google Research介绍ReasoningBank，一种从Agent成功与失败经验中提炼结构化推理记忆、支持测试时自我演化的框架。
推荐理由：ReasoningBank同时利用成功与失败轨迹提炼可迁移的推理记忆，并用MaTTS连接记忆与探索，为持续改进Agent提供了具体框架。
Berkeley AI Research精选AI 评分6060 GRASP：面向长时域世界模型的梯度规划方法
Berkeley AI Research 介绍 GRASP，一种面向世界模型长时域规划的梯度规划器，通过提升状态、对状态迭代注入随机噪声，并避开脆弱的状态输入梯度来优化动作。
推荐理由：文章解释了长时域世界模型规划为何容易失稳，并给出通过状态提升、状态噪声和梯度重塑改善规划的具体方法。
Google Research精选AI 评分6868 Google Research 发布 Simula：用机制设计和推理从零构建合成数据集
Google Research 在 Transactions on Machine Learning Research 发表论文“Reasoning-Driven Synthetic Data Generation and Evaluation”，提出推理优先的 Simula 框架，从第一原则构建无需种子数据的合成数据集。
推荐理由：文章将合成数据生成重构为机制设计问题，展示如何分别控制覆盖度、多样性、复杂度与质量，为构建专业领域数据集提供可迁移框架。
Google Research精选AI 评分7272 Google Research 用 AI 生成合成神经元加速脑图谱绘制
Google Research 发布 MoGen 神经元形态生成模型，用合成神经元形状增强 PATHFINDER 的训练数据，使小鼠轴突重建错误率降低 4.4%。按完整小鼠脑的规模估算，这相当于节省 157 person-years 的人工校对工作；MoGen 及其不同物种的训练模型已开源。
推荐理由：论文展示了合成神经元形状如何降低 PATHFINDER 的重建错误，并将模型改进换算为完整小鼠脑图谱中的人工校对节省量。
Google Research精选AI 评分6565 Google Research 发布 ConvApparel 数据集与用户模拟器反事实验证框架
Google Research 介绍 ConvApparel 数据集与评估框架，用于衡量 LLM 用户模拟器与真实人类交互之间的现实性差距。该数据集包含超过 4,000 段人类与 AI 的多轮服饰购物对话，总计近 15,000 轮，并通过“Good”和“Bad”两个推荐智能体收集不同用户体验。
推荐理由：研究用双智能体数据和反事实验证评估用户模拟器，展示了统计拟合与面对未见挫折场景时适应能力之间的差异。
Google Research精选AI 评分6868 Google Research 评估大语言模型行为倾向与人类的对齐程度
Google Research 提出一套评估大语言模型行为倾向对齐程度的框架，将心理问卷改编为现实场景中的情境判断测试，并比较 25 个 LLM 与 550 名参与者的偏好分布。结果显示，小于 25B 的模型方向性对齐较低，大于 120B 及前沿闭源权重模型在 10/10 人类共识场景中接近完全对齐，但在人类共识较低时普遍表现出过度自信，难以反映意见多样性；模型的自我报告与实际行为也存在明显差异。
推荐理由：研究把心理问卷转化为现实场景中的判断测试，既比较模型与人类共识，也检验模型能否保留分歧意见的范围。
Google Research精选AI 评分6262 Google Research 研究 AI 基准需要多少名人类评分者
Google Research 在“Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation”中研究评测项目数量与每项评分者数量之间的取舍。
推荐理由：研究用多个主观评测数据集和模拟器比较样本广度与单项评分深度，为控制标注成本并提高 AI 基准可复现性提供了具体设计依据。
Google Research精选AI 评分8181 Google Research 发布量子攻击加密货币的新资源估算与负责任披露方案
Google Research 表示，未来量子计算机破解保护加密货币的 256-bit 椭圆曲线离散对数问题所需资源可能低于此前估计。其白皮书给出两种少于 1,200 或 1,450 个逻辑量子比特的 Shor's algorithm 电路，并估计少于 500,000 个物理量子比特即可在几分钟内执行。
推荐理由：Google 给出量子攻击 ECDLP-256 的更新资源估算，并以零知识证明支持可验证披露，为加密货币迁移 PQC 提供了具体依据。
Google Research精选AI 评分7474 Google Research 发布 TurboQuant，以极端压缩降低 AI 内存开销
Google Research 介绍 TurboQuant，以及配套的 QJL 和 PolarQuant 压缩算法，用于降低 LLM 的 KV cache 和高维向量搜索的内存开销。
推荐理由：文章系统介绍了 TurboQuant、QJL 和 PolarQuant 的压缩机制与实验结果，展示其在 KV cache 和向量搜索中的内存与速度收益。
Google ResearchAI 评分5555 Google Research 推出 S2Vec，用自监督学习理解城市建成环境
Google Research 介绍了 S2Vec，这一自监督框架将建筑、道路、商铺等建成环境要素映射到 S2 Geometry 网格，并通过 masked autoencoding 学习通用地理嵌入。在评估中，S2Vec 对未见地区的人口密度和收入等社会经济指标预测表现突出；环境任务通常需要与卫星图像嵌入结合。
Google Research精选AI 评分8181 Google Research 展示 AI 从医疗创新走向真实护理场景
Google Research 在 The Check Up 活动上介绍了 AI 用于个性化医疗、临床协作、公共卫生和生物医学研究的最新进展。相关工作包括 Personal Health Agent、AMIE、MedGemma 和 DeepSomatic，涉及乳腺癌检测、糖尿病视网膜病变筛查、医疗应用开发及基因数据分析。
推荐理由：文章集中呈现 Google Research 将多模态模型、智能体和开放权重工具推进医疗研究与临床场景的路径，涵盖筛查、诊疗和公共卫生应用。
Google Research精选AI 评分8585 Google Research 研究 AI 如何改进乳腺癌筛查流程
Google Research 联合 NHS 机构开展的 AIMS 研究评估了乳腺癌筛查 AI 系统的独立性能及其作为第二读者融入双读流程的可行性。系统将癌症检出率从每 1,000 名女性 7.54 提高到 9.33，并检出原双读流程漏掉的 25% 间隔癌；在 12 个 NHS 筛查点处理 9,266 个病例时，中位 AI 读取时间为 17.7 分钟。
推荐理由：两项研究从独立性能、临床流程整合和人机协作三个层面提供证据，具体呈现了筛查效率、数据漂移与人工复核的权衡。