Google DeepMind发布多智能体科学研究系统Co-Scientist
Google DeepMind发布基于Gemini的多智能体系统Co-Scientist，用于生成、辩论、排序和迭代完善复杂科学问题的研究假设。系统整合网页搜索、ChEMBL、UniProt等数据库，并在肝纤维化、ALS、细胞衰老等研究中协助科学家提出和筛选可测试方向。
推荐理由：Co-Scientist展示了多智能体如何通过生成、辩论和迭代完善科学假设，并已在多项生命科学研究中协助推进实验方向。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 81–100 条 · 共 103 条Google DeepMind精选AI 评分8585
Berkeley AI Research精选AI 评分6464 Adaptive Parallel Reasoning：高效推理扩展的下一种范式
Berkeley AI Research 发布对 Adaptive Parallel Reasoning 的综述与观点分析，介绍模型如何在推理时动态决定是否并行、并行线程数及协调方式。
推荐理由：文章梳理了自适应并行推理的控制流、执行系统与训练奖励设计，帮助读者比较不同方案在准确率、延迟和工程复杂度上的取舍。
Google DeepMind精选AI 评分8686 AlphaEvolve：Google DeepMind 的 Gemini 驱动编码智能体拓展多领域应用
Google DeepMind 介绍 AlphaEvolve 在科研、基础设施和商业领域的应用进展，这一 Gemini 驱动的编码智能体已从试点测试发展为基础设施的核心组件。在具体案例中，DeepConsensus 的变异检测错误减少 30%，电网可行解比例从 14% 提升至超过 88%，Google Spanner 的写放大降低 20%，并帮助多家企业提升训练、推理、仿真或路线规划效率。
推荐理由：文章汇总了 AlphaEvolve 在科研、基础设施和商业场景中的具体应用，展示其从试点走向规模化部署的路径。
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6565 Google DeepMind与韩国科学技术信息通信部宣布AI合作
Google DeepMind与韩国科学技术信息通信部宣布合作，将在首尔办公室设立AI Campus，支持韩国科研机构使用AI for Science模型推进生命科学、能源、天气与气候研究。双方将探索AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist和WeatherNext等项目的合作，并开展AI人才培养及与韩国AI安全研究所的安全研究。
推荐理由：Google DeepMind披露了合作的具体落点，涵盖科研设施、模型应用、人才培养与AI安全协作，呈现其国家级AI合作框架。
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7979 Google Research 推出 Vantage，利用生成式 AI 评估未来技能
Google Research 推出研究实验 Vantage，通过 AI avatars 模拟多方对话，帮助高中生和大学生练习并评估批判性思维、协作和创造性思维等未来技能。Vantage 使用 Executive LLM 动态引导对话，再由 AI Evaluator 按教育评估量规分析表现并生成技能图谱；与纽约大学专家评分的比较显示，其一致性接近专家评分之间的一致性。
推荐理由：Vantage把难以量化的协作与创造力置于可控对话中评估，并用人类专家对照验证了自动评分方法。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人具身推理能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，增强空间推理、多视角理解、任务规划和任务完成检测能力，并新增仪表读数功能。模型可通过 Gemini API 和 Google AI Studio 使用，官方还提供了开发者 Colab。
推荐理由：Gemini Robotics-ER 1.6 将空间推理、多视角理解、仪表读数和安全约束结合起来，展示了具身模型面向真实机器人任务的能力变化。
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 DeepMind精选AI 评分9090 Google DeepMind 发布 Gemma 4 开放模型家族
Google DeepMind 发布 Gemma 4，包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，面向高级推理、Agent工作流和端侧部署。模型支持函数调用、结构化 JSON 输出、图像与视频处理，E2B 和 E4B 还支持音频输入；上下文窗口覆盖 128K 至 256K，并以 Apache 2.0 许可开放。
推荐理由：Gemma 4同时覆盖端侧设备与开发者硬件，并提供Agent工作流、长上下文和Apache 2.0许可，呈现了开放模型的完整落地路径。
Google DeepMind精选AI 评分8585 Google 发布 Gemini 3.1 Flash Live 语音模型
Google 发布 Gemini 3.1 Flash Live，提升了语音交互的精度、自然度和响应速度，并支持更可靠的复杂任务执行。
推荐理由：Gemini 3.1 Flash Live 同时给出语音交互、任务执行和多语言扩展的具体变化，便于判断其开发者与终端使用场景。
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。
Mistral AI精选AI 评分8888 Mistral Small 4 发布，统一推理、多模态与智能体编码能力
Mistral AI 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力整合到一个模型中。
推荐理由：Mistral Small 4 将推理、视觉理解和智能体编码整合到单一模型，并公开关键架构、部署配置与性能对比，便于评估实际使用成本。
Mistral AI精选AI 评分7373 Mistral AI 与 NVIDIA 合作加速开放前沿模型
Mistral AI 宣布成为 NVIDIA Nemotron Coalition 创始成员，并计划与 NVIDIA 共同开发开放前沿模型。Mistral AI 将贡献模型架构、训练技术、多模态能力和微调工具，NVIDIA 将提供计算资源、模型开发工具与合成数据生成管线。
推荐理由：文章同时交代了联盟的合作机制、开放模型计划和 Mistral AI 的分工，便于理解产业协作如何影响模型训练与定制。
Google Research精选AI 评分6767 Google Research 用高温超导问题评测六个 LLM 的科学问答能力
Google Research 与 Cornell University 合作，使用 67 个高温超导研究问题评测六个 LLM，并由专家按观点平衡、完整性、简洁性和证据等指标评分。
推荐理由：这项研究比较了开放网络数据与专家精选文献对专业问答的影响，为评估科学领域 LLM 的证据完整性和观点平衡提供了具体案例。
Mistral AI精选AI 评分8282 Mistral AI 发布开源 Leanstral 代码智能体
Mistral AI 发布 Leanstral，这是面向 Lean 4 的开源代码智能体，采用 6B active parameters，支持在形式化代码仓库中生成并验证证明。
推荐理由：Leanstral把Lean 4形式化证明引入代码智能体，并用FLTEval比较性能与成本，呈现了可复用的验证式编程路径。
Berkeley AI Research精选AI 评分6969 SPEX 与 ProxySPEX 将 LLM 交互识别扩展至数千个组件
Berkeley AI Research 介绍 SPEX 和 ProxySPEX，两种通过消融与稀疏恢复识别模型关键交互的算法。ProxySPEX 利用层级结构，在约 10x 更少的消融次数下达到 SPEX 的性能，并被用于特征归因、数据归因和注意力头归因。两者的代码已集成到 SHAP-IQ 仓库。
推荐理由：文章系统说明 SPEX 与 ProxySPEX 如何用较少的消融识别特征、训练数据和模型组件之间的关键交互，并展示其解释性应用。