Hume 发布 Real World VoiceEQ：衡量语音 AI 的人类质量
Hume 发布 Real World VoiceEQ 语音 AI 评测基准，覆盖 40 多个专有与开源语音模型、15+ 评测维度和 60+ 指标，涵盖 ASR、TTS、S2S 和语音理解。
推荐理由：Hume 用超百万条人类评分构建语音评测基准，揭示现有基准高估真实表现的问题。
#论文/研究
#论文/研究
今日 0 条Hugging Face Blog精选AI 评分6060
Google Research精选AI 评分6262 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，一个从无标注可穿戴数据中学习的大型传感器基础模型，预训练语料超过一万亿分钟多模态信号，来自 500 万名同意参与者、100 多个国家和 20 多款 Fitbit 与 Pixel Watch 设备。
推荐理由：Google 用一万亿分钟可穿戴数据预训练通用生理表征，并给出跨 35 项健康任务的泛化与标签效率证据。
Google Research精选AI 评分6060 Google Research 在 10 座美国城市实验用导航平台缓解交通拥堵
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年的真实路网实验，给出了协调少量出行即可提升全城车速与减排的量化结果。
Berkeley AI ResearchAI 评分1212 2026 BAIR 研究生展示：伯克利 AI 博士毕业生去向一览
伯克利 BAIR 实验室展示 2026 届 AI 博士毕业生，研究覆盖机器人、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 等方向。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构，以及 UCLA、普林斯顿 CITP 等学术岗位，部分人正在创业或探索下一步。
Hugging Face BlogAI 评分3838 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，用于评估 AI 智能体在企业级 Java 跨框架迁移中的表现，涵盖 Spring、Jakarta EE、Quarkus 三大生态，包含 34 个应用、102 个框架实现和 204 个迁移任务。测试显示，即便最强智能体行为成功率也不足 10%，且 Claude Code 报告 30 个应用中 29 个构建成功，实际仅 22 个通过。
Hugging Face BlogAI 评分2626 为什么专业化不可避免：从优化理论、演化生物学到机器学习的共同预测
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》。
Hugging Face BlogAI 评分2727 DiScoFormer：一个 Transformer 同时估计任意分布的密度与 score
Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），单次前向传播即可从一组数据点同时估计分布的密度与 score，无需针对新分布重新训练。
Google Research精选AI 评分6262 Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 发布一种新架构，将多 Token 预测（MTP）头挂载到已冻结的 Gemini Nano v3 模型上，作为端侧推理的即插即用加速方案，已部署到 Pixel 9 和 10 系列。
推荐理由：Google 把 MTP 头挂到冻结的 Gemini Nano v3 上，读者可了解端侧推理在内存与能耗约束下的具体优化路径。
Google ResearchAI 评分3232 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 生产环境运行数月后，内存用量降低 15.5%，缓存未命中仅增加 5.5%，总拥有成本（TCO）降低约 5%，实际 I/O 成本影响仅 0.5%。
Google ResearchAI 评分3636 Google Research 研究：推理如何解锁 LLM 的参数化知识召回
Google Research 在 COLM 2026 发表的论文揭示，让模型生成推理轨迹能召回关闭推理时几乎无法获取的事实答案，实验覆盖 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B，在 SimpleQA Verified 和 EntityQuestions 上以 pass@k 衡量。
Hugging Face BlogAI 评分4141 Hugging Face 提出 MosaicLeaks：深度研究智能体能否守住秘密？
Hugging Face 发布 MosaicLeaks，用 1001 条多跳研究链评测深度研究智能体的隐私泄露风险，测试模型普遍泄露私有信息，且只训练任务性能会加剧泄露。其提出的 Privacy-Aware Deep Research（PA-DR）强化学习方法将严格链成功率从 48.7% 提升至 58.7%，同时把答案/全信息泄露从 34.0% 降至 9.9%。
OpenAI News精选AI 评分6060 研究者用 OpenAI 推理模型辅助诊断儿童罕见遗传病，新增 18 例确诊
研究者使用 OpenAI 的推理模型辅助诊断罕见疾病，在先前未解决的病例中新增 18 例确诊。该结果来自对儿童罕见遗传病诊断场景的尝试。
推荐理由：材料给出推理模型在罕见病诊断中的实际命中数量，可据此了解AI在临床疑难病例中的应用边界。
OpenAI News精选AI 评分6262 OpenAI 与 Molecule.one 用 GPT-5.4 驱动的近自主 AI 化学家改进药物化学关键反应
OpenAI 与 Molecule.one 展示了一个使用 GPT-5.4 的近自主 AI 化学家，改进了药物制造中的一项关键反应，推进了药物化学研究。
推荐理由：OpenAI 与 Molecule.one 用 GPT-5.4 驱动的近自主 AI 化学家改进药物合成反应，可看 AI 在实验科学中的落地方式。
Google ResearchAI 评分2828 Google Earth AI 发布英国高分辨率矢量数据集，用于自然恢复规划
Google Research 发布了一套矢量化的英国乡村生态特征数据集，将此前 Farmscapes 2020 的栅格地图转化为可操作的树篱、石墙和矮林清单。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI Control Roadmap 与智能体安全技术框架
Google DeepMind 发布 AI Control Roadmap，用于在 Google 内部构建和管理高级 AI 的防御纵深框架，将内部智能体视为可能未对齐的潜在内部威胁，并基于 MITRE ATT&CK 拆解攻击战术与技术。
推荐理由：Google DeepMind 公开内部 AI 控制路线图，给出分级检测与响应机制，可供部署智能体的团队参考。
OpenAI NewsAI 评分4242 OpenAI 推出 Deployment Simulation：用真实对话数据在发布前预测模型行为
OpenAI 推出 Deployment Simulation，通过真实对话数据在模型部署前预测其行为，以提升安全性和评估准确性。该方法旨在让发布前的模型行为预测更贴近实际部署场景。
Google ResearchAI 评分3434 Google 研究 AI 如何帮助用户理解皮肤问题
Google 公布多项关于消费者使用 AI 工具理解皮肤问题的研究，其中发表于 JAMA Dermatology 的大规模调查显示，2345 名参与者借助 AI 工具尝试命名皮肤状况的比例超过 62%，命名准确率 23%，约为无辅助对照组 8% 的近三倍。研究同时发现，AI 辅助对判断下一步就医措施帮助有限，标准 AI 组的下一步准确率未出现统计显著提升。
Google ResearchAI 评分2727 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6666 Google DeepMind 在塞拉利昂开展 AI 学习随机对照试验
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，试验为期八周。
推荐理由：原文给出塞拉利昂随机对照试验的量化结果与师生互动数据，可了解 AI 辅助教学的实际效果与局限。
Google Research精选AI 评分6666 Google 研究用手机前摄实现被动心率监测
Google 在 Nature 发表研究，提出 PHRM 系统，利用手机前摄在面部解锁后拍摄 8 秒视频，通过深度学习在后台估算心率和静息心率。在自由生活研究中，PHRM 心率估算整体 MAPE 为 6.09%，静息心率相对 Fitbit Charge 6 的 MAE 为 4.39 bpm，并在所有肤色组别达到 MAPE 低于 10%。
推荐理由：Google 用手机前摄在解锁后被动测心率，并公开最大规模手机视频数据集与预训练模型，可看 rPPG 在真实场景的落地边界。
Mistral AIAI 评分3030 Mistral 收购 Emmi AI 后加码物理 AI 基础模型研究
Mistral 收购 Emmi AI，并加倍投入面向航空航天、汽车、半导体和能源等行业的物理 AI 基础模型研究。其已发布成果包括 AB-UPT，可在单张 GPU 上处理 9M 表面和 140M 体积网格的原始几何数据，无需重新划分网格；以及首个大规模多物理场端到端深度学习代理模型 NeuralDEM。
OpenAI News精选AI 评分7878 OpenAI 模型推翻离散几何核心猜想
OpenAI 称其模型解决了有 80 年历史的单位距离问题，推翻了离散几何中的一个重要猜想，被视为 AI 驱动数学研究的一个里程碑。
推荐理由：OpenAI 模型推翻离散几何中悬置 80 年的核心猜想，可观察 AI 在数学证明上的实际进展。
Google DeepMindAI 评分5858 Google DeepMind 用 Co-Scientist 加速逆转细胞衰老的基因研究
Google DeepMind 介绍生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 辅助衰老研究。Co-Scientist 扫描数万篇论文后提出 20 多个新的候选基因因子，实验室测试验证了其中几个假设，其推荐因子成功让细胞进入更年轻状态并改善整体功能。此外，Co-Scientist 将原本需要长达六个月的筛选数据分析缩短到几天。
Google DeepMindAI 评分3838 Google Co-Scientist 加速肝病机制发现，提出 MASH 组合疗法新假说
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，该假说随后经实验验证。团队还借此筛选出可供测试的候选组合疗法，并尝试解释 resmetirom 为何仅对少数符合条件的 MASH 患者有效。
Google DeepMind精选AI 评分6060 斯坦福团队用 Co-Scientist 筛选抗肝纤维化药物，两候选成功阻断纤维化
斯坦福大学医学院 Gary Peltz 团队在《Advanced Science》发表研究，测试 Google DeepMind 的 Co-Scientist 能否从已有药物文献中筛选出可重定位治疗肝纤维化的候选药物。
推荐理由：通过人类专家与 Co-Scientist 候选药物的对照实验，展示 AI 在药物重定位中的实际命中率差异。
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，推出基于 Gemini 的多智能体 AI 系统，可迭代生成、辩论并演化复杂科学问题的新假设。
推荐理由：原文披露了多智能体系统的三阶段架构与辩论式排序机制，并给出多个实验室的落地案例，可据此判断 AI 参与科学假设生成的实际边界。
Google DeepMind精选AI 评分6666 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 AI 智能体在医生临床监督下协助患者诊疗。
推荐理由：Google DeepMind 公布 AI co-clinician 研究计划，给出医生盲评与远程问诊模拟中的具体对比结果。
Google Research精选AI 评分6262 Google Research 科学家使用 ERA 开展科研的四种方式
Google Research 介绍其 Empirical Research Assistance（ERA）在四个真实科研场景中的应用：公共卫生领域，团队每周向 CDC 的流感。
推荐理由：Google 官方梳理 ERA 在流行病预测、宇宙学、碳监测与神经科学四类真实科研任务中的落地方式，可看到 AI 辅助科研的具体边界。
Hugging Face Blog精选AI 评分6060 Granite 4.1 LLM 是如何构建的：IBM 公开预训练、SFT 与 RL 全流程
IBM Granite 团队发布技术长文，详解 Granite 4.1 系列稠密解码器模型（3B、8B、30B）的构建流程：在约 15T token 上分五阶段预训练，上下文窗口经分阶段扩展至 512K，随后用约 4.1M 高质量样本做 SFT，并通过 on-policy GRPO 配合 DAPO loss 的多阶段 RL 强化数学、编码、指令遵循与通用对话能力。
推荐理由：Granite 4.1 完整披露五阶段预训练、SFT 与多阶段 RL 的数据配比和训练配置，可对照其 8B 稠密模型追平 32B-A9B MoE 的结论。
OpenAI NewsAI 评分4040 OpenAI 构建 AI 就业转型分析框架，覆盖 921 种职业与 1.48 亿美国岗位
OpenAI 提出一套新框架，分析 921 种职业和 1.48 亿个美国岗位，识别哪些角色面临自动化风险、重组、增长或受 AI 影响较小。
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，把大规模训练拆分为解耦的计算“岛屿”，岛屿间异步传输数据，从而隔离局部硬件故障。
推荐理由：原文给出分布式训练新架构的带宽、容错与跨代硬件实测数据，可据此判断大规模预训练基础设施的演进方向。
Google ResearchAI 评分5252 Google Research 发布 ReasoningBank：让智能体从经验中学习
Google Research 在 ICLR 论文中提出 ReasoningBank，一个从成功和失败经验中提炼高层结构化记忆的智能体记忆框架，代码已开源。
Berkeley AI ResearchAI 评分4242 GRASP：面向世界模型的梯度规划器，让长时程规划更稳健
伯克利 AI 研究团队提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度。该方法针对长时程规划中优化病态、非贪心结构导致的局部极小值以及高维潜空间失效模式等问题，使基于梯度的规划更稳健。
Google ResearchAI 评分4242 Google 提出 Simula：用机制设计从第一性原理生成合成数据
Google 提出推理优先的合成数据框架 Simula，无需种子数据，将生成过程拆解为全局多样化、局部多样化、复杂化和质量检查四个可控步骤。该框架用 Gemini 2.5 Flash 作教师模型、Gemma-3 4B 作学生模型，在网络安全、法律推理、GSM8k 和 Global MMLU 五个领域各生成最多 512K 数据点，完整系统在所有领域均优于简单基线。
Google ResearchAI 评分3636 Google Research 用 AI 合成神经元加速脑图谱绘制，重建误差降低 4.4%
Google Research 提出神经元形态生成模型 MoGen，通过 PointInfinity 点云流匹配生成合成神经元形状，为 PATHFINDER 重建模型补充训练数据，使小鼠轴突重建误差降低 4.4%，主要来自合并错误的减少。在完整小鼠脑规模下，这相当于节省 157 人年的手动校对工作。MoGen 已开源，相关论文将在 ICLR 2026 展示。
Hugging Face BlogAI 评分3333 Ecom-RLVE：面向电商对话智能体的自适应可验证环境
Hugging Face 将 RLVE 框架从单轮推理题扩展到多轮、工具增强的电商对话，推出 EcomRLVE-GYM，包含商品发现、替代品、购物车搭建、退货、订单跟踪、政策问答、组合规划、多意图旅程 8 个可验证环境，每个环境配有程序化出题、12 轴难度课程和算法可验证奖励。团队用 DAPO 训练 Qwen 3 8B 模型 300 步，早期结果显示环境扩展与自适应难度可迁移到真实智能体任务。
Hugging Face BlogAI 评分3939 Hugging Face 发布 VAKRA：评测 AI 智能体推理、工具调用与失败模式的可执行基准
Hugging Face 推出 VAKRA，一个面向企业级环境的工具调用可执行基准，用完整执行轨迹评估 AI 智能体的组合式推理能力。VAKRA 提供 8,000+ 本地托管 API、覆盖 62 个领域，任务需 3-7 步推理链，包含 API 链式调用、工具选择、多跳推理等四类任务，模型整体表现不佳。
Google ResearchAI 评分3131 Google Research 发布 ConvApparel 数据集，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 4000 多组人机多轮对话（近 15000 轮）的服饰购物领域数据集，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4242 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（原 PaperBanana）从论文文本生成出版级图表，ScholarPeer 则自动完成文献检索与论文评审。
Google ResearchAI 评分4040 Google Research 评估 LLM 行为倾向与人类的对齐程度
Google Research 提出一套框架，用改编自 IRI、ERQ 等心理学问卷的情境判断测试（SJT）评估 LLM 行为倾向与人类共识的对齐程度。对 25 个 LLM 的大规模分析发现两类差距：模型倾向偏离人类标注者共识，以及在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同意时接近完美对齐，但共识低于 90% 时对齐率停滞在 80% 出头。