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。
#论文/研究
#论文/研究
今日 2 条Google DeepMind精选AI 评分7474
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。
Google ResearchAI 评分3131 Google Research 研究：AI 基准测试需要多少标注者才够？
Google Research 在《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》中研究了标注条目数与每条目标注者数的权衡，并将模拟器在 GitHub 开源。
Hugging Face BlogAI 评分2222 OpenMed 用 165 美元训练跨 25 物种的 mRNA 语言模型
OpenMed 构建了覆盖结构预测、序列设计与密码子优化的端到端蛋白质 AI 流水线，其中 CodonRoBERTa-large-v2 以困惑度 4.10、Spearman CAI 相关性 0.40 显著优于 ModernBERT。团队随后将模型扩展至 25 个物种，用 55 GPU-hours 训练出 4 个生产模型，并搭建了目前其他开源项目尚未提供的物种条件化系统。
Google Research精选AI 评分6666 Google 发布白皮书：量子计算机破解加密货币加密所需资源大幅降低
Google Quantum AI 发布白皮书，估算未来量子计算机破解保护加密货币的椭圆曲线密码（ECDLP-256）所需的量子资源比此前认为的更少。
推荐理由：Google Quantum AI 给出破解 ECDLP-256 的最新量子资源估算，并用零知识证明披露漏洞，读者可了解量子威胁与后量子迁移的紧迫性。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 AI 有害操纵测量工具包与万人实验结果
Google DeepMind 发布关于 AI 有害操纵的新研究，称其为首个经实证验证的测量工具包，并公开运行同类人类受试者研究所需的全部材料。研究覆盖英国、美国、印度共九项实验、超过 10000 名参与者，聚焦金融与健康等高风险场景，结果显示 AI 在健康话题上的有害操纵效果最弱，且在一个领域的成功无法预测另一个领域。
推荐理由：Google DeepMind 公开了首个经实证验证的 AI 有害操纵测量工具包，并给出跨英、美、印三国万人实验的关键结论。
Google Research精选AI 评分6262 Google 发布 TurboQuant 等三种向量量化算法，KV cache 压缩至 3 bit 且精度无损
Google 发布 TurboQuant 压缩算法，并配套提出 QJL 和 PolarQuant，用于解决向量量化中的内存开销问题，三篇工作将分别亮相 ICLR 2026 和 AISTATS 2026。
推荐理由：Google 提出三种向量量化算法，在 KV cache 压缩与向量搜索上给出可复用的压缩思路与基准结果。
Google ResearchAI 评分2929 Google Research 推出 S2Vec：用自监督学习读懂城市建成环境
Google Research 发布自监督框架 S2Vec，通过 S2 Geometry 分区与特征栅格化，把建筑、道路等建成环境特征转成多层图像，再用掩码自编码（MAE）学习通用嵌入向量。在人口密度、收入等社会经济预测的零样本地理外推任务中，S2Vec 通常是最佳单模型，与图像嵌入做多模态融合后效果普遍优于单一模态；但在树木覆盖、海拔等环境任务上仍需改进。
Hugging Face BlogAI 评分5252 ServiceNow 发布语音智能体端到端评测框架 EVA
ServiceNow 在 Hugging Face 发布 EVA，一个面向对话式语音智能体的端到端评测框架，同时给出 EVA-A（准确率）和 EVA-X（体验）两个分数，并开源代码与数据集。
Google Research精选AI 评分6666 Google 与 NHS 合作研究：AI 用于乳腺癌筛查的独立表现与双读流程评估
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项姊妹研究，评估 AI 乳腺癌检测系统。
推荐理由：两项 Nature Cancer 研究给出 AI 在 NHS 乳腺筛查中的独立读片与双读流程数据，可了解人机协作的实际收益与仲裁环节的失误。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 2026 春季开源 AI 生态报告
Hugging Face 发布《State of Open Source on Hugging Face: Spring 2026》，基于平台数据回顾过去一年开源 AI 生态变化。
推荐理由：Hugging Face 用平台数据勾勒开源 AI 一年变化，中国模型下载占比与机器人数据集增长是两条主线。
Google DeepMindAI 评分4949 Google DeepMind 发布 AGI 认知框架，并联合 Kaggle 举办评测黑客松
Google DeepMind 发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》，提出用认知科学衡量 AGI 进展的框架，涵盖感知、生成、注意力、学习、记忆、推理、元认知、执行功能、问题解决、社会认知 10 项能力，并配套三阶段评测协议。
Google ResearchAI 评分3636 Google 与康奈尔大学测试 LLM 能否回答高温超导研究问题
Google 与康奈尔大学在《PNAS》发表研究，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 及一套自建 RAG 系统回答 67 道高温超导专家级问题，由 12 位国际专家按平衡性、全面性、简洁性、证据、图像相关性和定性反馈六项指标盲评打分。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可在规模化下识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征、数据和模型组件归因中识别 LLM 的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Google Research精选AI 评分6262 Google 推出 Groundsource：用 Gemini 将新闻报道转为灾害数据
Google Research 推出 Groundsource，一种利用 Gemini 从非结构化全球新闻中提取历史灾害数据的方法，并发布首个开放数据集，包含 260 万条城市山洪记录，覆盖 150 多个国家、时间跨度从 2000 年至今。
推荐理由：Google 用 Gemini 从 80 种语言新闻中抽取洪水事件，其准确率与覆盖范围可供评估 LLM 做数据抽取的可行性。
Google Research精选AI 评分6666 Google 与 BIDMC 开展对话式诊断 AI 真实临床可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作开展了一项前瞻性单中心可行性研究，让 AMIE 在门诊初级保健就诊前与患者进行文本问诊，全程由医生通过视频监督。
推荐理由：Google 与 BIDMC 首次在真实门诊流程中部署对话式诊断 AI，读者可了解其安全监督机制与医患反馈。
Hugging Face BlogAI 评分5252 Hugging Face 调研 16 个开源 RL 库：异步训练的七轴对比
Hugging Face 发布对 16 个开源异步 RL 训练库的调研，按编排原语、rollout 缓冲设计、权重同步协议、陈旧度管理、部分 rollout 处理、LoRA 支持和分布式训练后端七个维度进行对比。
Google Research精选AI 评分6060 Google Research 发布 WAXAL：覆盖 27 种非洲语言的开放语音数据集
Google Research 发布 WAXAL，一个覆盖 27 种撒哈拉以南非洲语言的大规模开放语音数据集，采用 CC-BY-4.0 许可。数据集包含约 1,846 小时用于 ASR 的转写自然语音，以及超过 565 小时用于 TTS 的高保真录音，由非洲学术与社区组织主导采集，覆盖 26 个以上国家、超过 1 亿使用者。该资源旨在支持非洲语言语音识别与合成系统的开发，并计划持续扩充语言种类。
推荐理由：Google Research 联合非洲高校发布 27 种语言的语音数据集，可了解低资源语言语音数据的采集方法与开放许可安排。
OpenAI News精选AI 评分6060 OpenAI 提出 CoT-Control：推理模型难以控制自身思维链
OpenAI 提出 CoT-Control，发现推理模型难以控制自己的思维链，这反而强化了可监控性作为 AI 安全防护手段的价值。
推荐理由：OpenAI 提出 CoT-Control 并观察到推理模型难以控制自身思维链，为可监控性作为安全手段提供了依据。
Google ResearchAI 评分3838 Google 用贝叶斯教学让 LLM 学会概率推理
Google Research 提出"贝叶斯教学"，通过监督微调让 LLM 模仿贝叶斯助手在航班推荐任务中的预测，从而学会概率推理。在五轮模拟用户交互中，未经训练的 LLM 表现远逊于最优贝叶斯助手，且往往在单次交互后性能就停滞；而贝叶斯教学不仅提升该任务表现，还能泛化到其他任务。
OpenAI NewsAI 评分2222 OpenAI 新预印本将单负振幅扩展至引力子，GPT-5.2 Pro 参与推导验证
OpenAI 发布新预印本，将单负振幅扩展至引力子，GPT-5.2 Pro 参与推导并验证了量子引力中非零的引力子树振幅。
OpenAI NewsAI 评分4242 OpenAI 公布 AI 模型在 First Proof 数学挑战中的证明尝试
OpenAI 公开了其 AI 模型针对 First Proof 数学挑战的证明尝试，该挑战旨在测试模型在专家级问题上的研究级推理能力。
Hugging Face BlogAI 评分4747 IBM 与 UC Berkeley 用 ITBench 和 MAST 诊断企业级 AI 智能体失败原因
IBM Research 与 UC Berkeley 用 MAST 失败分类法分析 ITBench 的 310 条 SRE 执行轨迹，覆盖 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 三类模型。
Google ResearchAI 评分4242 Google 用 MapTrace 教多模态大模型在地图上寻路
Google Research 提出 MapTrace，一套面向多模态大模型的地图路径追踪任务、数据集与合成数据生成流程，并开源了用 Gemini 2.5 Pro 和 Imagen-4 生成的 200 万条问答对。
OpenAI News精选AI 评分7575 GPT-5.2 在理论物理中推导出新结果
OpenAI 发布新预印本，显示 GPT-5.2 为胶子振幅提出了一个新公式，随后由 OpenAI 与学术合作者完成形式化证明与验证。
推荐理由：OpenAI 与学术合作者披露 GPT-5.2 提出胶子振幅新公式并被形式化证明，可观察大模型参与理论物理推导的边界。
Google ResearchAI 评分3535 Google 推出 DialogLab：开源框架用于编排、模拟与测试人机多方群组对话
Google 在 ACM UIST 2025 上发布开源原型框架 DialogLab，用于编排、模拟和测试动态的人机多方群组对话。该框架将对话的社交设定与时间推进解耦，通过"编排-测试-验证"三阶段工作流支持拖拽式场景搭建、human control 实时干预和对话动态可视化分析。
Google ResearchAI 评分3232 Google 研究：用鸟类数据训练的 Perch 2.0 如何揭示水下鲸类之谜
Google Research 与 Google DeepMind 发现，主要用鸟类数据训练的 Perch 2.0 生物声学基础模型，在未接触任何水下音频的情况下，仍能作为嵌入模型迁移用于鲸类发声分类。