微软研究院提出 EvoLib 框架将经验转化为可演进知识
微软研究院发布 EvoLib 框架，使大语言模型在测试期无需真实标签或更新权重即可将经验自监督地转化为可复用技能与反思见解。该框架通过知识整合与动态重加权机制持续演进知识库，在数学推理、受限编码及长程交互任务中以更低 token 消耗超越传统检索式记忆方法。目前相关代码与实验结果已在 GitHub 开源。
全部AI 动态
全部动态
今日 2 条Microsoft ResearchAI 评分5757
Import AIAI 评分4141 Import AI 466：机器人领域的苦涩教训、AI 完成多周编程任务与 OpenAI 的意外 AI 黑客
Epoch 与 METR 发布长周期编程基准 MirrorCode，Opus 4.7 仅耗时 14 小时和 $251 推理成本便完成需人类 2-17 周的程序重写任务。
Berkeley AI ResearchAI 评分4343 教 LLM 更新信念以实现高效长周期交互
针对大语言模型在长周期交互中自我摘要导致的性能损耗，研究团队提出 ABBEL 框架，用受监督的自然语言“信念状态”替代完整交互历史。该框架将自编码重构等信念评分作为辅助强化学习奖励，以监督状态内容。在 CollabBench 评测中，ABBEL-rec-BG 仅用 50 步训练便追回与全上下文模型约 50% 的差距，训练步数减少 50% 且显著降低峰值 token 占用。
Google Research精选AI 评分7474 Google 提出 SymptomAI：用于日常症状评估的对话式 AI 智能体研究
Google Research 联合 Google DeepMind 推出 SymptomAI 研究，探索利用基于 Gemini Flash 2.0 的对话式 AI 智能体进行端到端症状问诊与鉴别诊断。
推荐理由：这项研究通过上万名真实用户的随访与穿戴设备生理数据，展示了具备主动追问能力的对话式模型在日常鉴别诊断中的可行性。
Google Research精选AI 评分6767 Google 提出基于强化学习的量子纠错控制框架：在量子计算运行中实现自主校准
Google Research 与 Google DeepMind 在 Nature 发表研究，提出一种利用强化学习（RL）自主调控量子纠错的框架，使量子计算机无需停机即可动态校准控制参数以对抗硬件漂移。
推荐理由：Google 将强化学习引入量子纠错控制，利用运行中生成的错误检测信号动态抵御硬件漂移，为避免中断计算进行校准提供了可行方案。
Google ResearchAI 评分4444 Google Research 揭秘扩散模型的创造力来源
Google Research 在 ICLR 2026 发表的研究揭示，扩散模型的“创造力”并非随机巧合，而是源于神经网络训练中的得分平滑（score smoothing）现象。由于权重衰减等正则化效应，模型学到的是平滑后的近似得分函数，避免了单纯记忆复刻训练数据。这种平滑机制促使去噪过程在训练数据点之间实现插值，从而稳定生成逼真的全新样本。
Hugging Face BlogAI 评分5757 语音 AI 评测基准 Real World VoiceEQ 发布，评估人机交互拟真度
语音 AI 基准 Real World VoiceEQ 正式发布，基于超过 100 万项人类真实评分，全面评测 40 多款主流专有及开源语音模型的实际交互质量。
Google Research精选AI 评分7070 Google 提出 SensorFM：面向可穿戴健康数据的传感器基础模型
Google Research 联合 Google DeepMind 推出可穿戴健康数据基础模型 SensorFM。该模型基于 500 万参与者超过 1 万亿分钟的未标注多模态传感器信号进行预训练，通过自适应掩码框架直接适应数据缺失，在心血管、代谢、睡眠和心理健康等 35 项任务中均展现出跨领域迁移能力。
推荐理由：作者利用自监督掩码学习打通了多源可穿戴传感器数据，为稀缺医疗标注场景下的生理特征建模提供了通用方案。
Google ResearchAI 评分5252 Google Research 论文揭示如何通过导航协同缓解城市交通拥堵
Google Research 在《Nature Cities》发表大规模真实实验研究，证实通过导航平台协同分散少量出行路线可系统性改善城市交通状况。团队在美国 10 个主要城市对 Google Maps 算法进行为期 6 个月的交替测试，仅对不足 2% 的行程推荐耗时相近的替代路线以绕开常发拥堵路段。
Hugging Face BlogAI 评分5353 IBM Research 推出 Java 框架迁移评测基准 ScarfBench
IBM Research 推出企业级 Java 框架迁移评测基准 ScarfBench，用于评估 AI 智能体在 Spring、Jakarta EE 与 Quarkus 之间的跨框架重构能力。
Hugging Face BlogAI 评分3636 DiScoFormer：跨分布联合估计密度与分值的 Transformer 模型
研究者推出 DiScoFormer，可通过单个 Transformer 在单次前向传播中同时估计数据分布的密度与分值（score），无需针对新分布重复训练。该模型采用共享主干与双输出头设计，在 100 维场景下相比最佳调优的 KDE 将分值误差降低约 6.5 倍、密度误差降低超 37 倍。模型还支持在推理时无监督自适应分布外数据，适用于扩散生成模型与贝叶斯推断。
Import AIAI 评分3838 Import AI 463：自我改进机器人、中国万卡 GPU 集群与人类时代的挽歌
NVIDIA 研究人员推出机器人代码智能体框架 ENPIRE，通过自动重置、自动评估与策略迭代，使实体机器人在真实世界中实现闭环自主改进。在搭载 NVIDIA RTX 5090 的双臂工作站测试中，前沿代码智能体在 PushT、整理插针与剪断扎带等复杂灵巧操作任务上实现了 99% 的成功率。
Google ResearchAI 评分5757 Google 提出冻结多 Token 预测架构加速 Pixel 上的 Gemini Nano 模型
Google 推出面向端侧模型的冻结多 Token 预测（MTP）架构，已推送至 Pixel 9 和 10 系列，用于加速 Gemini Nano v3 的通知摘要与文本润色等任务。
Google ResearchAI 评分3838 Google 通过线性弹性缓存优化云经济性
Google 提出线性弹性缓存（linear elastic caching），将缓存逐出建模为“滑雪租赁问题”，利用轻量级机器学习动态调整缓存生命周期。在 Google Spanner 生产环境集成数月的测试中，该方法使内存占用减少 15.5%，总拥有成本（TCO）降低约 5%，实际 I/O 成本影响仅 0.5%。
Google Research精选AI 评分6666 Google 研究揭示推理过程如何解锁大模型的参数化知识
Google Research 团队在 COLM 2026 入选论文中揭示，让大模型生成推理轨迹能显著解锁单跳事实问答中原本难以直接读取的参数化知识。该提升主要由提供额外前向计算的计算缓冲效应，以及自发生成相关背景事实的事实预热机制共同驱动。研究同时发现中间推理若夹杂单条幻觉事实会导致最终正确率骤降，建议通过测试期轨迹验证或过程奖励强化真实性。
推荐理由：研究揭示了思维链除任务拆解外还能辅助参数化记忆检索的双重机制，为理解思考型模型的知识召回与幻觉抑制提供了控制实验依据。
Import AIAI 评分5555 牛津等机构研究：前沿AI在说服力上稳定超过人类专家
牛津大学、英国AI安全研究所、斯坦福大学和伦敦政治经济学院的研究者发现，在涉及18,978段对话、6,923人的四项实验中，AI系统在文本说服上稳定强于人类专家，包括经过数小时结构化训练并有1000英镑奖金激励的精英辩手。
Google ResearchAI 评分4141 Google Earth AI 助力自然恢复：从像素到规划
Google 发布基于 Earth AI 的矢量化生态数据集，将常规卫星难以识别的树篱、矮树林和石墙等细粒度乡村特征转化为可操作清单。该框架基于在超 3 亿张卫星图像上预训练的 RSF Vision-Transformer 骨干网络，结合亚米级图像与 1 米 LiDAR 数据解决了复杂的重叠空间拓扑难题。
Google DeepMindAI 评分5959 Google DeepMind 发布 AI 控制路线图以防范失准智能体风险
Google DeepMind 发布 AI 控制路线图（AI Control Roadmap）与配套技术报告，提出在传统模型对齐之外引入系统级纵深防御，将未完全对齐的 AI 智能体视为潜在内部威胁进行动态管控。
Google ResearchAI 评分2626 Google 研究：AI 如何帮助用户理解皮肤状况
Google 分享其在皮肤健康领域的 AI 研究，一项发表于 JAMA Dermatology 的大规模研究显示，2345 名参与者使用 AI 工具时尝试命名皮肤状况的比例超 62%（对照组 41%），命名准确率 23%，接近未使用 AI 对照组（8%）的三倍；"Wizard of Oz"组准确率为 36%。但标准 AI 组在判断下一步就医建议上未显示出统计学显著改善。
Google ResearchAI 评分4545 Google 提出用于审计机器遗忘的新框架
Google 提出正则化 f-散度核检验（Regularized f-Divergence Kernel Tests）框架，用于灵敏且准确地审计机器学习模型的“机器遗忘”。该框架引入相对距离检验与核正则化方法，利用 KL、卡方及 Hockey-stick 等 f-散度精准捕捉局部数据偏移与隐私泄露，同时在理论上证明能在任意样本量下控制假阳性。
Google DeepMind精选AI 评分6868 Google DeepMind 评估塞拉利昂 AI 辅助教学的实际成效
Google DeepMind 公布了在塞拉利昂开展的预注册随机对照试验结果，基于 Gemini 的 Guided Learning 让学生数学成绩提升 0.258 个标准差，相当于 1.2 至 1.7 年的学习进展。
推荐理由：该项预注册对照试验呈现了引导式提问在基础教学中的量化增益，同时公开了可落地的教师培训方案。
Google Research精选AI 评分6868 Google 推出基于手机摄像头的被动心率监测系统 PHRM
Google Research 在《Nature》发表研究系统 PHRM，利用智能手机前置摄像头在用户面部解锁后的数秒内被动估算心率和每日静息心率。该方案在设备端运行轻量化卷积神经网络，心率测量平均绝对百分比误差低于 10%，静息心率相比穿戴设备平均绝对误差低于 5 bpm，并在不同肤色群体中达到统一精度标准。团队同步向通过审核的研究人员开放了数据集与预训练模型 PHRM-mini。
推荐理由：原文展示了仅凭手机前置摄像头在解锁时被动监测心率与静息心率的方案，为无穿戴设备场景下的健康监测提供了具体参考。
Import AIAI 评分3535 Import AI 459：AI 监督难点、蛋白质折叠模型缩放定律与 AI 灭绝风险定价
弗吉尼亚大学、Anthropic 与加拿大央行学者指出，2025 年美国名义 AI GDP 达约 $250 billion，经质量调整后的实际产出年增速高达 2,600%，但在传统 GDP 统计中几乎隐形。这主要是因为单位能力的推理价格随效率提升大幅下跌，掩盖了每年超 200% 的算力容量扩张，进而可能导致政策制定者严重低估 AI 对劳动力税基的冲击。
Google ResearchAI 评分4141 Google 基于零信任聚合的隐私分析方案
Google 提出结合密码学与可信执行环境（TEE）的零信任聚合方案，用于在保护隐私的前提下分析端侧 AI 运行状况。该方案采用单消息（one-shot）协议，消除了设备多轮在线交互需求，并确保原始数据绝不在服务器内存中暴露。结合 TEE 证明机制构成多层防御，仅在完成聚合与匿名化后对外输出统计洞察。
Mistral AIAI 评分5252 Mistral AI 盘点推动工业工程发展的物理 AI 系列研究成果
Mistral AI 宣布加码面向航空航天、汽车、半导体与能源工业的物理 AI（Physics AI）研发，并系统汇总了收购 Emmi AI 后的关键技术突破。相关成果涵盖用于跨音速 3D 机翼的 CFD 模拟数据集、面向聚变等离子体湍流仿真的 GyroSwin 5D 代理模型，以及单 GPU 支持上亿网格单元空气动力学仿真的 AB-UPT 和多物理场实时仿真框架 NeuralDEM。
Google Research精选AI 评分7373 Google 推出科研代码生成系统 ERA 与 Computational Discovery 工具
Google 在《Nature》发表论文介绍科研编程系统 ERA（Empirical Research Assistance），并宣布通过 Gemini for Science 逐步开放基于 ERA 和 AlphaEvolve 构建的实验工具 Computational Discovery。
推荐理由：该研究展示了将大模型与树搜索结合优化科研代码的具体路径，为自动化计算实验与科学发现提供了可参考的工程框架。
Google DeepMindAI 评分4242 Google DeepMind Co-Scientist 如何加速逆转细胞衰老的基因研究
Google DeepMind 的 Co-Scientist 正被用于细胞衰老研究：它扫描数万篇论文后提出 20 多个可测试的新基因因子，实验室验证其中几个成功将细胞推向更年轻状态并改善整体功能。它还能结合文献分析大规模基因筛选数据，把原本需长达六个月的分析缩短到几天。
Google DeepMindAI 评分2222 Google DeepMind 的 Co-Scientist 如何助力 Calico 衰老研究
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 梳理衰老生物学中零散的发现并生成可验证的假设。
Google DeepMindAI 评分5757 Google DeepMind 借助 Co-Scientist 加速肝病机制与联合疗法发现
Google DeepMind 展示了爱丁堡大学团队利用 Co-Scientist 加速代谢功能障碍相关脂肪性肝炎（MASH）机制研究的成果。面对多靶点组合疗法搜索空间过大的问题，Co-Scientist 梳理肝脏生物学与药理学文献并生成假说，指出 NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁。
Google DeepMind精选AI 评分6464 Google DeepMind 借助 Co-Scientist 发现抗肝纤维化的老药新用候选物
斯坦福大学医学院与 Google DeepMind 合作，利用 Co-Scientist 智能体从现有药物文献中筛选治疗肝纤维化的老药新用候选物，相关研究发表于《Advanced Science》。
推荐理由：研究展示了科学智能体在海量文献中挖掘老药新用候选物的实验命中表现，为生物医药研发提供了具体验证案例。
Google DeepMindAI 评分5151 Google DeepMind 提出 Decoupled DiLoCo 分布式训练架构
Google DeepMind 推出新型分布式训练架构 Decoupled DiLoCo，通过将训练任务划分为解耦的计算岛并结合异步数据流，实现跨远距离数据中心的低带宽与高容错模型训练。
Google Research精选AI 评分6060 Google 提出 ReasoningBank：让智能体从成败经验中提炼推理记忆并自演进
Google Research 推出智能体记忆框架 ReasoningBank，能够从成功与失败经历中提炼结构化的高阶推理模式，支持测试阶段的持续自演进。该方案通过闭环工作流提取防范性策略，并结合记忆感知测试时扩展（MaTTS）在并行或序列推理中强化策略质量。
推荐理由：该研究系统性地从失败经验中提炼高层推理模式，为构建具备持续反思与测试时自演进能力的智能体提供了具体记忆架构参考。
Berkeley AI ResearchAI 评分4747 面向更长时域世界模型的基于梯度规划方法 GRASP
研究人员提出用于世界模型的新型基于梯度规划器 GRASP，旨在解决长时域规划中优化病态与局部极小值陷阱等问题。GRASP 将轨迹提升为虚拟状态以实现跨时间并行优化，并在状态迭代中直接加入随机性以促进探索；同时通过重塑梯度提供清晰动作信号，避免高维视觉模型中脆弱的状态输入梯度。
Google ResearchAI 评分5252 Google 提出合成数据生成框架 Simula：基于第一性原理与机制设计
Google 推出合成数据生成与评估框架 Simula，通过基于推理的第一性原理将全流程解耦为全局多样性、局部多样性、复杂化与双批评质量检查四个独立可控维度。实验使用 Gemini 2.5 Flash 作为教师模型向 Gemma-3 4B 进行蒸馏，在网络安全、法律推理、数学等领域最高生成 512K 规模数据并显著超越基线。
Google ResearchAI 评分5050 Google 发布神经形态生成模型 MoGen，利用合成神经元加速大脑连接组重建
Google Research 推出神经形态生成模型 MoGen，通过点云流匹配技术生成逼真的 3D 神经元形态，以合成数据加速大脑神经连接图谱重建。实验显示，在 PATHFINDER 重建模型的训练中加入 MoGen 数据后，小鼠轴突重建错误率降低了 4.4%，在完整小鼠大脑规模下相当于节省 157 人年的人工校对成本。
Google ResearchAI 评分4343 ConvApparel：衡量与弥合用户模拟器的真实度差距
Google Research 推出人机对话数据集 ConvApparel，用于量化并弥合 LLM 用户模拟器与真实人类间的真实度差距。数据集涵盖服装购物场景超 4,000 场对话（近 15,000 轮），通过将用户分流至“优质”与故意制造障碍的“劣质”双智能体，记录逐轮的满意度与挫败感。团队还提出了结合统计对齐、拟人度评分和反事实验证的三维框架来评测模拟器。
Google ResearchAI 评分4747 Google 推出 PaperVizAgent 与 ScholarPeer：助力学术图表绘制与同行评审
Google Research 推出两款学术 AI 智能体 PaperVizAgent 与 ScholarPeer，分别用于自动生成学术插图与论文同行评审。PaperVizAgent 由 5 个专用智能体协同运作，在插图评测中取得 60.2 分，显著超越 50.0 的人类基准线及 GPT-Image-1.5。
Google ResearchAI 评分5353 Google Research 提出评估大语言模型行为倾向与人类对齐的测试框架
Google Research 推出一套基于情境判断测试（SJT）的新评估框架，用于衡量大语言模型在真实日常与职场场景中的行为倾向是否与人类对齐。团队对 25 个模型进行的评测显示，参数量小于 25B 的小模型在人类高度共识场景下的方向对齐接近随机水平，而大于 120B 的前沿模型在共识低于 90% 时对齐率也仅停留在 80% 左右。
Google ResearchAI 评分4848 Google Research：构建更好的 AI 评测基准需要多少标注人员？
Google Research 研究发现，AI 评测中每个样本配备 1 至 5 名标注人员的通用做法不足以捕捉人类真实分歧。若要捕捉观点差异等细节，单样本通常需超过 10 名标注人员；若只评估多数票准确率，增加样本量则比增加标注人员更有效。团队指出依据指标优化配比仅需约 1,000 次总标注即可实现高可复现性，相关模拟器已在 GitHub 开源。
Google ResearchAI 评分4545 TurboQuant：通过极致压缩重新定义 AI 效率
Google Research 推出向量压缩算法 TurboQuant，结合 PolarQuant 极坐标量化与 1-bit QJL 残差纠错技术，在零精度损失的前提下大幅降低 KV cache 内存开销。该算法在 Gemma 和 Mistral 等开源大语言模型上通过了 LongBench、RULER 等长上下文基准评测，在显著压缩 KV 内存占用的同时优化了向量检索效率。