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。
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 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 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 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 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 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。
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 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 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。
剑桥大学教授 Clare Bryant 正在使用 Co-Scientist 寻找新发传染病跨物种传播引发重症的分子开关与预防方案。该工具通过分析研究提案与未公开实验数据生成并排序假说，直接锁定了此前未被关注的关键蛋白质及特定氨基酸。团队正构建突变细胞系进行测试，原本需要 2 至 3 年的靶点确定工作有望缩短至 6 个月内完成。
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 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。
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。
自适应并行推理旨在让推理模型自行决定何时分解并并行化独立子任务、开启多少并发线程以及如何协调，而非由外部框架强加并行结构。现有方法如 Self-consistency、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink 与 Hogwild!
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生监督下协助患者诊疗。在 98 个真实初级保健问题的盲测中，该系统在其中 97 个案例未出现关键错误，医生对其回答的偏好也高于主流证据合成工具。
推荐理由：Google DeepMind 披露 AI co-clinician 的评测设计与多模态问诊模拟结果，可了解医疗 AI 从文本走向实时音视频的路径。
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 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。
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 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 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 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 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 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 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 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。
Google Research 推出自监督框架 S2Vec，通过将地理要素光栅化并结合掩码自编码（MAE）学习人造环境的通用嵌入向量。该方法利用 S2 Geometry 多分辨率网格表征建筑与道路等空间分布，无需人工标注即可捕捉区域特征。在全美人口密度与中位数收入等零样本跨区域预测基准中，S2Vec 表现优于 SATCLIP 等对比模型。
Google Research 与英国国家医疗服务体系（NHS）合作在《Nature Cancer》发表两项关于乳腺癌筛查 AI 系统的研究。评估显示独立 AI 系统的癌症检出率从千分之 7.54 提升至 9.33 并检出了 25% 的间歇期癌症，在前瞻性部署中中位处理时间为 17.7 分钟。
推荐理由：原文展示了将模型作为第二阅片员融入临床双读流程的试验设计，为医疗场景评估人机协同与工作量削减提供了参考依据。
Google 与康奈尔大学测试了 GPT-4o、Claude 3.5、Gemini Advanced Pro 1.5 和 NotebookLM 等 6 款大语言模型解答高温超导前沿问题的表现。
为解决大语言模型解释性分析中的组合爆炸难题，研究团队提出 SPEX 与 ProxySPEX 算法，实现大规模关键特征交互的高效识别。SPEX 借助信号处理与编码理论将搜索转化为稀疏恢复问题，在上下文扩展至数千特征时仍保持高忠实度。ProxySPEX 进一步利用交互的层级特性，以少约 10 倍的消融成本达到了与 SPEX 相同的性能。
Google Research 推出 Groundsource 框架，利用 Gemini 将全球非结构化新闻转化为结构化历史灾害数据，并开源包含 150 多个国家和地区、260 万条记录的城市突发洪水数据集。
Google 与 BIDMC 合作完成前瞻性临床研究，验证对话式医疗 AI 系统 AMIE 在门诊初级保健就诊前采集病史的安全性与可行性。在对 100 名患者的测试中，医生实时监督下未触发任何安全终止事件，盲审评估显示 AMIE 的鉴别诊断质量与全科医生相当，90% 病例的前 7 项鉴别诊断命中 8 周后的最终确诊结果。
推荐理由：该研究将对话式医疗 AI 从模拟环境推进到真实门诊预诊流程，在人工监督下验证了病史采集的安全性和鉴别诊断表现。
BAIR 提出一种基于互信息评估与优化成像系统设计的框架，仅利用含噪测量值和噪声物理模型即可直接量化硬件的信息量。该成果在 NeurIPS 2025 发表，并在彩色摄影、射电天文学、无透镜成像和显微镜四个领域验证了对下游性能的预测能力。其实验优化效果媲美 SOTA 端到端方法，且所需内存和算力更少，无需针对特定任务设计解码器。
Berkeley AI Research 提出一种基于分治法（divide and conquer）的强化学习算法，无需传统时间差分（TD）学习即可有效扩展至长视野任务。该方法通过将轨迹二分并结合其价值进行更新，理论上将 Bellman 递归次数对数级缩减，并在目标条件强化学习（goal-conditioned RL）任务中解决了自举误差累积难题。
伯克利 AI 研究提出一套定量理论，证明 word2vec 在随机初始化且初始权重趋近于零的训练条件下，其学习问题可化简为非加权最小二乘矩阵分解，梯度流动态有闭式解，最终学到的表示就是 PCA。该理论给出特征向量的闭式表达式，仅由语料共现统计与超参数决定，并按序逐步提升嵌入矩阵的秩，每一步对应一个可解释的主题级概念。
Mistral AI 联合法国生态转型署等机构发布了首个大语言模型全生命周期环境评估报告，量化了开发与使用 AI 的环境足迹。