Microsoft Research 提出 EvoLib：让大语言模型把经验转化为持续演化的知识
Microsoft Research 在论文 Test-Time Learning with an Evolving Library 中提出 EvoLib，让大语言模型在推理阶段从自身经验中自监督学习，无需真实标签、外部反馈或更新模型参数。
#论文/研究
#论文/研究
今日 1 条Microsoft ResearchAI 评分5353
Berkeley AI ResearchAI 评分5353 K-Search 如何把 CUDA kernel 优化经验迁移到 Apple Silicon 的 MLX
Berkeley AI Research 与 IBM Research 介绍扩展 K-Search 的 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把既有 CUDA kernel 优化知识转化为 Apple Silicon 可用的搜索约束。
Berkeley AI ResearchAI 评分4747 ABBEL：训练 LLM 更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将交互摘要建模为自然语言信念状态，并通过信念评分监督其信息内容，以解决长程交互中递归摘要的性能损失问题。在 CollabBench 协作编码评测中，带重建信念评分的 ABBEL-rec-BG 将与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 为 6.01×10²。
Google Research精选AI 评分7272 Google Research 发布 SymptomAI 研究：面向日常症状评估的对话式 AI 智能体
Google Research 介绍实验性对话式 AI 智能体 SymptomAI，并在 13,917 名同意参与者中比较 5 种基于 Gemini Flash 2.0 的症状问诊方式。
推荐理由：研究在真实参与者中比较 AI 智能体与临床医生的鉴别诊断，并结合可穿戴生理信号，为日常症状问诊评估提供实测依据。
Google ResearchAI 评分5656 Google Research 用强化学习让量子计算机在运行中从错误里学习校准
Google Research 与 Google DeepMind 在 Nature 论文 Reinforcement learning control of quantum error correction 中展示强化学习框架，让自主智能体根据量子纠错检测事件持续调整数千个控制参数，在计算过程中抵消漂移。
Google ResearchAI 评分4141 Google Research 如何解释扩散模型创造力的来源
Google Research 在 ICLR 2026 论文中指出，扩散模型的创造力并非随机偶然，而是神经网络训练中 score smoothing 使去噪过程在训练点之间插值，生成新样本。研究通过一维示例和 AdamW、weight decay 实验说明，显式或隐式正则化都会让 score function 变平滑，并有助于数据流形恢复。
Hugging Face BlogAI 评分5252 Hugging Face 介绍 Real World VoiceEQ：衡量语音 AI 的人类体验质量
Hugging Face 发布 Real World VoiceEQ 语音 AI 基准，覆盖 ASR、TTS、Speech-to-Speech 和 Speech Understanding，评测 40 多个模型、15+ 维度和 60 多项指标。
Google ResearchAI 评分5858 Google Research 发布可穿戴健康数据基础模型 SensorFM
Google Research 与 Google DeepMind 等推出 Large Sensor Foundation Model SensorFM，直接从大规模无标签可穿戴设备数据学习通用生理表征。
Google ResearchAI 评分5555 Google Research 研究显示导航协同分流可缓解城市拥堵
Google Research 在 Nature Cities 发表研究，通过 Google Maps 在美国 10 个主要城市开展为期 6 个月的全城切换实验，让少于 2% 的行程改走时间相近的替代路线。
Hugging Face Blog精选AI 评分6262 IBM Research 发布 ScarfBench，评测 AI 智能体的企业 Java 框架迁移能力
IBM Research 推出开放基准 ScarfBench，用于评估 AI 智能体在 Spring、Jakarta EE 和 Quarkus 之间迁移企业 Java 应用的能力。
推荐理由：该基准用构建、部署和行为保留三层结果评估编码智能体，可帮助读者区分可编译代码与真正完成企业 Java 迁移之间的差距。
Hugging Face BlogAI 评分4242 DiScoFormer：一个跨分布同时估计密度与 score 的 Transformer 模型
Hugging Face 介绍 DiScoFormer，这是一个可在单次前向传播中同时估计分布密度与 score、无需按新分布重新训练的 Transformer 模型。模型用高斯混合模型训练，采用共享主干与密度、score 双输出头，并把 KDE 作为特殊情形。在 100 维任务中，其 score 误差较最佳手工调优 KDE 降低约 6.5x，密度误差降低超过 37x。
Google ResearchAI 评分4747 Google Research 提出线性弹性缓存，以滑雪租赁问题优化云端缓存成本
Google Research 提出线性弹性缓存，将页面淘汰建模为滑雪租赁问题，并利用轻量机器学习动态调整缓存大小。该方法已在 Spanner 生产环境测试，内存使用降低 15.5%，缓存未命中仅增加 5.5%，总拥有成本降低约 5%。相关论文发表于 CIDR。
Google Research精选AI 评分6565 Google Research 论文解析：推理如何唤醒大语言模型的参数化知识
Google Research 介绍将在 COLM 2026 发表的论文 Thinking to Recall，发现开启推理后，Gemini-2.5 Flash、Gemini-2.5 Pro 和 Qwen3-32B 能召回关闭推理时几乎无法得到的简单单跳事实答案。
推荐理由：文章用受控实验区分计算缓冲与事实启动两种机制，并审计中间事实幻觉对最终答案的影响，可帮助理解推理型模型的知识召回边界。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 AI Control Roadmap，用系统级安全管控内部 AI 智能体
Google DeepMind 发布 AI Control Roadmap，提出在传统模型对齐之外增加系统级安全层，把内部 AI 智能体视为可能未对齐的 insider threat。
推荐理由：框架把内部智能体视为可能失准的 insider threat，并用 D1-D4、R1-R3 将防护强度与模型能力对应，便于理解系统级安全设计。
Google ResearchAI 评分4747 Google Research 研究 AI 如何帮助用户理解皮肤问题
Google Research 发布针对皮肤问题 AI 信息工具的研究，评估用户在 AI 辅助下识别病症与决定后续行动的能力。2345 名参与者的随机对照实验显示，AI 组病症命名准确率为 23%，对照组为 8%，但标准 AI 组的后续行动准确率未显著提升。研究还通过混合方法考察用户如何将 AI 获得的理解与医生沟通进行比较。
Google ResearchAI 评分4747 Google 提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests
Google 提出 Regularized f-Divergence Kernel Tests 框架，用于更敏感、灵活、准确地审计机器学习模型的机器遗忘效果，相关成果发表于 AISTATS 2026。该框架通过相对距离测试判断遗忘模型更接近安全重训模型还是原始受损模型，并利用 f-divergence 与核正则化降低计算成本。其理论上可在任意样本量下控制假阳性，并随样本增加让假阴性风险收敛至零。
Google DeepMind精选AI 评分6262 Google DeepMind 公布塞拉利昂 Gemini Guided Learning 教学试验结果
Google DeepMind 公布在塞拉利昂开展的 Guided Learning 预注册试验结果，使用 Gemini 的学生数学成绩较对照组提升 0.258 个标准差，约相当于 8 周内取得 1.2 至 1.7 年的常规学习进展。
推荐理由：材料用预注册随机对照试验数据呈现 AI 辅导对数学成绩、提问行为和教师角色的影响，并公开训练与试验方法资料。
Google Research精选AI 评分6464 Google Research 发布 PHRM 手机摄像头被动心率监测研究
Google Research 在 Nature 论文中提出 PHRM 研究系统，可在用户面部解锁手机后通过前置摄像头拍摄 8 秒面部视频，在日常使用中被动估计心率和每日静息心率。
推荐理由：文章给出跨肤色验证误差、真实环境测试和数据集开放方式，可帮助读者理解手机摄像头被动测心率的可行边界。
Google ResearchAI 评分5252 Google Research 提出零信任聚合隐私分析方案，用于 Android SafetyCore 端侧模型评估
Google Research 发布零信任聚合隐私分析方案，通过单消息格基加密聚合协议与 TEE 证明结合，使服务器只能获得加噪后的匿名群体统计。设备无需多轮保持在线，原始数据不会在服务器内存或 TEE 中以明文重建；TEE 还可证明运行的是公开代码。该方案正与 Android SafetyCore 团队合作，用于评估安全分类器的元数据和真阳性率，同时让用户内容保留在设备本地。
Mistral AIAI 评分4545 Mistral AI 正在塑造行业的 Physics AI 研究
Mistral AI 收购 Emmi AI 后，将继续面向航空航天、汽车、半导体和能源行业构建基础 Physics AI。相关研究包括约 30,000 个跨音速 3D 机翼 CFD 仿真样本，以及可在单 GPU 上处理 9M surface、140M volume cells 的 AB-UPT。多项成果已通过 arXiv 或 GitHub 公开。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 AI co-clinician 医疗 AI 研究计划并公布多模态问诊评测
Google DeepMind 宣布 AI co-clinician 研究计划，探索在医生监督下由 AI 智能体辅助患者诊疗，并发布相关技术报告与模拟评测。医生侧评测覆盖 98 个初级保健问题，系统在 97 个案例中没有关键错误；在 OpenFDA 的 RxQA 开放式用药问答上也优于其他前沿模型。
推荐理由：材料同时给出医生辅助与患者远程问诊两类评测，可帮助读者理解医疗 AI 从文本问答走向实时多模态协作的边界。
Google DeepMindAI 评分5858 Google DeepMind 提出 Decoupled DiLoCo 分布式 AI 训练架构
Google DeepMind 发布 Decoupled DiLoCo 论文，提出将训练任务拆分到相互解耦的 learner units 计算岛，并通过异步数据流降低跨数据中心带宽需求。
Google ResearchAI 评分5656 Google Research 提出 ReasoningBank：让 AI 智能体从成功与失败经验中学习
Google Research 在 ICLR 论文中提出 ReasoningBank，一个从成功和失败轨迹中提炼高层推理记忆、支持测试时自我进化的 AI 智能体记忆框架。
Berkeley AI ResearchAI 评分4848 面向世界模型长时域规划的梯度方法 GRASP
Berkeley AI Research 提出面向学习型世界模型的梯度规划器 GRASP，以提升长时域规划的实用性与鲁棒性。GRASP 将轨迹提升至虚拟状态以实现跨时间并行优化，直接向状态迭代加入随机性用于探索，并重塑梯度，使动作获得清晰信号，同时规避经高维视觉模型传播的脆弱“状态输入”梯度。
Google ResearchAI 评分5757 Google Research 提出 Simula：用第一性原理推理设计面向真实场景的合成数据集
Google Research 在 TMLR 论文中提出推理优先的合成数据生成与评估框架 Simula，用机制设计从第一性原理构建完整数据集。Simula 通过全局多样化、局部多样化、复杂化和双重质量检查控制覆盖、难度与标签质量，并引入 Taxonomic Coverage 与 Calibrated Complexity Scoring 评估数据。
Google ResearchAI 评分4949 Google Research 用 AI 生成的合成神经元加速大脑图谱绘制
Google Research 推出 MoGen 模型，通过生成合成神经元形态增强 PATHFINDER 重建模型的训练数据，使小鼠轴突重建错误率降低 4.4%。该成果将在 ICLR 2026 发表，在完整小鼠脑规模上相当于节省 157 人年的人工校对工作。MoGen 已作为开源模型发布，是首次将现代生成式 AI 用于提升连接组重建的当前最优方法。
Google ResearchAI 评分4949 ConvApparel：衡量并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel 数据集与评估框架，用于量化 LLM 用户模拟器与真实人类行为之间的真实感差距。该数据集包含服装购物领域超 4,000 段人机多轮对话、近 15,000 个轮次，并通过“Good/Bad”双智能体协议及逐轮满意度、挫败感、购买意愿标注采集。
Google ResearchAI 评分4242 Google Research 推出 PaperVizAgent 与 ScholarPeer 两款 AI 智能体，改进学术图表与同行评审流程
Google Research 推出 PaperVizAgent 与 ScholarPeer 两款智能体框架，分别用于自动生成学术图表和评审论文。PaperVizAgent 由 5 个专项智能体协作，在 0-100 分评测中总分 60.2，超过 50.0 的人类基线及 GPT-Image-1.5、Nano-Banana-Pro、Paper2Any。
Google ResearchAI 评分5757 Google Research 提出框架评估 LLM 行为倾向与人类的对齐程度
Google Research 发布研究，提出用情境判断测试评估 25 个 LLM 在真实用户助手场景中的行为倾向是否对齐人类偏好。研究基于 IRI、ERQ 等心理问卷生成场景，由 550 名参与者中每题 10 名标注者提供偏好，并用 LLM-as-a-judge 映射模型回答。
Google ResearchAI 评分5050 构建更好的 AI benchmark：多少名评估者才足够？
Google Research 研究 AI benchmark 中评估条目数量与每条目人工评估者数量的权衡，发现常用的每条目 1、3 或 5 名评估者往往不足，常需超过 10 名。最优配置取决于指标：多数投票偏广度，捕捉意见差异偏深度；约 1,000 个总标注即可获得高可复现结果，模拟器已在 GitHub 开源。
Google ResearchAI 评分5252 Google Research 提出 TurboQuant 极端压缩算法以降低 KV cache 与向量搜索内存开销
Google Research 发布向量量化压缩算法 TurboQuant，并同时介绍其依赖的 QJL 与 PolarQuant；TurboQuant 将在 ICLR 2026 展示，PolarQuant 将在 AISTATS 2026 展示。
Google ResearchAI 评分4242 S2Vec 如何学习城市语言：Google Earth AI 解析现代建成环境
Google Research 在 Google Earth AI 计划下推出 S2Vec，用 S2 Geometry 栅格化建成环境，并通过 masked autoencoding 自监督学习通用嵌入向量。S2Vec 在美国人口密度、收入中位数等零样本地理适应任务中通常是最佳单模型；与图像嵌入融合后，效果通常优于任一单一模态，但在树木覆盖、海拔等环境任务上仍需改进。
Google Research精选AI 评分7272 Google Research 发布 AIMS 研究，用机器学习改进乳腺癌筛查流程
Google Research 联合多家 NHS 机构在 Nature Cancer 发表 AIMS 两项配套研究，评估 AI 乳腺癌检测系统的独立性能及其替代第二阅片人的双读流程。
推荐理由：两项配套研究分别验证独立 AI 读片性能和人机双读流程，为理解 AI 筛查的临床收益与落地约束提供了完整证据。
Google Research精选AI 评分6060 Google Research 与高校评估六款 LLM 回答高温超导研究问题的能力
Google Research 联合 Cornell University 等机构发表 PNAS 论文，评估六款 LLM 回答高温超导专家级问题的能力。专家围绕 67 个问题按 0 到 2 分盲评，NotebookLM 和使用相同精选来源的定制 RAG 系统总体表现最好。开放联网模型更容易混合成熟理论与高度推测性理论，所有受测系统还存在时间与语境理解、论文召回、表格和图像理解不足。
推荐理由：研究用专家盲评比较开放联网模型与封闭可信资料库系统，为科研场景中的知识准确性和证据引用提供参照。
Berkeley AI ResearchAI 评分4747 面向 LLM 的规模化交互识别：SPEX 与 ProxySPEX
Berkeley AI Research 提出 SPEX 与 ProxySPEX，用于在大规模特征、训练数据和模型组件中识别影响 LLM 输出的关键交互。SPEX 借助稀疏性、低阶性及信号处理方法，将交互发现转化为稀疏恢复问题；ProxySPEX 进一步利用层级结构，以约 10x 更少的消融达到与 SPEX 相当的性能。
Google Research精选AI 评分7171 Google Research 公布 AMIE 对话式诊断 AI 在真实门诊环境中的前瞻性可行性研究结果
Google Research 与 Beth Israel Deaconess Medical Center 合作，在门诊初级保健场景中测试对话式诊断 AI AMIE 的诊前病史采集。
推荐理由：这项真实门诊环境下的前瞻性可行性研究，提供了 AMIE 在医生监督中采集病史的安全性、诊断表现和医患接受度数据。
Google Research精选AI 评分6262 Google Research 发布 WAXAL：覆盖 27 种撒哈拉以南非洲语言的开放语音数据集
Google Research 发布开放语音数据集 WAXAL，覆盖 27 种撒哈拉以南非洲语言、超过 26 个国家的 1 亿多名使用者。初始版本包含约 1,846 小时 ASR 转写自然语音和超过 565 小时 TTS 高保真录音，并以 CC-BY-4.0 许可开放。数据集自 2021 年起与非洲学术及社区组织合作建设，Google 还计划继续扩展语言覆盖。
推荐理由：原文给出语言覆盖、ASR 与 TTS 数据规模及开放许可，便于读者评估其对低资源语音研究的基础价值。
Berkeley AI ResearchAI 评分4141 成像系统的信息驱动设计：基于互信息直接评估与优化
Berkeley AI Research 提出基于互信息直接评估并优化成像系统的框架，仅用含噪测量与噪声模型即可量化系统区分物体的能力。该指标在彩色摄影、射电天文、无透镜成像和显微镜四个领域均能预测解码器性能，优化所得设计可媲美 SOTA 端到端方法，且占用更少内存与算力、无需任务专用解码器。相关成果发表于 NeurIPS 2025。
Berkeley AI ResearchAI 评分5151 Transitive RL：用分治而非 TD 学习实现可扩展的离策略强化学习
Berkeley AI Research 介绍 Transitive RL（TRL），一种基于分治价值学习的离策略 RL 算法，用轨迹内状态和 expectile regression 构造传递式 Bellman 更新，以对数级递归处理长程任务。
Berkeley AI ResearchAI 评分4848 word2vec 究竟学到了什么？新研究给出定量理论
Berkeley AI Research 新论文证明，在现实条件下 word2vec 的学习问题可归约为无加权最小二乘矩阵分解，梯度流动态有闭式解，最终表示等价于对目标矩阵 M* 做 PCA。从小初始化训练时，word2vec 以离散、顺序步骤学习正交线性子空间，每步提升嵌入矩阵秩并降低损失，特征可由语料共现统计预先算出。