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5757 Google DeepMind精选AI 评分9393 Google DeepMind 发布 Gemma 4 开源模型系列
Google DeepMind 发布 Gemma 4 开源模型系列，包含 E2B、E4B、26B MoE 和 31B Dense 四种规格，采用 Apache 2.0 许可。
推荐理由：官方给出 Gemma 4 的四种规格、上下文长度、端侧与本地硬件适配及 Apache 2.0 许可，便于评估开源部署路径。
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 DeepMind精选AI 评分6464 Google DeepMind 发布由 Gemini 驱动的 AI 指针实验，并在 Chrome 与 Googlebook 中推进 Magic Pointer
Google DeepMind 公布由 Gemini 驱动的 AI 指针实验，让用户通过指向屏幕内容并说话来完成总结、比较、改图、查路线等操作。该方案遵循保持工作流、展示并说明、支持 this 和 that 短指令、把像素转为可操作实体四项原则。
推荐理由：原文展示了指针如何结合视觉语义与语音指令，并说明 Chrome 与 Googlebook 的落地入口，可帮助理解跨应用 AI 交互的产品方向。
Google Research精选AI 评分6565 Google 发布 Vibe Coding XR，用 Gemini 和 XR Blocks 加速 AI + XR 原型开发
Google 发布 Vibe Coding XR 工作流，通过 Gemini 与基于 Web 的 XR Blocks 框架配合，把自然语言提示词直接生成具备物理感知的 Android XR 应用，官方称可在 60 秒内完成。
推荐理由：文章说明了自然语言生成 Android XR 应用的工作流、60 秒内出原型的入口和 VCXR60 初步评测，便于理解 XR 原型开发的新路径。
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 ResearchAI 评分5555 Google Research 在 The Check Up 展示医疗 AI 研究与临床落地进展
Google Research 在 The Check Up 活动中介绍其医疗 AI 组合，覆盖个性化健康、临床辅助、开发者生态、公共卫生和生物医学发现。与 Fitbit 的研究显示 Personal Health Agent 比单任务应用更能支持长期健康；乳腺癌筛查实验系统识别出 25% 此前漏检的 interval cancers，糖尿病视网膜病变筛查已超过 100 万次。
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。
Google Research精选AI 评分7373 Google Flood Hub 推出城市山洪 AI 预报，可提前 24 小时预测风险
Google Research 宣布在 Flood Hub 上线城市山洪预报，借助新的 AI 方法提前最多 24 小时预测城市地区山洪风险。系统使用 Groundsource 从新闻报道等公开非结构化数据中提取历史山洪事件，并用 Gemini 核验地点和时间，再训练基于 RNN 与 LSTM 的模型。
推荐理由：文章说明了城市山洪预报的数据构建、模型输入和覆盖限制，可帮助读者理解其相较传统传感器预警的可扩展路径。
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。
Mistral AI精选AI 评分8282 Mistral AI 发布 Voxtral 语音理解模型，推出 24B 与 3B 版本
Mistral AI 发布 Voxtral 语音理解模型，包含面向生产的 24B Voxtral 和面向本地及端侧部署的 3B Voxtral Mini，二者均采用 Apache 2.0 许可并提供 API。
推荐理由：官方同时给出 24B 与 3B 两种规格、Apache 2.0 许可和 API 定价，便于比较开源部署与托管调用的取舍。
Mistral AI精选AI 评分8282 Mistral AI 发布 Mistral Small 3.1，支持多模态与 128k 上下文
Mistral AI 发布 Mistral Small 3.1，提供 Base 和 Instruct checkpoints，采用 Apache 2.0 许可证。
推荐理由：官方给出性能、速度、128k 上下文和本地硬件要求，可帮助评估小模型在端侧与低延迟场景的适用性。