跳到正文

论文研究

值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。

39条精选相关主题推理能力安全对齐数据与训练

最新精选

第 21–39 条 · 共 39 条
8月28日周五
  1. Google Research62

    Google Earth AI 推出实验性研究能力 Planetary Prediction Engine，自动化全球地理空间建模

    Google Research 介绍 Google Earth AI 旗下实验性研究能力 Planetary Prediction Engine（PPE），可根据自然语言查询自动完成地理空间数据发现、清洗、特征工程、模型训练与评估，并生成报告。

    推荐理由：文章给出了自动化地理空间建模的三阶段流程，并在公共卫生、粮食安全和疫情预测任务中提供了可对比的基准结果。

8月21日周五
  1. Hugging Face Blog67

    Hugging Face 研究提出三类测试，量化语音识别模型的基准优化现象

    Hugging Face 发布研究，用参考文本分歧、遮蔽实体检索和拼写切换三类探针测试 11 个开源 ASR 模型，发现部分高分模型会复现 VoxPopuli 和 LibriSpeech 参考转录中的错误或缺失内容。

    推荐理由：研究用三类探针把语音识别模型迎合公开基准的行为量化出来，为选型时超越单一 WER 和使用留出集提供依据。

8月19日周三
8月12日周三
  1. Google Research70

    Google Research 提出知识画像与 WikiProfile：前沿 LLM 事实性的瓶颈在回忆而非编码

    Google Research 发布研究，提出知识画像框架和包含 2,150 条 Wikipedia 事实的 WikiProfile 基准，用来区分 LLM 的编码、回忆与识别。

    推荐理由：研究把事实错误拆成编码失败与回忆失败，并用 WikiProfile 量化前沿 LLM 的知识可访问性，为后训练和推理时干预提供诊断依据。

  2. Google Research75

    Google Research 推出 AMIE (Video)，在实时视频临床问诊中达到专科医生级表现

    Google Research 发布基于 Gemini 和 Project Astra 的 AMIE (Video)，可进行同步临床视频问诊、识别非语言线索、引导虚拟查体并实时完成诊断推理。

    推荐理由：文章给出 AMIE (Video) 的三智能体架构和 300 场随机视频问诊结果，可用于理解多模态临床 AI 从文本走向实时音视频的技术路径。

8月6日周四
  1. Google DeepMind86

    Google DeepMind 发布并开源 WeatherNext 气旋预报模型

    Google DeepMind 宣布 WeatherNext AI 模型在气旋路径、强度和风结构预测上达到 state-of-the-art 准确率，并开源 WeatherNext 2 与 WeatherNext Cyclones 的代码和模型权重。

    推荐理由：文章同时给出 Nature 论文结果、开源权重和预报应用场景，可帮助读者理解 AI 气象模型从研究到业务使用的落地路径。

7月31日周五
  1. Microsoft Research68

    Microsoft Research 发布 Echoverse：面向计算机使用智能体的深度可演化训练环境

    Microsoft Research 发布 Echoverse，构建10个深度领域世界和2个能力世界，用于训练计算机使用智能体，并开放其中4个世界的代码、数据和 grounded graders。

    推荐理由：文中用深浅环境对照和9B模型训练结果，说明高保真、可验证的交互环境对计算机使用智能体训练的实际影响。

7月23日周四
7月1日周三
6月25日周四
  1. Google Research65

    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。

6月16日周二
  1. Google DeepMind63

    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。

6月8日周一
  1. Google DeepMind62

    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。

6月5日周五
  1. Google Research64

    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。

4月30日周四
  1. Google DeepMind67

    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。

3月18日周三
3月17日周二
  1. Google Research60

    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。

3月12日周四
3月7日周六
  1. Google Research62

    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。

7月23日周三