跳到正文

全部动态

今日 5 条
3月5日周四
  1. Google Research65

    Google Research：通过模仿贝叶斯模型训练大语言模型

    Google Research 发表论文，提出通过监督微调让大语言模型模仿贝叶斯助手，从而学会概率推理。该方法使模型在航班推荐任务中显著优于基线，并能将学到的推理能力泛化至酒店推荐和网购等未见领域。

    推荐理由：研究提出通过模仿贝叶斯模型进行监督微调，使大模型学会概率推理并跨领域泛化。

3月4日周三
  1. Google DeepMind83

    Google 发布 Gemini 3.1 Flash-Lite 模型

    Google 发布 Gemini 3.1 Flash-Lite 模型，定价为输入 0.25 美元/百万 token、输出 1.50 美元/百万 token。该模型在 Artificial Analysis 基准测试中比 2.5 Flash 快 2.5 倍，输出速度提升 45%，并支持自适应思考层级。

    推荐理由：以极低定价和显著提速在保持质量的同时优化了高并发场景的推理成本。

2月27日周五
  1. Google DeepMind83

    Google 发布 Nano Banana 2 图像生成模型

    Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image），结合 Pro 级智能与 Flash 速度，支持多主体一致性和精确文本渲染。该模型已上线 Gemini、Search、AI Studio 及 Google Ads 等产品，并集成 SynthID 和 C2PA 溯源技术。

    推荐理由：Nano Banana 2 将 Pro 级能力与 Flash 速度结合，提供多主体一致性和精确文本渲染，适合快速迭代场景。

2月20日周五
  1. Google DeepMind80

    Gemini 3.1 Pro 发布，ARC-AGI-2 得分翻倍

    Google DeepMind 发布 Gemini 3.1 Pro，在 ARC-AGI-2 基准测试中取得 77.1% 的得分，推理性能是 3 Pro 的两倍以上。该模型已在 Gemini API、Vertex AI、Gemini CLI、Android Studio 及 NotebookLM 等平台开放预览。

    推荐理由：ARC-AGI-2得分翻倍体现推理能力跃升，覆盖开发者与企业场景，可据此评估复杂任务处理潜力。

2月18日周三
  1. Google Research68

    Google发布MapTrace合成数据管线，提升多模态大模型地图路径追踪能力

    Google发布MapTrace合成数据生成管线，利用Gemini和Imagen模型生成200万对地图与路径数据。在Gemma 3 27B和Gemini 2.5 Flash上微调后，模型在MapBench基准上的路径追踪误差显著降低，成功率大幅提升。

    推荐理由：提出MapTrace合成数据生成管线，通过微调显著提升多模态大模型在地图路径追踪任务上的空间推理能力。

2月17日周二
2月13日周五
  1. Google DeepMind85

    Gemini 3 Deep Think 重大升级并开放 API 访问

    Google 发布 Gemini 3 Deep Think 重大升级，在 ARC-AGI-2 等基准上刷新纪录，并首次通过 Gemini API 向研究人员和企业开放。

    推荐理由：更新后的推理模式在多项学术基准上刷新纪录，并首次通过 API 向开发者开放，可据此评估前沿推理能力的落地路径。

2月11日周三
  1. Google Research15

    时变容量下非抢占式调度最大化吞吐量研究

    Google Research 在 SPAA 2025 发表研究，针对时变容量环境下的非抢占式作业调度问题，提出最大化吞吐量的常数因子近似算法。离线场景中，Greedy 策略在单位利润下实现 1/2-近似，不同利润下实现 1/4-近似。在线场景中，允许重启的 Greedy 变体保持 1/2-竞争比，而禁止重启的严格模型下算法性能受限。

  2. Google Research55

    Google Research 发布开源框架 DialogLab 用于模拟多角色动态人机对话

    Google Research 发布开源原型框架 DialogLab，用于设计、模拟和测试动态多角色人机对话。该框架通过可视化界面解耦社交设置与对话流程，支持拖拽式角色配置与结构化脚本编排。评估显示，其“人工控制”模式在模拟真实人类行为时比全自动或纯响应式代理更具沉浸感和有效性。

2月10日周二
  2. Google DeepMind88

    Google DeepMind发布Gemini Deep Think科研级应用与数学研究智能体

    Google DeepMind发布Gemini Deep Think在数学、物理和计算机科学领域的科研级应用，展示了名为Aletheia的数学研究智能体。该智能体具备自然语言验证和迭代生成能力，能自主解决部分开放数学问题并辅助人类专家。

    推荐理由：展示了Gemini Deep Think在数学与科学领域的科研级应用，提供了可复用的智能体工作流与验证方法。

2月5日周四
2月4日周三
  2. Google Research75

    Google联合Included Health启动全美医疗AI真实世界随机对照试验

    Google宣布与Included Health合作，在获得IRB批准后启动全美随机对照试验，评估对话式AI在真实虚拟护理工作流中的表现。该研究基于AMIE、PHA等前期基础，旨在通过大规模真实患者数据验证AI的安全性与有效性。

    推荐理由：Google联合Included Health启动全美随机对照试验，标志着医疗AI从实验室模拟走向真实世界的大规模临床验证。

1月30日周五
  1. Google DeepMind72

    Google DeepMind 发布 Project Genie 实验原型

    Google DeepMind 面向美国 Google AI Ultra 订阅用户发布 Project Genie 实验原型，基于 Genie 3 模型提供世界创建、实时探索与混剪功能。该原型支持文本与图像提示词生成动态环境，并允许下载探索视频，目前存在生成时长与物理一致性等已知限制。

    推荐理由：原文给出了世界模型在实时生成与交互上的能力边界，读者可据此评估其在创意探索中的实际可用性。

1月28日周三
  1. Google Research78

    Google Research 发布智能体系统扩展原则：多智能体并非总是更好

    Google Research 发布论文《Towards a Science of Scaling Agent Systems》，通过 180 种配置评估指出多智能体并非总是更好。研究发现并行任务中集中式协调可提升 80.9% 性能，而顺序任务中多智能体会导致 39-70% 的性能下降，并提出了基于任务属性的架构预测模型。

    推荐理由：研究量化了多智能体协作的增益与惩罚，为不同任务选择架构提供了可迁移的定量原则。

1月27日周二
  1. Hugging Face Blog62

    GPT-OSS 智能体强化学习训练的工程实践与修复

    LinkedIn 团队分享了在 verl 框架下对 GPT-OSS 进行智能体强化学习训练的实践经验，通过修复 MoE 架构下的对数概率不匹配、在 FlashAttention v3 中实现 Attention Sink 反向传播以及优化 FSDP 内存占用，解决了训练不稳定和显存爆炸问题，实现了模型在数学推理和工具调用任务上的稳定收敛。

    推荐理由：文章详细记录了GPT-OSS在 verl 框架下实现智能体强化学习的关键工程修复，为开源模型部署提供了可复用的技术路径。

1月24日周六
1月23日周五
  1. Google Research60

    Google 提出通过分解实现小模型优越意图提取

    Google 在 EMNLP 2025 发表论文，提出将用户意图理解分解为屏幕摘要和序列提取两阶段方法。该方法使小多模态模型在端侧实现与大模型相当的意图提取效果，兼顾隐私与效率。

    推荐理由：提出屏幕分解与意图提取两阶段方法，使小模型在端侧意图理解上媲美大模型，兼顾隐私与效率。

1月21日周三
  1. Hugging Face Blog70

    AssetOpsBench：面向工业资产管理的AI智能体评测基准

    Hugging Face 发布 AssetOpsBench，这是一个针对工业资产生命周期管理的 AI 智能体评测基准，涵盖 230 万传感器遥测点和 140 多个场景。该基准通过六个维度评估智能体表现，并引入 TrajFM 管道分析多智能体执行轨迹中的失败模式。社区测试显示，GPT-4.1 在规划和执行任务中得分最高，但尚无模型达到 85 分的部署就绪阈值。

    推荐理由：原文提供了工业场景下的多维评测框架与失败模式分析，为开发者优化多智能体协作提供了可迁移的评估方法。

1月20日周二
  2. Hugging Face Blog40

    DIFF Transformer V2 发布

    微软发布 DIFF Transformer V2，通过差分注意力机制在保持键值头数量不变的前提下倍增查询头，实现与标准 Transformer 相当的解码速度。该版本移除了 DIFF V1 中导致数值不稳定的逐头 RMSNorm 层，有效消除注意力汇聚现象。相比同等查询维度的 Transformer，DIFF V2 在输出投影阶段拥有更少的参数和计算量。

  3. Hugging Face Blog88

    Overworld 发布 Waypoint-1 实时交互视频扩散模型

    Overworld 发布 Waypoint-1，支持通过文本、鼠标和键盘进行零延迟实时交互的视频扩散模型。该模型基于 10,000 小时游戏视频训练，配合 WorldEngine 推理库，在 RTX 5090 上可实现 30 FPS 或 60 FPS 的流畅体验。

    推荐理由：模型支持零延迟的实时交互控制，并在消费级硬件上实现高帧率，为端侧视频生成提供了新的交互范式。

1月16日周五
  1. Google DeepMind68

    Google DeepMind 发布 D4RT 统一4D场景重建与追踪模型

    Google DeepMind 发布 D4RT，一种统一的 AI 模型，用于跨时空的动态 4D 场景重建与追踪。该模型基于 Transformer 架构和灵活的查询机制，在单块 TPU 上处理一分钟视频仅需约五秒，比此前最先进方法快 18 至 300 倍，可高效完成点追踪、点云重建和相机位姿估计，为机器人导航、增强现实及世界模型构建提供实时空间感知能力。

    推荐理由：提出统一4D重建模型，速度提升最高300倍，为机器人和AR提供实时空间感知能力。

  2. Google Research50

    Google Research 利用 Pixel Watch 和深度学习模型估算高级步态指标

    Google Research 发布研究证明消费级智能手表可准确估算步速、步长等时空步态指标。该研究基于 246 名参与者的约 70,000 个步行片段，使用搭载时间卷积网络（TCN）的深度学习模型处理 Pixel Watch 的 IMU 数据。结果显示智能手表估算结果与智能手机方法性能相当，多数指标效度（Pearson r >0.80）和信度（ICC >0.80）良好。

1月15日周四
1月14日周三
  1. Google Research75

    Google 发布 MedGemma 1.5 4B 与 MedASR 医疗语音模型

    Google 发布 MedGemma 1.5 4B 模型，新增对 CT、MRI 等三维医学影像及解剖定位的支持，并在多项医疗基准上提升准确率。同时发布 MedASR 医疗语音识别模型，在医疗听写场景下错误率显著降低。两款模型均通过 Hugging Face 和 Vertex AI 开源。

    推荐理由：新增三维影像与解剖定位能力并开源，为医疗AI开发者提供了更贴近临床工作流的基座模型。

  2. Google DeepMind72

    Google DeepMind 发布 Veo 3.1 更新：增强参考图生成视频能力并支持原生竖屏与4K

    Google DeepMind 发布 Veo 3.1 更新，强化基于参考图生成视频的能力，提升角色与背景一致性，并新增原生 9:16 竖屏输出及 1080p/4K 超分。新功能已上线 YouTube Shorts、Gemini App、Flow、Gemini API 及 Vertex AI，同时 Gemini App 新增视频 SynthID 水印验证功能。

    推荐理由：更新强化了参考图生成视频的一致性并新增原生竖屏与4K输出，适配移动端与专业工作流。

1月13日周二
  1. Google Research80

    Google发布NeuralGCM降水研究：卫星数据训练提升长期模拟精度

    Google Research在《Science Advances》发表研究，介绍NeuralGCM利用2001至2018年NASA卫星降水观测数据训练，以改进对降水及其极值的模拟。在2020年15天预报测试中，NeuralGCM在陆地上的平均降水表现优于ECMWF模型；在多年模拟中，其平均误差较IPCC主流工具降低40%，并更准确地捕捉了极端降水和日降水周期。该模型代码已开源。

    推荐理由：NeuralGCM利用卫星数据训练，在中期预报和长期模拟中显著降低降水误差，为气候研究提供了更可靠的工具。

1月10日周六
  1. Berkeley AI Research35

    基于信息论直接评估与优化成像系统

    伯克利 AI 研究团队提出一种基于互信息的框架，直接评估并优化成像系统。该方法通过分解噪声物理特性，仅需测量数据即可量化系统区分物体的能力。在色彩摄影、射电天文、无透镜成像和显微镜四个领域验证中，信息估计准确预测了下游任务性能，且优化结果匹配最先进端到端方法，同时显著降低内存和算力需求。

1月5日周一
  1. Hugging Face Blog62

    TII 发布 Falcon-H1-Arabic 系列模型

    TII 发布 Falcon-H1-Arabic 系列模型，包含 3B、7B 和 34B 三个版本。该系列采用混合 Mamba-Transformer 架构，上下文窗口最高达 256K tokens，在 OALL 等基准测试中刷新阿拉伯语模型纪录。

    推荐理由：采用混合架构并大幅提升上下文窗口，在阿拉伯语基准上刷新纪录，为长文档处理提供新方案。

12月23日周二
  1. Hugging Face Blog75

    ServiceNow 发布 AprielGuard 安全模型，统一检测安全风险与对抗攻击

    ServiceNow 发布 AprielGuard，一款 8B 参数的安全与对抗鲁棒性守护模型，可检测 16 类安全风险及提示注入、越狱等对抗攻击。该模型支持 32k 长上下文与 Agent 工作流，提供推理与非推理双模式，已在多项公开基准上验证了性能。

    推荐理由：ServiceNow 发布 AprielGuard 安全模型，统一检测 16 类安全风险与对抗攻击，支持 32k 长上下文与 Agent 工作流。

12月19日周五
12月18日周四
  1. Hugging Face Blog68

    Transformers v5 重构分词器：架构与词表分离，支持从零训练

    Hugging Face 发布 Transformers v5，将分词器架构与训练好的词表分离，实现单文件部署和 Rust 后端默认化。新架构允许开发者直接实例化空白分词器模板，通过调用 train 方法在自有语料上从头训练模型专属分词器，同时保留了 chat template 等模型感知功能。

    推荐理由：v5 重构了分词器架构，实现单文件部署与可训练模板，显著降低了自定义和训练模型专属分词器的门槛。

12月17日周三
  1. Hugging Face Blog70

    使用 NeMo Evaluator 复现 NVIDIA Nemotron 3 Nano 评测

    NVIDIA 发布 Nemotron 3 Nano 30B A3B 的完整开源评测配方，包含 NeMo Evaluator 配置、YAML 参数与 CLI 命令。开发者可一键复现 BFCL v4、LiveCodeBench 等基准测试，独立验证模型性能。

    推荐理由：提供完整复现 Nemotron 3 Nano 评测的 NeMo Evaluator 配置与命令，便于独立验证模型性能。

  2. Google DeepMind93

    Google 发布 Gemini 3 Flash 模型

    Google 发布 Gemini 3 Flash，将 Gemini 3 Pro 级推理能力与 Flash 级低延迟、低成本结合。该模型在 GPQA Diamond 等基准上表现优异，SWE-bench Verified 得分 78%，超越 Gemini 3 Pro 且速度提升 3 倍。已面向开发者开放 API，并在 Gemini App 和 Search AI Mode 中默认启用。

    推荐理由：在保持 Flash 级低延迟与低成本的同时，推理与编码能力超越前代旗舰，适合高频开发及智能体工作流。

12月16日周二
  1. Google Research72

    Google 推出 Gemini 论文辅助工具，在 STOC 2026 中验证推理能力

    Google 推出基于 Gemini 2.5 Deep Think 的论文辅助工具（PAT），在 STOC 2026 会议中为作者提供提交前的自动化反馈。该工具利用推理扩展方法，成功识别了包括计算错误和逻辑漏洞在内的多种问题，97% 的参与者认为反馈有帮助。

    推荐理由：Google 推出基于 Gemini 2.5 Deep Think 的论文辅助工具，在理论计算机科学会议中验证了其在发现逻辑漏洞方面的有效性。

  2. Hugging Face Blog72

    开源智能体框架CUGA上线Hugging Face Spaces

    IBM Research开源智能体框架CUGA正式集成至Hugging Face Spaces，提供CRM场景演示与可视化开发入口。CUGA支持多工具集成与可配置推理模式，在AppWorld等基准测试中表现优异，兼容gpt-oss-120b与Llama-4等开源模型。

    推荐理由：开源智能体框架CUGA上线Hugging Face Spaces，提供可视化演示与多模型支持，便于开发者快速体验与集成。

12月13日周六