Google Research：AI辅助是否侵蚀初级专业人员的专业判断力
Google Research 与 NBER 联合发布实地实验，对133名专利律师进行为期三个月的测试。结果显示，AI工具使初级律师的短期产出提升，但在移除AI后，其独立纠错能力未获提升，反而出现低分增多现象；资深律师则通过AI强化了专业判断。
推荐理由：基于专利律师的三个月实地实验，揭示AI在提升初级人员短期产出的同时可能阻碍其长期专业判断力的形成。
#论文/研究
#论文/研究
今日 0 条Google Research精选AI 评分7575
Google ResearchAI 评分3838 Google 发布 CAPS 研讨会报告：探讨智能体隐私与安全的语境化挑战
Google 发布 CAPS 研讨会报告，指出自主智能体面临非结构化接口、概率控制流及自主委托等隐私安全挑战。报告基于语境完整性理论，提出构建动态语境策略引擎，结合系统级沙箱、模型推理及用户控制，实现智能体行为的语境化安全约束。
Hugging Face Blog精选AI 评分7373 ServiceNow 发布 AutoSynthData：基于失败模式生成企业智能体训练数据
ServiceNow 发布 AutoSynthData，一种利用目标模型失败模式和更强教师模型成功轨迹自动生成企业智能体训练数据的方法。该方法通过验证任务可行性与真实性，在 EnterpriseOps Gym 的 Hybrid 和 ITSM 环境中，使 Gemma-4-26B-A4B-it 模型 Pass@1 分别提升 7.2 和 8.4 个百分点。
推荐理由：提出利用模型失败模式自动生成企业智能体训练数据的闭环方法，并在企业环境中验证了微调效果。
Google Research精选AI 评分6868 Google Research 提出 Diffusion Controller 统一图像生成控制框架
Google Research 提出 Diffusion Controller 框架，将图像生成过程重构为连续控制问题，通过轻量级“转向阻尼器”网络动态调整生成轨迹。该框架在灰盒和全白盒环境下均优于 LoRA，实现了更优的质量与效率平衡。
推荐理由：提出统一控制框架解决图像生成引导难题，在受限访问下优于LoRA。
Google Research精选AI 评分7979 Google 发布 AI 视频联合导演框架及四个长视频生成评测基准
Google Research 发布 AI 视频联合导演框架，通过 Co-Director、CANVAS、A²RD 和 VQQA 四个模块解决长视频生成的语义漂移和一致性难题，并推出 GenAD-Bench、HardContinuityBench、LVBench-C 等评测基准。
推荐理由：提出多智能体框架解决长视频生成的语义漂移与一致性难题，并发布了四个专用评测基准。
Google ResearchAI 评分3535 Google Research 发布 MilleMiglia 中间里程物流实例生成器
Google Research 发布 MilleMiglia，这是一个 C++ 实例生成器，旨在为中间里程物流问题生成逼真的基准数据。该工具通过时空图上的多商品流模型，解决了传统车辆路径问题（VRP）难以处理的跨中心转运与时间窗口同步难题。代码与文档已开源在 GitHub。
Google Research精选AI 评分6868 Google Research 提出 Retrieve-for-Train：利用强化学习蒸馏加速复杂 AI 搜索
Google Research 在 ICML 2026 发表论文提出 Retrieve-for-Train 框架，利用离线强化学习发现奖励对齐的查询扩展策略，并将其蒸馏至 53.9M 参数的扩散检索器中。该框架通过单次非自回归并行推理生成完整查询集，在保持多样性和对齐性的同时，相比自回归方法实现 12 至 20 倍的速度提升。
推荐理由：提出通过离线强化学习将复杂搜索策略蒸馏至轻量扩散模型，实现单次推理并大幅提升检索速度。
Google Research精选AI 评分7272 ToolGrad：基于文本梯度的高效工具调用数据集生成方法
Google Research 提出 ToolGrad，通过文本梯度迭代构建 API 工作流，以更低成本生成高质量工具调用数据。在 BFCL 基准上，基于该方法微调的 Gemma-3-12B 模型得分 83.1，超越 Gemini-2.5-pro、Claude 4.5 Opus 和 GPT-5。
推荐理由：提出基于文本梯度的答案优先范式，以更低成本生成高质量工具调用数据，使小模型在基准上超越主流闭源模型。
Google ResearchAI 评分3535 Google 发布迄今最大果蝇脑图谱：16.6 万神经元与 1.25 亿突触连接
Google 联合 HHMI Janelia 发布迄今最大的雄性果蝇脑图谱，包含 166,000 个神经元和 1.25 亿个突触连接。该成果利用 AI 工具 PATHFINDER 完成三维重建，并通过 Neuroglancer 开源工具提供可视化与下载。这一完整连接组为研究神经回路机制及对比雌雄果蝇差异提供了基础资源。
Hugging Face BlogAI 评分5050 BenchMIRT：利用多维IRT拆解LLM基准测试的真实测量目标
AllenAI发布BenchMIRT，利用多维项目反应理论（MIRT）在提示词层面审计LLM基准测试。该工具在16个基准和3.4万道题上训练，独立识别出安全与通用推理两个主导维度，揭示BBQ、WMDP等基准中安全与推理信号的混合情况。BenchMIRT还能通过仅保留10%最具区分度的题目来高效评估模型，并准确预测模型在未见题目上的表现。
Google Research精选AI 评分7070 Google与NASA合作发布基于深度学习的全球甲烷排放卫星检测框架
Google Research与NASA JPL合作在PNAS发表论文，提出MAPL-EMIT深度学习框架，利用Swin-S视觉Transformer和360万合成数据，实现了对EMIT卫星数据中甲烷羽流的高精度检测与源定位。该模型在专家标注数据上召回率达84%，并开源了全球羽流数据库、训练模型及推理库。
推荐理由：论文提出结合物理模拟与视觉Transformer的深度学习框架，显著提升了卫星遥感甲烷排放检测的精度与灵敏度。
Hugging Face Blog精选AI 评分8080 量化感知愈合：压缩的 4-bit 模型超越全精度原版
Multiverse Computing 提出量化感知愈合（QAH）方法，将 GPT-OSS 120B 压缩至 60B 参数并量化为 MXFP4 后，在 9 项基准中的 7 项上超越其全精度版本。该方法通过从原始模型蒸馏而非恢复后的检查点，解决了结构压缩后的能力下降问题。
推荐理由：提出量化感知愈合方法，使压缩量化后的模型在多项基准上超越全精度版本。
Google ResearchAI 评分4242 Google Research 提出 ME-POIs 框架，通过融合移动数据增强语言模型对地点的理解
Google Research 提出 ME-POIs 框架，将匿名移动模式与文本描述融合以增强语言模型对地点的理解。该框架通过自监督方法构建数值向量，使模型能捕捉地点的动态功能节奏。集成该框架后，模型在预测访问意图、价格水平分类和繁忙度估算上分别获得最高 81.9%、75.1% 和 24.7% 的相对提升。
Hugging Face Blog精选AI 评分6868 Hugging Face 研究揭示语音识别模型对公开基准的过拟合与优化现象
Hugging Face 发布研究，通过参考不一致、实体检索和正字法切换三项测试，量化语音识别模型在 VoxPopuli 和 LibriSpeech 等公开基准上的过拟合现象。研究发现部分高分模型会复现基准中的错误转录、恢复被静音的数字，并依据音频中的数据集特定线索选择拼写，导致基准分数高估了真实场景下的转录能力。
推荐理由：通过三项测试量化语音识别模型对公开基准的过拟合现象，揭示高分模型在真实场景中可能依赖数据集特定线索而非音频内容。
Hugging Face Blog精选AI 评分8080 IBM研究：智能体记忆剂量需按模型能力校准
IBM发布ALTK-Evolve研究，发现智能体记忆需按模型能力分级注入。强模型适用全量指南，弱模型适用检索，饱和模型无增益。检索策略能以极低成本提升弱模型表现，全量指南可通过提示词缓存降低开销。
推荐理由：研究揭示了智能体记忆需按模型能力分级注入，为兼顾性能与成本的Agent部署提供了可迁移的校准方法。
Google Research精选AI 评分7070 Google Research 提出 PhotoScan 利用智能手机图像估算体成分与代谢风险
Google Research 发布 PhotoScan 框架，通过智能手机图像估算体脂百分比、躯干臀部脂肪比及内脏皮下脂肪比，预测胰岛素抵抗的精度接近 DXA 扫描。该模型在 UK Biobank 预训练并在 PhotoBIA 队列微调，独立验证显示其预测胰岛素抵抗的 AUROC 达 0.760，优于传统 BMI 和 BIA 传感器。
推荐理由：提出利用智能手机图像估算体脂分布并预测胰岛素抵抗，精度接近DXA，为代谢风险筛查提供新路径。
Google Research精选AI 评分6868 Google Research：检索是参数化事实性的瓶颈
Google Research 发布研究，提出知识画像框架并构建 WikiProfile 基准，评估发现前沿模型如 Gemini-3 和 GPT-5 的事实编码已近饱和，但直接检索失败率仍达 26–34%。研究指出长尾事实与反向问题主要面临检索困难，链式推理能恢复约 40–65% 的已编码知识，表明提升事实性的关键在于优化知识利用。
推荐理由：研究指出前沿模型事实错误主因是检索瓶颈而非知识缺失，链式推理可恢复大量已编码知识。
Google Research精选AI 评分8888 Google 发布 AMIE 实时视频问诊研究：达到专家级临床诊断水平
Google Research 发布论文，介绍基于 Gemini 和 Project Astra 的 AMIE (Video) 系统，该系统通过异步多智能体架构在实时视频问诊中感知视听线索并引导虚拟体格检查。在 100 个场景、300 次咨询的随机对照研究中，AMIE (Video) 在病史采集、诊断准确性和沟通质量上与 30 名初级保健医生相当，且在引导体格检查方面表现更优。
推荐理由：研究展示了基于 Gemini 的 AMIE 系统在实时视频问诊中达到专家级水平，为医疗 AI 从文本向视听交互演进提供了实证。
Google Research精选AI 评分7676 Google Research发布Science One Framework：基于Chain-of-Evidence的可验证自主科研框架
Google Research发布Science One Framework及Chain-of-Evidence (CoE) 框架，旨在解决AI自主科研中的可验证性问题。该框架通过构建完整的证据链，实现了零虚假引用和完全可复现的实验分数，同时在MLE-Bench和Parameter-Golf等前沿基准上达到SOTA性能。
推荐理由：提出Chain-of-Evidence框架与CoE Audit，通过强制证据链解决AI科研幻觉，在保持前沿性能的同时实现零虚假引用。
Berkeley AI Research精选AI 评分7575 K-Search：将CUDA内核优化经验自动迁移至Apple Silicon
IBM Research基于K-Search框架开发结构化CUDA-to-MLX翻译层，将CUDA内核优化知识自动迁移至Apple Silicon。在Attention内核上达到原生MLX 0.97倍性能，在Mamba SSM内核上预填充速度较社区实现提升20倍。
推荐理由：提出跨平台内核优化思路，将CUDA经验自动迁移至Apple Silicon，在Mamba SSM上实现20倍预填充加速。
Berkeley AI ResearchAI 评分4242 ABBEL：通过信念状态更新提升大语言模型长程交互效率
ABBEL 框架将摘要转化为自然语言信念状态，并通过信念评分监督信息内容，解决长程交互中上下文压缩导致的性能下降问题。在 CollabBench 协作编码环境中，该框架将模型与全上下文设定的性能差距缩小约 50%，同时训练步数减少 50%。
Google ResearchAI 评分3535 扩散模型创造力揭秘：基于 ICLR 2026 论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》
Google Research 在 ICLR 2026 发表论文，揭示扩散模型的创造力源于神经网络训练中的“分数平滑”效应。正则化导致学习到的分数函数近似平滑，使去噪过程在训练数据点之间插值，从而生成新颖样本而非单纯记忆。
Google Research精选AI 评分8686 Google Research 发布 SensorFM 可穿戴健康数据基础模型
Google Research 发布 SensorFM，一个基于超一万亿分钟无标签多模态传感器数据训练的可穿戴健康基础模型。该模型在心血管、代谢、睡眠等35项健康任务中展现出泛化能力，并支持通过智能体自动构建预测头及作为个人健康智能体的底层支撑。
推荐理由：基于万亿分钟无标签数据训练通用表示，为可穿戴设备健康分析提供了可扩展的底层方案。
Google Research精选AI 评分6060 Google Research 论文：通过导航干预协同调度缓解城市拥堵
Google Research 在《Nature Cities》发表研究，通过十城六个月的实验证明，导航平台将少量行程引导至替代路线，可使目标路段车速中位数提升约 2%，并带来数千吨的年度 CO2 减排。
推荐理由：基于十城实测数据验证了导航平台协同调度对缓解拥堵和减排的系统性增益。
Hugging Face Blog精选AI 评分6666 IBM发布ScarfBench基准测试AI智能体企业Java框架迁移能力
IBM Research发布ScarfBench基准，评估AI智能体在企业Java框架迁移中的表现。测试显示，尽管编译成功率较高，但最强智能体的行为保持成功率不足10%。研究指出，迁移难点在于配置与依赖管理，且智能体对自身完成度存在过度自信。
推荐理由：通过构建真实企业级Java迁移场景，揭示AI智能体在行为保持上的局限，提供可复现的评估基准。
Hugging Face BlogAI 评分4040 DiScoFormer：一个同时估计密度和分数的 Transformer 模型
DiScoFormer 是一个基于 Transformer 架构的模型，能在单次前向传播中同时估计数据分布的密度和分数，无需针对新分布重新训练。在 100 维数据测试中，其分数误差比最佳手动调优的核密度估计（KDE）降低约 6.5 倍，密度误差降低超过 37 倍。该模型通过共享骨干网络和一致性损失实现自适应，适用于生成建模、贝叶斯推断等需要高精度分数估计的场景。
Google ResearchAI 评分4242 Google Research 提出线性弹性缓存优化云经济
Google Research 提出线性弹性缓存，将页面驱逐建模为滑雪租赁问题以最小化总拥有成本。在 Spanner 生产环境中，该方案使内存使用量减少 15.5%，缓存未命中率仅增加 5.5%，总拥有成本降低约 5%。
Hugging Face Blog精选AI 评分7373 MosaicLeaks：深度研究智能体的隐私泄露风险与PA-DR训练法
Hugging Face发布MosaicLeaks论文，揭示深度研究智能体通过外部查询日志泄露私有信息的风险。提出PA-DR训练法，将答案/全信息泄露率从34.0%降至9.9%，同时保持严格链成功率在58.7%。
推荐理由：提出PA-DR训练法，在保持推理性能的同时将深度研究智能体的隐私泄露率从34%降至9.9%。
Google ResearchAI 评分3838 Google Earth AI 发布英国精细尺度生态矢量数据集
Google Earth AI 发布英国精细尺度生态矢量数据集，将树篱、石墙等隐藏特征转化为可操作清单。该成果基于 RSF Vision-Transformer 骨干网络微调，利用 Polsby–Popper 紧凑度评分对几何形状进行语义分类。此数据集赋能土地所有者和环保人士测量并扩大这些精细尺度特征。
Google ResearchAI 评分4242 Google Research 提出正则化 f-散度核检验框架以审计机器学习遗忘
Google Research 提出正则化 f-散度核检验框架，旨在解决大规模模型机器遗忘审计中传统两样本检验统计效力低且计算昂贵的问题。该框架利用 f-散度（如 KL 散度、Hockey-stick 散度）结合核正则化方法，自动选择最佳散度类型以精准定位局部数据偏移。该研究已在 AISTATS 2026 发表，理论上证明了其对假阳性的控制能力及随样本增加假阴性收敛至零的特性。
Google DeepMindAI 评分5555 Google DeepMind发布塞拉利昂AI辅助教学预注册试验结果
Google DeepMind发布塞拉利昂预注册试验结果，显示Gemini辅助教学使数学成绩提升0.258个标准差，相当于1.2至1.7年学习进度。91.4%的对话用于构建概念理解，69%学生达到使用目标。研究同时发布教师培训指南与RCT方法手册。
Google Research精选AI 评分6868 Google Research 发布基于手机摄像头的被动心率监测研究
Google Research 在《Nature》发表研究，介绍 PHRM 系统，利用手机前置摄像头在解锁后捕捉面部视频，通过深度学习被动估算心率。该系统在真实生活场景中实现全肤色心率测量误差低于 10%，静息心率估算误差低于 5 bpm，达到可穿戴设备水平，并开源了相关数据集和模型。
推荐理由：研究提出基于手机前置摄像头的被动心率监测方案，在真实场景下实现全肤色高精度测量，为无感健康监测提供新路径。
Hugging Face Blog精选AI 评分7272 DharmaOCR论文：利用DPO在结构化OCR中抑制文本退化
Hugging Face转载Dharma AI论文，展示在SFT后引入DPO阶段，利用模型自身的退化输出作为拒绝样本，在五个视觉语言模型家族中平均降低59.4%的文本退化率。
推荐理由：文章验证了DPO在结构化OCR任务中抑制文本退化，为无标注场景下的模型优化提供了可迁移的方法。
Google ResearchAI 评分3636 Google Research 发布零信任聚合的私密分析方案
Google Research 推出结合密码学与可信执行环境（TEE）的零信任聚合方案，实现无需设备保持在线的单次消息提交。该方案通过多层防御架构，确保仅向 Google 提供匿名化的群体洞察，彻底防止个体用户数据泄露。
Berkeley AI Research精选AI 评分6868 自适应并行推理：高效推理扩展的新范式
Berkeley AI Research 发布长文综述自适应并行推理（APR），探讨模型如何自主决定何时分解任务、生成多少并发线程及如何协调。文章对比了 Multiverse 修改推理引擎复用 KV Cache 与 ThreadWeaver 保持引擎不变在客户端拼接的方案，并分析了 SFT 演示与基于关键路径长度的奖励设计。
推荐理由：系统梳理了自适应并行推理的范式，对比了修改推理引擎与客户端编排两种执行路径的优劣。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 AI co-clinician 研究：实时多模态医疗辅助能力评估
Google DeepMind 发布 AI co-clinician 研究，探索 AI 智能体在医生监督下辅助患者的“三元护理”模式。研究通过 120 次模拟远程问诊对比 GPT-realtime，发现 AI 在 140 项评估指标中 68 项优于初级全科医生，但在识别红旗症状等关键判断上仍不及专家。
推荐理由：通过对比GPT-realtime等前沿模型，验证了AI在实时多模态问诊中的能力边界与临床辅助价值。
Google Research精选AI 评分6767 Google Research展示Empirical Research Assistance在四大领域的实证研究应用
Google Research发布实证研究，展示Empirical Research Assistance (ERA) 结合Gemini Deep Think在公共卫生预测、宇宙学、气候监测和神经科学中的实际应用。
推荐理由：通过四个跨学科案例展示ERA结合Gemini Deep Think在科学发现中的具体应用与能力边界。
Google DeepMindAI 评分4343 Decoupled DiLoCo：一种更具弹性的分布式 AI 训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，通过解耦计算岛实现跨广域网的低带宽、高弹性训练。在 Gemma 4 模型测试中，该系统在硬件故障下保持高可用性与同等基准性能，并在 120 亿参数模型训练中实现比传统方法快 20 倍的速度。
Google Research精选AI 评分6868 Google Research 发布 ReasoningBank 智能体经验学习框架
Google Research 发布论文介绍 ReasoningBank，一种让智能体从成功与失败经验中学习并自我进化的记忆框架。该框架提炼全局推理模式，结合记忆感知测试时扩展（MaTTS）提升 WebArena 和 SWE-Bench-Verified 上的成功率与效率。
推荐理由：提出从成功与失败经验中提炼结构化推理模式的记忆框架，结合测试时扩展实现智能体自我进化。
Berkeley AI ResearchAI 评分4242 GRASP：基于梯度的世界模型长视界规划方法
Berkeley AI Research 提出 GRASP，一种基于梯度的世界模型规划器，通过轨迹提升、状态迭代随机化及梯度重塑解决长视界规划难题。该方法将轨迹映射至虚拟状态实现时间并行优化，避免高维视觉模型中的脆弱梯度，使长视界规划更具鲁棒性。