Google Research：推理如何解锁LLM中的参数化知识
Google Research探讨了推理在LLM中的作用，发现推理不仅有助于复杂任务的分解，还能通过计算缓冲和事实提示等机制提高简单事实问题的回答准确性，为未来模型优化提供了新的方向。
推荐理由：原文揭示了推理在语言模型中的作用，以及如何通过优化训练过程提高模型可靠性，对理解未来研究方向有重要价值。
#论文/研究
#论文/研究
今日 3 条Google Research精选AI 评分6060
Hugging Face BlogAI 评分5959 MosaicLeaks：深度研究智能体的隐私风险与 PA-DR 防御方法
ServiceNow 团队发布 MosaicLeaks 基准，指出深度研究智能体在多跳任务中易因累积查询日志泄露私有信息（即“马赛克效应”）。实验显示仅优化任务性能会加剧泄露，而提出的 Privacy-Aware Deep Research (PA-DR) 训练方法结合情境奖励与隐私奖励，将严格链成功率从 48.7% 提升至 58.7%，同时将答案/全信息泄露率从 34.0% 降至 9.9%。
OpenAI NewsAI 评分5252 OpenAI 推理模型助力罕见遗传病诊断研究
OpenAI 的推理模型在诊断罕见遗传病方面取得进展，为 18 个未解决的病例提供了新的诊断。
OpenAI NewsAI 评分4545 GPT-5.4 协助 Molecule.one 优化药物合成反应，推动医药化学研究
OpenAI 与 Molecule.one 合作，利用 GPT-5.4 模型优化关键药物合成反应，提升医药化学研究水平。GPT-5.4 在此过程中展现出近乎自主的化学家能力。
Google Research精选AI 评分7070 Google Research 发布用于自然恢复的 Earth AI 研究
Google Research 发布了一项研究，开发了一个高分辨率深度学习框架，用于揭示精细尺度生态特征，如树篱和树丛，这些特征通常对标准卫星检测不可见。该框架提供了一种新的途径，以解决在耕作土地上应对气候和生物多样性危机的问题，同时不损害粮食安全。
推荐理由：该研究提出了一个用于揭示精细尺度生态特征的高分辨率深度学习框架，为解决气候和生物多样性危机提供了新的途径。
Google Research精选AI 评分7777 Google Research 提出机器学习未学习审计新框架
Google Research 提出了一种新的框架，用于审计机器学习模型的未学习过程，以提高审计的敏感性和准确性。该框架利用正则化 f-Divergence 核测试，可以检测到复杂的数据分布变化，并支持隐私审计和机器学习未学习评估。
推荐理由：原文提出了一个新的框架，用于审计机器学习模型的未学习过程，读者可以了解该框架如何提高审计的敏感性和准确性。
Google DeepMind精选AI 评分6767 DeepMind发布AI在教育领域的应用研究：Sierra Leone和全球影响
DeepMind发布了一项关于AI在教育领域应用的研究，该研究在Sierra Leone进行，结果表明AI可以作为强大的教学伙伴，通过增强教师的影响力来提升学生的学习效果。
推荐理由：该研究探讨了AI在教育和学习中的应用，特别是其在提升学生数学成绩和促进学习方面的潜力。
Google Research精选AI 评分8585 Google Research 发布 Gemini Enterprise Agent Platform 的 Agentic RAG 研究
Google Research 发布了关于 Gemini Enterprise Agent Platform 的 Agentic RAG 研究，该研究旨在提高复杂查询处理的准确性和可靠性。
推荐理由：原文介绍了 Gemini Enterprise Agent Platform 的 Agentic RAG 功能，读者可以了解其在复杂查询处理和准确性提升方面的潜力。
Google Research精选AI 评分7272 通过智能手机摄像头实现被动心率监测的研究
Google Research 发布了一项研究，提出了一种通过智能手机摄像头进行被动心率监测的新方法，该方法利用深度学习技术，能够准确估计心率，并具有跨肤色准确性。
推荐理由：该研究提出了通过智能手机摄像头进行被动心率监测的新方法，具有广泛的应用前景和潜在的社会影响。
Google Research精选AI 评分8585 Google 开源洪水预测模型，助力洪水防御
Google 开源了其洪水预测模型，旨在帮助国家气象和水文服务机构将先进的基于 AI 的洪水预测技术整合到他们的工作流程中，以增强洪水防御能力。
推荐理由：原文介绍了开源的洪水预测模型及其在 Google Flood Hub 中的应用，读者可以了解其在洪水预测领域的应用和潜力。
Hugging Face Blog精选AI 评分6565 DharmaOCR：结构化 OCR 中的直接偏好优化
DharmaOCR 发布了一项新的研究，提出了一种名为直接偏好优化（DPO）的方法，用于减少文本生成中的退化问题。该方法利用模型的失败输出作为拒绝示例，以提高结构化 OCR 的质量。
推荐理由：DharmaOCR 通过将模型的失败输出作为拒绝示例，为直接偏好优化（DPO）提供了一种新的方法，以减少文本生成中的退化问题。
OpenAI NewsAI 评分5252 OpenAI 发布第三方 AI 评估指导
OpenAI 发布了关于第三方 AI 评估的指导，涵盖模型能力评估、安全措施和前沿系统有效性。
Google Research精选AI 评分8585 Google Research 在 I/O 2026 上发布多项突破性成果
Google Research 在 I/O 2026 上发布了多个突破性成果，包括 Gemini for Science、Symptom AI 和 Coralboard 等，旨在推动科学研究和产品开发。
推荐理由：原文介绍了 Google Research 在 I/O 2026 上发布的多个突破性成果，包括 Gemini for Science、Symptom AI 和 Coralboard 等，读者可以了解这些成果对科学研究和产品开发的影响。
Google Research精选AI 评分7070 基于零信任聚合的隐私分析研究
Google Research发布了一篇关于基于零信任聚合的隐私分析的研究论文，介绍了该技术在保护用户隐私方面的应用和优势。
推荐理由：原文介绍了基于零信任聚合的隐私分析技术，读者可以了解其在保护用户隐私方面的应用和优势。
OpenAI News精选AI 评分8585 OpenAI 模型推翻离散几何猜想
OpenAI 模型解决了 80 年的离散几何问题，推翻了一个重要的猜想，标志着 AI 驱动数学的一个里程碑。
推荐理由：OpenAI 模型解决了 80 年的离散几何问题，推翻了一个重要的猜想，标志着 AI 驱动数学的一个里程碑。读者可以了解 AI 在数学领域的应用和影响。
Hugging Face BlogAI 评分5252 OlmoEarth v1.1：更高效的地球观测模型家族
OlmoEarth v1.1 模型在保持与 v1 版本相同性能的同时，将计算成本降低了最多 3 倍，为遥感领域的研究和应用提供了更高效的解决方案。
Google Research精选AI 评分7272 谷歌发布实证研究助手 (ERA) 论文，助力科学计算发现
谷歌发布了一篇论文，介绍了他们开发的实证研究助手 (ERA) 工具，该工具利用 Gemini 模型编写和优化科学代码，旨在提高科学研究的效率和范围。
推荐理由：原文介绍了 Empirical Research Assistance (ERA) 的设计和应用，读者可以了解其在科学研究和计算发现中的作用。
Import AIAI 评分4242 Import AI 457：fast16 病毒、Muon 优化器缺陷与 Aurora 发布
SentinelOne 发现 fast16 病毒通过篡改 LS-DYNA 等高精度软件计算结果破坏科研。Tilde Research 指出 Muon 优化器导致 MLP 层神经元死亡，并推出 Aurora 优化器。在 1.1B 参数模型测试中，Aurora 最终损失降至 2.26，MMLU 分数比 Muon 高 10 分。
Google DeepMind精选AI 评分8585 WeatherNext 协助美国国家飓风中心更准确地预测飓风 Melissas 在牙买加的历史性登陆
Google DeepMind 的 AI 气象模型 WeatherNext 协助美国国家飓风中心更准确地预测了飓风 Melissas 在牙买加的历史性登陆，为当地社区提供了更长的准备时间。
推荐理由：原文展示了 WeatherNext 在预测飓风路径和强度方面的突破，读者可以了解 AI 在气象预测领域的应用进展。
Hugging Face Blog精选AI 评分6565 AWS 基础模型训练和推理构建模块
本文分析了 AWS 基础模型训练和推理的基础架构，包括基础设施、资源编排、机器学习软件栈和可观察性。
推荐理由：本文深入探讨了在 AWS 上进行基础模型训练和推理的基础架构，对机器学习工程师和研究人员具有参考价值。
Berkeley AI Research精选AI 评分7070 自适应并行推理：高效推理缩放的新范式
本文介绍了自适应并行推理，这是一种提高推理效率的新范式，通过让推理模型自主决定何时分解和并行化子任务，以及如何协调它们，从而提高推理效率。
推荐理由：本文介绍了自适应并行推理，这是一种提高推理效率的新范式，读者可以了解其原理和应用前景。
Google Research精选AI 评分8585 Google Research 通过全球合作和开放资源推动科学影响
Google Research 强调开源软件和开放数据集对现代科学的重要性，并分享了他们在基因组学、神经科学、地球大气建模、生物多样性、医疗保健等领域开发的开放源代码工具和开放数据集，以及这些资源如何推动全球科学进步。
推荐理由：原文详细介绍了 Google Research 在开源软件和开放数据集方面的贡献，以及这些资源如何推动全球科学进步。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 AI co-clinician 研究计划及初步评估结果
Google DeepMind 宣布启动 AI co-clinician 研究计划，旨在探索 AI 如何作为协作成员增强医生专业能力并改善患者护理。
推荐理由：原文详细披露了 AI co-clinician 在临床证据合成与实时多模态交互中的评估数据，展示了其在辅助医生而非替代医生方面的具体能力边界。
Google Research精选AI 评分8585 谷歌研究科学家如何使用实证研究辅助
谷歌研究科学家使用 Empirical Research Assistance (ERA) 在多个领域进行实证研究，包括流行病学、宇宙学、气候和神经科学，展示了 AI 在科学发现中的应用潜力。
推荐理由：原文展示了 Empirical Research Assistance 在多个领域的应用，读者可以了解其如何推动科学发现。
Hugging Face Blog精选AI 评分8585 IBM 发布 Granite 4.1 大语言模型：构建过程详解
IBM 发布了 Granite 4.1 大语言模型，该模型采用多阶段预训练流程，包括长达 512K 令牌的长上下文扩展，并在数学、编码、指令遵循和通用聊天等方面进行了强化学习。
推荐理由：Granite 4.1 模型在数据工程、预训练、监督微调和强化学习方面进行了深入的技术分析，展示了其在多个领域的性能表现。
Google DeepMindAI 评分3737 Google DeepMind 提出 Decoupled DiLoCo：实现低带宽高韧性分布式 AI 训练
Google DeepMind 推出 Decoupled DiLoCo 架构，通过解耦计算岛屿实现跨数据中心异步训练。该方案在 2-5 Gbps 带宽下训练 12B 参数模型，速度比传统同步方法快 20 倍以上，并支持混合不同代际 TPU 硬件。
Google Research精选AI 评分7272 ReasoningBank：使智能体能够从经验中学习
ReasoningBank 是一种新的智能体记忆框架，它从成功和失败的经验中提取有用见解，以促进测试时的自我进化。该框架通过记忆感知测试时扩展（MaTTS）技术，提高了智能体的效果和效率。
推荐理由：ReasoningBank 通过从成功和失败的经验中提取有用见解，为测试时自我进化提供了一种强大的框架，有助于 LLM 从经验中学习并成为持续的学习者。
Hugging Face Blog精选AI 评分7070 QIMMA：首个以质量优先的阿拉伯语LLM评测平台
QIMMA是一个针对阿拉伯语LLM的评测平台，通过质量验证和代码评估，为阿拉伯语NLP研究提供了更可靠的数据。QIMMA整合了14个源基准的109个子集，涵盖了7个领域，包括文化、STEM、法律、医疗、安全、诗歌和文学以及软件开发。
推荐理由：QIMMA是一个针对阿拉伯语LLM的评测平台，通过质量验证和代码评估，为阿拉伯语NLP研究提供了更可靠的数据。
Berkeley AI Research精选AI 评分7070 GRASP：基于梯度的长时程世界模型规划
伯克利人工智能研究实验室提出了一种名为 GRASP 的新方法，用于解决长时程世界模型规划中的问题。该方法通过引入并行优化、随机性和梯度重塑等技术，提高了规划的鲁棒性和效率。
推荐理由：GRASP 是一种新的基于梯度的规划器，旨在解决长时程规划中的问题，通过引入并行优化、随机性和梯度重塑等技术，提高了规划的鲁棒性和效率。
Google Research精选AI 评分7070 Google Research：设计用于现实世界的合成数据集：机制设计和从第一性原理的推理
Google Research 发布论文，介绍 Simula 框架，该框架通过机制设计，将数据生成转化为可控的科学，为构建高保真数据集提供了清晰路径，并已在 Google 的多个业务场景中得到应用。
推荐理由：Simula 框架通过机制设计，将数据生成转化为可控的科学，为构建高保真数据集提供了清晰路径，对 AI 的发展具有重要意义。
Google Research精选AI 评分6262 Google 研究利用 AI 生成神经元形状加速大脑图谱绘制
Google 研究团队开发了一种名为 MoGen 的 AI 技术，通过生成神经元形状来提高大脑图谱绘制的效率和准确性，并在 ICLR 2026 上发表了相关论文。
推荐理由：原文介绍了利用 AI 生成神经元形状来加速大脑图谱绘制的研究，读者可以了解这项技术如何提高大脑图谱绘制的效率和准确性。
Hugging Face Blog精选AI 评分6565 VAKRA 数据集：评估 AI 智能体的推理、工具使用和失败模式
VAKRA 数据集是一个基于工具的、可执行的基准，用于评估 AI 智能体在企业环境中的推理和行动能力。该数据集包含四个任务，分别测试不同的能力，并分析了智能体在不同任务中的失败模式。
推荐理由：VAKRA 数据集评估了 AI 智能体在企业环境中的推理和行动能力，揭示了工具能力与端到端智能体可靠性之间的差距。
Google Research精选AI 评分6565 利用生成式 AI 培养未来技能
Google Research 发布了一项研究，利用生成式 AI 评估学生的未来技能，旨在为教育领域提供新的评估方法。
推荐理由：原文介绍了利用生成式 AI 评估未来技能的研究，读者可以了解其在教育领域的应用潜力。
Google Research精选AI 评分7070 ConvApparel：衡量和弥合用户模拟器中的现实差距
Google Research 发布了 ConvApparel 数据集，用于衡量和弥合用户模拟器中的现实差距，以改进对话式 AI 代理。
推荐理由：ConvApparel 数据集和评估框架为衡量和弥合用户模拟器中的现实差距提供了工具，有助于改进对话式 AI 代理。
Google Research精选AI 评分7070 Google Research发布AI智能体辅助学术研究：PaperVizAgent和ScholarPeer
Google Research发布了两款AI智能体PaperVizAgent和ScholarPeer，分别用于学术研究的可视化辅助和同行评审。PaperVizAgent可以从学术文本中生成出版级别的学术插图，而ScholarPeer则通过主动验证工作流程，提供深入且基于文献的同行评审。
推荐理由：原文介绍了两个AI智能体PaperVizAgent和ScholarPeer，它们分别用于学术研究的可视化辅助和同行评审，读者可以了解这些工具如何提升学术研究效率。
Google ResearchAI 评分5555 评估大型语言模型中行为倾向的一致性
Google Research发布了一篇论文，评估了大型语言模型（LLM）的行为倾向与人类行为的一致性，通过实验和数据分析，揭示了模型行为与人类行为之间的差异和一致性。
Google Research精选AI 评分6060 Google Research：构建更好的AI基准：需要多少评分者？
Google Research发布了一篇论文，探讨了机器学习评估中可重复性的挑战，并提出了优化评分者数量和分配的方法，以提高AI基准的可靠性和成本效益。
推荐理由：原文探讨了机器学习评估中可重复性的挑战，并提供了优化评估方法的建议，对AI领域具有重要意义。
Hugging Face Blog精选AI 评分8585 OpenMed 开发跨 25 种物种的 mRNA 语言模型并开源
OpenMed 开发了跨 25 种物种的 mRNA 语言模型，并公开了相关代码和数据，为蛋白质工程和生物医学领域提供了新的工具和方法。该模型在多个物种上进行了训练，并提供了针对不同物种的优化模型。
推荐理由：OpenMed 开发了跨 25 种物种的 mRNA 语言模型，并公开了相关代码和数据，为蛋白质工程和生物医学领域提供了新的工具和方法。
Google Research精选AI 评分8585 谷歌研究：负责任地披露量子漏洞以保护加密货币
谷歌研究团队探讨了未来量子计算机破解密码的能力，并提出了应对措施，包括将区块链迁移到抗量子密码学，以保护加密货币和其他系统的安全。
推荐理由：原文提出了量子计算机对加密货币安全的潜在威胁，并提供了应对策略，读者可以了解量子计算对加密货币行业的影响和应对措施。
Google DeepMind精选AI 评分6060 Google DeepMind 发布首个实证验证的 AI 有害操纵测量工具包
Google DeepMind 发布新研究，推出了首个经实证验证的工具包以衡量 AI 在现实世界中进行有害操纵的能力。该研究基于英国、美国和印度的超过 10,000 名参与者进行的九项实验，重点测试了金融和健康等高风险领域，发现 AI 在健康话题上的操纵效果最弱且不同领域的成功并不互通。
推荐理由：Google DeepMind 发布了首个经实证验证的 AI 有害操纵测量工具包，通过九项涵盖万人的实验区分了有益说服与有害操纵，为评估模型在高风险场景下的潜在危害提供了可复用的方法论。