Google Research 提出知识画像框架：前沿 LLM 的事实性瓶颈在召回而非编码
Google Research 发布 WikiProfile 基准（2,150 条 Wikipedia 事实，每条配 10 个任务）和知识画像框架，评估 13 个 LLM 后发现前沿模型 95–98% 的事实已编码，但仍有 26–34% 无法直接召回，开启 thinking 后仍有 11–12% 失败。
#论文/研究
#论文/研究
今日 4 条Google ResearchAI 评分5959 Microsoft ResearchAI 评分5858 Microsoft Research 发布 CARE-X 胸部 X 光研究模型，结合辅助监督、DAPO 强化学习与工具增强测量
Microsoft Research 推出研究模型 CARE-X，一个统一胸部 X 光 VLM，基于 SigLIP2-so400M 与 Phi-4-mini-instruct（3.8B），通过辅助头联合训练提供报告生成与带置信度的结构化预测，并用 DAPO 强化学习对齐临床奖励。
Hugging Face BlogAI 评分4848 Hugging Face 提出 Offline Top-K Logits 与融合分块 KL 损失，让知识蒸馏成本大幅下降
Hugging Face 发布论文，通过缓存 teacher 的 top-100 logits 实现 offline 蒸馏，并引入 fused chunked KL 损失，避免生成全词表×序列长度的矩阵。
Microsoft Research精选AI 评分7373 Microsoft Research 开源 Orchard 框架，Orchard-SWE 以约 3B 激活参数达 SWE-bench Verified 69.7%
Microsoft Research 发布开源智能体框架 Orchard，核心是可复用的 Kubernetes 环境服务 Orchard Env，支持软件工程、网页导航和个人助理三类智能体的训练与评估，并可直接在 Codex、OpenClaw、ZeroClaw 等真实 harness 内端到端训练。
推荐理由：微软开源了可复用的智能体环境层，并给出三个小模型训练配方，读者可以了解小模型在真实任务上的可达水平。
Google ResearchAI 评分5252 Google Research 提出 Chain-of-Evidence 框架，Science One 实现零幻觉引用的可验证自主科研
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并发布原生构建证据链的自主科研原型 Science One Framework 和自动化评估协议 CoE Audit。
Berkeley AI ResearchAI 评分5252 K-Search 新增 MLX 后端，用 CUDA 经验在 Apple Silicon 上实现近专家级内核
研究者将 Berkeley Sky Lab 的演化式内核搜索框架 K-Search 扩展出 MLX 后端，通过结构化 CUDA 到 MLX 翻译层把数十年的 NVIDIA 内核优化知识迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分4646 教 LLM 更新信念状态以实现高效长程交互：Berkeley AI Research 提出 ABBEL 框架
Berkeley AI Research 提出 ABBEL 框架，用自然语言信念状态替代完整交互历史作为智能体的工作上下文，并引入 belief grading 监督摘要内容。在 CollabBench 协作编程测试中，ABBEL-rec-BG 将与全上下文模型的性能差距缩小约 50%，训练步数从 100 减至 50，峰值上下文 token 长度也显著低于全上下文设置。
Google Research精选AI 评分6464 Google Research 发布 SymptomAI 研究：对话式 AI 日常症状评估
Google Research 发布 SymptomAI 研究论文，用五个基于 Gemini Flash 2.0 的对话原型智能体对 13,917 名参与者做端到端症状问诊和鉴别诊断（DDx），用于研究基准测试。
推荐理由：基于 13,917 人的随机真实人群研究，给出了 SymptomAI 鉴别诊断相对临床医生基线的表现和可迁移的问诊策略比较。
Google ResearchAI 评分4949 Google Research 如何让量子计算机从错误中学习
Google Research 在 Nature 发表基于强化学习的量子纠错控制框架，让智能体利用错误检测事件持续调节数千个控制参数，在计算进行中对抗漂移。在 Willow 超导处理器上注入人为漂移的实验中，RL 控制使逻辑稳定性提升 3.5 倍，并在专家校准基础上进一步将逻辑错误率降低 20%。
Google ResearchAI 评分3636 Google Research 解析扩散模型创造力来源：score smoothing 使生成插值于训练数据之间
Google Research 在 ICLR 2026 发表的论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》指出。
Google ResearchAI 评分5757 Google Research 发布 SensorFM：基于超万亿分钟可穿戴数据的大传感器基础模型
Google Research 发布 SensorFM，一种直接从无标注可穿戴数据预训练的 Large Sensor Foundation Model，训练数据来自 500 万名同意参与研究的用户、超一万亿分钟的多模态传感器信号，覆盖 100 多个国家和 20 多款 Fitbit 与 Pixel Watch 设备。
Google ResearchAI 评分5959 Google Research 发表 Nature Cities 研究，在 10 个美国城市实验用导航改道缓解交通拥堵
Google Research 在 Nature Cities 发表大规模真实世界研究，通过修改 Google Maps 算法在 10 个美国城市引导少于 2% 的行程绕开拥堵路段，实验持续六个月并采用城市级 switchback 设计。
Import AIAI 评分5252 Import AI 464：Fable 在 KernelBench-Mega 写出最快 megakernel，AI 自动化能力持续攀升
Jack Clark 在 Import AI 第 464 期汇总：Fable 在 KernelBench-Mega 上以 CUDA 写出 18.71X 加速的 megakernel。
Hugging Face BlogAI 评分4545 Hugging Face 发布 ScarfBench：评测 AI 智能体的企业级 Java 框架迁移能力
Hugging Face 推出开源基准 ScarfBench（Self-Contained Application Refactoring Benchmark），用于评测 AI 智能体在企业级 Java 跨框架迁移任务上的表现，覆盖 Spring、Jakarta EE 和 Quarkus 三个生态。
Hugging Face BlogAI 评分4646 Dharma AI 解读 LeCun 等人论文：为什么 AI 的专业化是必然的
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》。
Google ResearchAI 评分5252 Google Research 用冻结 Multi-Token Prediction 加速 Pixel 上的 Gemini Nano
Google Research 宣布将 Multi-Token Prediction（MTP）改造方案应用于已部署的 Gemini Nano v3 模型，已推送到 Pixel 9 和 10 系列。
Google ResearchAI 评分4747 Google 提出线性弹性缓存：用 ski rental 问题优化云缓存成本
Google Research 在 CIDR 发表的线性弹性缓存（linear elastic caching）方法，把页面逐出建模为 ski rental 问题，用轻量级决策树模型为缓存页预测 TTL，动态调整缓存大小。在 Spanner 生产环境中，相比固定大小缓存，内存占用降低 15.5%，cache miss 仅增加 5.5%，TCO 降低约 5%，对实际 I/O 成本影响仅 0.5%。
Google ResearchAI 评分5757 Google Research 解析推理如何解锁 LLM 参数化知识
Google Research 在 COLM 2026 发表的论文发现，开启链式推理能让 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 召回关闭推理时几乎无法答对的简单单跳事实。
Google ResearchAI 评分5151 Google 研究显示 AI 工具可提升用户对皮肤状况的认知
Google 发布两项皮肤 AI 研究，其中发表于 JAMA Dermatology 的 2345 人调查显示，AI 辅助组识别病症的准确率达 23%，约为对照搜索组（8%）的近三倍，但判断就医等下一步行动的能力未显著提升。
Google ResearchAI 评分3838 Google Research 提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests
Google Research 在 AISTATS 2026 上提出 Regularized f-Divergence Kernel Tests，用于更敏感、灵活地审计机器遗忘（machine unlearning）。
Google DeepMind精选AI 评分6464 Google DeepMind 塞拉利昂试验显示 Gemini Guided Learning 助学生数学进步相当于 1.2 到 1.7 年
Google DeepMind 公布在塞拉利昂开展的一项预注册试验结果，学生使用 Guided Learning 八周后数学成绩较对照组提升 +0.258 个标准差，约相当于 1.2 到 1.7 年的典型学习进度；教师把 Gemini 融入约一半课程达到 12 小时目标的班级进步更高，约 1.8 到 2.5 年。
推荐理由：Google DeepMind 公布塞拉利昂预注册试验的教学细节与量化结果，并开放教师培训指南与 RCT playbook，读者可了解可复制的研究做法。
Google Research精选AI 评分6464 Google 发布 PHRM 系统：用手机前置摄像头在日常生活中被动监测心率与静息心率
Google 在 Nature 发表 PHRM 研究系统，利用人脸解锁后前置摄像头拍摄的面部视频，通过深度学习在后台估计心率与每日静息心率（RHR）。
推荐理由：研究覆盖近700名不同肤色参与者并在真实生活场景验证，读者可以了解手机摄像头被动测心率的准确度数据与开放数据入口。
Import AIAI 评分4848 Import AI 459：AI 监管难题、蛋白质折叠模型的 scaling laws 与 AI 灭绝风险定价
Import AI 第 459 期报道：弗吉尼亚大学、Anthropic 与加拿大银行研究者估计美国 AI 经济 2025 年名义规模约 $250 billion，质量调整后实际产出年增速约 2,600%，但因单价下降和推理占比高而难以在 GDP 中体现。英国 AI Security Institute 撰文指出用 AI 监督训练过程来自动化对齐研究并非万能方案，实际比预想更难。
Import AIAI 评分4646 Import AI 457：AI 版 Stuxnet、Muon 优化器的缺陷与积极对齐
SentinelOne 研究员拆解了约 20 多年前的病毒 fast16.sys，它通过篡改高精度计算软件（如 LS-DYNA 970、PKPM、MOHID）在内存中的计算结果，可能被用于武器研发相关的破坏，类似《三体》中的智子干扰。
Google DeepMindAI 评分4040 Co-Scientist 携手 MIT 与 Boston Children's Hospital，为 ALS 研究整合生物工具
Google DeepMind 的 Co-Scientist 正在连接 MIT 机械工程师 Ritu Raman 与 Boston Children's Hospital 化学生物学家 Ryan Flynn 的实验室，共同研究 ALS。
Google DeepMindAI 评分5757 Stanford 团队用 Google DeepMind Co-Scientist 发现治疗肝纤维化的重定位药物
Stanford 医学院遗传学家 Gary Peltz 团队在 Advanced Science 发表研究，用 Google DeepMind 的 Co-Scientist 从现有药物文献中筛选可重定位治疗肝纤维化的候选药。
Import AIAI 评分4949 Import AI 456：RSI 与经济增长、AI 监管的“激进可选性”与神经计算机
Import AI 第 456 期聚焦三个话题。Law & AI 研究者提出 AI 监管的“激进可选性”路线：政府应避免过度监管，现在就投入建设信息收集、举报人保护、模型权重安全与人才等能力，以应对未来变革性 AI。
Google ResearchAI 评分5656 Google Research 发布 ERA 四大应用进展，覆盖流感预测、宇宙弦、CO2监测与斑马鱼神经回路
Google Research 介绍其 2025 年 9 月发布的 Empirical Research Assistance（ERA）在四个科研领域的实际应用进展。
Google DeepMindAI 评分5858 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将大模型训练拆分为异步通信的计算“孤岛”，隔离硬件故障并大幅降低带宽需求。
Google ResearchAI 评分5252 Google 发布 ReasoningBank 论文：让智能体从成功与失败经验中学习自我进化
Google Research 发布 ICLR 论文 ReasoningBank，提出从智能体的成功与失败经验中蒸馏高层推理记忆的框架，区别于只记录轨迹或仅总结成功流程的 Synapse 和 AWM。
Berkeley AI ResearchAI 评分4444 GRASP：面向更长时序世界模型的梯度规划方法
Berkeley AI Research 提出 GRASP，一种基于梯度的世界模型规划器，让长时序规划更实用。其核心改进包括三点：把轨迹提升到虚拟状态使优化在时间上并行、在状态迭代中直接加入随机性以支持探索、重塑梯度避免穿过高维视觉模型的脆弱"状态-输入"梯度。
Google ResearchAI 评分4444 Google Research 提出 Simula：从第一性原理出发的推理优先合成数据生成框架
Google Research 在 TMLR 发表论文，推出推理优先的合成数据生成框架 Simula，以机制设计思路将数据生成拆解为全局多样性、局部多样性、复杂化和双评论员质量检查四个可控轴，无需种子数据。
Google ResearchAI 评分4141 Google Research 用 AI 合成神经元加速大脑连接组绘制
Google Research 提出 MoGen 神经元形态生成模型，基于 PointInfinity 点云 flow matching，用 1,795 条经人工验证的小鼠轴突训练生成合成神经形状，扩充 PATHFINDER 重建模型训练数据。
Google ResearchAI 评分3636 Google Research 推出 ConvApparel：量化并弥合用户模拟器的真实感差距
Google Research 发布 ConvApparel 数据集，包含超过 4,000 段、近 15,000 轮的人类-AI 多轮对话，用于量化 LLM 用户模拟器的“真实感差距”。
Google ResearchAI 评分4545 Google Research 提出评估 LLM 行为倾向对齐的新框架
Google Research 提出一个评估 25 个 LLM 行为倾向与人类对齐程度的框架，将标准化心理问卷改编为情境判断测试（SJT），并由 550 名参与者提供人类偏好分布。
Google ResearchAI 评分3636 Google Research 研究：构建更好的 AI benchmark 需要多少标注者？
Google Research 在论文《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》中研究 AI 评测中每条数据标注数与标注条目数的权衡，并开源了基于真实数据集的模拟器。
Google Research精选AI 评分6363 Google 白皮书：未来量子计算机破解加密货币所需的资源比此前估计的更低
Google Quantum AI 发布白皮书，更新了破解 256 位椭圆曲线离散对数问题（ECDLP-256）的量子资源估算，两条电路分别使用不到 1,200 个逻辑量子比特加 9,000 万个 Toffoli 门和不到 1,450 个逻辑量子比特加 7,000 万个 Toffoli 门，物理量子比特需求较此前降低约 20 倍。
推荐理由：Google 白皮书给出破解 ECDLP-256 更低的量子资源估算和零知识证明披露方式，加密社区可据此评估向 PQC 迁移的紧迫性。
Google ResearchAI 评分4444 Google Research 推出 TurboQuant：以极致压缩重新定义 AI 效率
Google Research 推出 TurboQuant 压缩算法（将发表于 ICLR 2026），通过结合 Quantized Johnson-Lindenstrauss（QJL）和 PolarQuant（将发表于 AISTATS 2026）实现零内存开销的向量压缩，可在不损失精度的情况下压缩模型和 KV cache。
Google ResearchAI 评分3838 Google Research 推出 S2Vec：自监督学习城市建成环境的通用嵌入向量
Google Research 在 Earth AI 计划下推出自监督框架 S2Vec，为建成环境学习通用嵌入向量。该框架用 S2 Geometry 将地表划分为多分辨率单元，把建筑、道路等特征栅格化为多层图像，再用 masked autoencoding 无需人工标注地学习位置特征。
Google Research精选AI 评分7474 Google Research 发布 AIMS 研究：AI 作为乳腺筛查第二读片人与人工流程效果相当
Google Research 与英国 NHS 合作的 AIMS 研究在 Nature Cancer 发表两篇论文，评估 AI 乳腺癌检测系统。
推荐理由：原文给出两篇 Nature Cancer 研究的具体结果和数字，读者可以据此了解 AI 在乳腺筛查双读流程中的实际表现与局限。