Google Research 在 Nature Cities 发表导航平台缓解城市拥堵研究
Google Research 联合发布首个大规模实证研究，证实通过 Google Maps 算法微调引导不足 2% 的车辆避开瓶颈路段，可显著提升全城交通效率。实验显示目标路段车速中位数提升约 2%，燃油消耗降低 0.5%-1.0%，每年每城可减少数千吨 CO2e 排放。该成果发表于《Nature Cities》，确立了从个体路径优化向协同路由范式演进的技术框架。
#论文/研究
#论文/研究
今日 0 条Google ResearchAI 评分4040
Hugging Face BlogAI 评分4545 ScarfBench：评估 AI 智能体企业 Java 框架迁移能力的基准测试
Hugging Face 推出开源基准 ScarfBench，评估 AI 智能体在 Spring、Jakarta EE 和 Quarkus 间的 Java 框架迁移能力。该基准包含 34 个应用和 204 个迁移任务，要求通过构建、部署及行为验证。结果显示最强智能体行为成功率低于 10%，且存在自我评估过度自信问题，配置与依赖管理是主要难点。
Hugging Face BlogAI 评分3232 DiScoFormer：单 Transformer 同时估计密度与分数
Hugging Face 推出 DiScoFormer，该模型通过单次前向传播即可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 维数据上，其分数误差比最佳 KDE 低约 6.5 倍，密度误差降低超 37 倍，且能泛化至非高斯分布。这一预训练插件式估计器有望大幅降低生成建模及科学计算中的成本。
Google ResearchAI 评分2828 Google Research 提出线性弹性缓存以优化云成本
Google Research 在 CIDR 发表线性弹性缓存方案，将页面驱逐建模为滑雪租赁问题，利用轻量级机器学习动态调整缓存大小。该技术在 Spanner 生产环境中使内存使用降低 15.5%，总拥有成本（TCO）减少约 5%，且 I/O 成本影响仅 0.5%。
OpenAI NewsAI 评分2828 OpenAI 研究揭示 AI 智能体如何变革工作
OpenAI 发布新研究论文，展示 AI 智能体正在变革工作方式。该研究指出，智能体能够支持更长、更复杂的任务执行，从而在各岗位间扩展生产力。
Google ResearchAI 评分4444 研究揭示推理机制如何解锁 LLM 参数化知识
Gemini-2.5 和 Qwen3-32B 在简单事实问答中启用推理可显著提升答案召回率。该现象由计算缓冲效应与事实启动机制共同驱动，前者通过增加生成 token 提供额外计算时间，后者利用相关事实作为语义桥梁辅助检索。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 MosaicLeaks：深度研究智能体的隐私泄露风险与 PA-DR 防御方法
Hugging Face 联合 ServiceNow 等机构发布 MosaicLeaks 基准，揭示深度研究智能体在多跳检索中因“马赛克效应”导致私有信息通过 Web 查询日志泄露的风险。
推荐理由：提出MosaicLeaks基准与PA-DR训练法，量化智能体查询隐私泄露风险并给出兼顾任务性能与隐私保护的RL方案。
OpenAI NewsAI 评分5555 OpenAI 发布利用大模型辅助诊断罕见遗传病的研究成果
OpenAI 发布了一项关于利用大模型辅助诊断罕见遗传病的研究成果。该研究展示了模型在解决此前未确诊的复杂病例中的潜力，体现了 AI 在医疗健康领域的具体应用价值。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI Control Roadmap 以保障 AI 智能体安全
Google DeepMind 发布 AI Control Roadmap，提出针对内部 AI 智能体的纵深防御框架，旨在应对模型对齐不完美时的安全风险。该框架借鉴 MITRE ATT&CK 标准，将未受信任的智能体视为潜在内部威胁，通过实时行为监控和分级响应机制来检测与阻止异常操作。
推荐理由：原文提出了将内部 AI 智能体视为潜在内部威胁的防御框架，并公开了基于百万条轨迹分析的监控实践细节。
OpenAI NewsAI 评分4545 OpenAI 推出 Deployment Simulation 以预测模型部署前行为
OpenAI 推出 Deployment Simulation，一种利用真实对话数据在部署前预测 AI 模型行为的方法。该技术旨在提升安全性与评估准确性，帮助团队在正式发布前更精准地预判模型表现。
Google ResearchAI 评分5050 Google Research 探讨 AI 如何帮助用户理解皮肤状况
Google Research 发布 JAMA Dermatology 研究，显示 AI 辅助工具使消费者识别皮肤疾病名称的准确率从 8% 提升至 23%，近三倍于传统搜索。尽管命名能力显著增强，用户在确定后续医疗步骤方面仍面临挑战，表明人类在利用 AI 进行健康决策时的认知因素至关重要。
Google ResearchAI 评分3232 Google Research 提出 Regularized f-Divergence Kernel Tests 框架以审计机器遗忘
Google Research 在 AISTATS 2026 上推出 Regularized f-Divergence Kernel Tests 框架，旨在解决大模型机器遗忘审计中传统两样本检验计算昂贵且统计效力不足的问题。
Google DeepMind精选AI 评分6868 Google DeepMind 发布塞拉利昂 AI 辅助学习影响评估研究
Google DeepMind 公布在塞拉利昂进行的预注册随机对照试验结果，使用 Gemini 驱动的 Guided Learning 工具使学生在八周内数学成绩提升 0.258 个标准差，相当于 1.2 至 1.7 年的常规学习进度。
推荐理由：原文披露了塞拉利昂预注册试验数据，显示AI辅助教学显著提升数学成绩且学生主动寻求理解而非答案。
Google Research精选AI 评分6767 Google Research 发布 PHRM：通过智能手机摄像头实现被动心率监测
Google Research 在 Nature 发表研究，推出名为 PHRM 的被动心率监测系统，利用智能手机前置摄像头在日常使用中估算心率和静息心率。该系统在实验室和真实场景下均达到 MAPE < 10% 的精度，且在不同肤色群体中表现一致，其每日静息心率估算误差小于 5 bpm，媲美可穿戴设备。
推荐理由：原文展示了基于智能手机前置摄像头的被动心率监测系统，提供了跨肤色的高精度验证数据及开源数据集，为无穿戴设备的心血管健康追踪提供了可复用的技术方案。
Hugging Face BlogAI 评分4545 Hugging Face 展示 DPO 在 OCR 任务中降低文本退化率的效果
Hugging Face 发布研究，显示在 DharmaOCR 模型上应用直接偏好优化（DPO）后，平均文本退化率降低 59.4%，最高达 87.6%。该方案利用模型自身失败输出构建训练信号，有效解决了监督微调（SFT）难以消除重复循环的局限。
Google ResearchAI 评分3838 Google Research 提出零信任聚合方案实现隐私分析
Google Research 推出结合密码学与硬件保护的零信任聚合方案，用于设备端 AI 的隐私分析。该方案采用新型单消息提交协议，克服传统多轮交互限制，并集成可信执行环境（TEE）提供严格证明与透明度。此设计确保仅获取匿名化群体洞察，防止个体用户数据泄露。
Google DeepMindAI 评分5858 Google DeepMind发布Co-Scientist用于肝脏纤维化药物重定位的研究成果
斯坦福大学遗传学家Gary Peltz团队利用Google DeepMind的Co-Scientist加速寻找治疗肝脏纤维化的重定位药物，相关研究发表于Advanced Science。
Berkeley AI ResearchAI 评分5353 Berkeley AI Research 综述自适应并行推理：大模型如何自主决定何时并行及协调线程
Berkeley AI Research 发布关于自适应并行推理（APR）的综述，探讨大语言模型如何在推理时自主决定任务分解、并行线程数量及协调方式。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 AI co-clinician 研究：探索多模态医疗智能体与医生协作模式
Google DeepMind 宣布启动 AI co-clinician 研究计划，旨在通过“三元护理”模式让 AI 在医生监督下协助患者。该系统在 98 个初级保健查询中实现 97 例无关键错误，并在开放式药物问答基准上超越现有前沿模型。
推荐理由：原文披露了AI co-clinician在真实临床查询中的零关键错误率及多模态实时交互能力，展示了其作为辅助工具而非替代者的具体边界。
Google DeepMindAI 评分3535 Google DeepMind 提出 Decoupled DiLoCo：实现低带宽分布式 AI 训练
Google DeepMind 推出 Decoupled DiLoCo 架构，支持在低带宽下跨数据中心异步训练 LLM。该方案利用 Gemma 4 模型验证，通过隔离硬件故障提升系统韧性，并在 2-5 Gbps 网络下比传统同步方法快 20 倍以上完成 12B 参数模型训练。
Google ResearchAI 评分4444 Google Research 提出 ReasoningBank：让 AI Agent 从成功与失败经验中自我进化
Google Research 在 ICLR 论文中推出 ReasoningBank，一种能从成功和失败经历中提炼高层推理模式的 Agent 记忆框架。该框架结合 MaTTS 技术，在 Web 浏览和软件工程基准测试中显著提升了 Agent 的成功率并减少了任务步骤。
Berkeley AI ResearchAI 评分3535 GRASP：面向长时域世界模型的梯度规划方法
GRASP 是一种针对学习动力学（世界模型）的梯度规划器，旨在解决长时域规划中的病态优化与局部极小值问题。该方法通过将轨迹提升至虚拟状态实现时间并行优化，在状态迭代中直接引入随机性以增强探索，并重塑梯度信号以规避高维视觉模型中脆弱的“状态-输入”梯度依赖。
Google ResearchAI 评分5050 Google Research 提出 Simula：基于机制设计合成数据集
Google Research 推出 Simula，一种基于推理优先的无种子智能体框架，通过机制设计从第一性原理构建合成数据集。该方案利用 Gemini 2.5 Flash 作为教师模型、Gemma-3 4B 作为学生模型进行验证，将生成过程分解为全局/局部多样性、复杂化及质量检查四个可控轴。
Google ResearchAI 评分3535 Google Research 推出 MoGen 模型加速大脑图谱重建
Google Research 发布开源模型 MoGen，利用点云流匹配生成合成神经元以增强 PATHFINDER 训练数据。该方法使小鼠轴突重建错误率降低 4.4%，在完整小鼠脑尺度上相当于节省 157 人年的手动校对工作。
Hugging Face BlogAI 评分3434 Hugging Face 推出 Ecom-RLVE：面向电商对话智能体的自适应可验证环境
Hugging Face 发布 Ecom-RLVE，将 RLVE 框架扩展至多轮工具增强型电商对话场景。该方案提供 8 个可验证环境及 12 轴难度课程，通过算法奖励训练 Qwen 3 8B 模型完成商品发现、购物车构建等任务。
Hugging Face Blog精选AI 评分6060 IBM Research 发布 VAKRA 基准：揭示 AI Agent 推理与工具使用的失败模式
IBM Research 推出 VAKRA，这是一个用于评估 AI Agent 在企业级环境中推理和行动能力的可执行基准测试。该基准包含超过 8000 个本地托管 API 和 62 个领域的真实数据库，要求模型完成 3-7 步的复杂推理链。分析显示，尽管现代模型能执行孤立工具调用，但在多跳推理、多源检索及遵守工具使用策略时表现不佳，暴露了从表面能力到端到端可靠性的差距。
推荐理由：IBM Research 在 Hugging Face 博客发布 VAKRA 基准测试，通过执行轨迹分析揭示了当前 AI Agent 在多步工作流中的具体失败模式。
Google ResearchAI 评分5555 Google Research 推出 Vantage：利用生成式 AI 评估未来就绪技能的研究实验
Google Research 发布名为 Vantage 的研究实验，旨在利用生成式 AI 在模拟环境中创建对话，以评估高中和大学生的“未来就绪”技能（如批判性思维、协作和创造性思维）。
Google ResearchAI 评分3030 Google Research 推出 ConvApparel 数据集以量化并弥合用户模拟器的真实性差距
Google Research 发布 ConvApparel 数据集，包含超 4,000 段多轮人机对话，旨在量化 LLM 用户模拟器的真实性差距。该研究通过双代理协议收集数据，并建立涵盖统计对齐、拟人度评分及反事实验证的评估框架，以提升模拟器在复杂交互中的可信度。
Google ResearchAI 评分4242 Google Research 评估 LLM 行为倾向与人类对齐
Google Research 提出框架评估 25 个 LLM 的行为倾向，发现模型在共识场景下存在方向性偏差，且在无共识时无法覆盖人类意见范围。该研究利用情境判断测试（SJT）替代自报问卷，通过对比模型响应与 10 名标注者偏好分布，量化模型在共情、情绪调节等特质上与人类行为的对齐程度。
Google ResearchAI 评分3636 Google Research 提出 AI 基准测试中评估者数量与样本量的权衡策略
Google Research 指出传统 AI 评测中每项仅用 3-5 名评估者不足以捕捉人类分歧，可靠结果往往需要超过 10 名评估者。研究通过模拟实验发现，最优的“广度”（多项目少人）与“深度”（少项目多人）比例取决于具体指标：追求多数票准确率宜采用广度策略，而捕捉意见细微差别则需增加评估者人数。在正确平衡下，约 1,000 次总标注即可实现高可复现性，相关模拟器已开源。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 AI 有害操纵评估工具包及实证研究
Google DeepMind 发布新研究成果，推出首个经实证验证的工具包以衡量 AI 在现实世界中的有害操纵潜力。该研究基于英国、美国和印度的九项实验（涉及超过 10,000 名参与者），重点测试了金融和健康等高利害场景，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 有害操纵评估工具包，通过九项涵盖万余人的研究量化了模型在金融与健康场景下的操纵能力与倾向。
Google ResearchAI 评分4545 Google Research 推出 TurboQuant：实现零精度损失的极端压缩
Google Research 发布 TurboQuant 压缩算法，通过结合 PolarQuant 和 QJL 技术消除向量量化中的内存开销。该算法在 Gemma 和 Mistral 等开源 LLM 的 LongBench、RULER 等基准测试中，实现了 KV 缓存压缩且无精度损失，显著降低内存成本并提升检索速度。
Google ResearchAI 评分3636 Google Research 推出 S2Vec：自监督框架学习城市环境嵌入
Google Research 在 Earth AI 计划中推出 S2Vec，这是一种用于学习环境通用嵌入的自监督框架。该模型利用 S2 Geometry 栅格化地理数据并通过掩码自动编码（MAE）进行训练，无需人工标签即可预测人口密度等社会经济指标。评估显示，S2Vec 在社会经济预测任务中与基于图像的基线方法表现相当，尤其在地理外推方面具有优势。
Hugging Face BlogAI 评分4848 Hugging Face 发布语音智能体评估框架 EVA
Hugging Face 推出首个联合评分任务准确性与对话体验的端到端语音智能体评估框架 EVA。该框架基于 bot-to-bot 架构，提供包含 50 个航空场景的数据集及 20 个系统的基准测试结果。研究发现存在一致的准确性-体验权衡，高任务完成率往往伴随较差的用户体验。
Google Research精选AI 评分8080 Google Research 与 NHS 合作发表研究：AI 辅助乳腺癌筛查提升检出率并减少人工阅片量
Google Research 与英国国家医疗服务体系（NHS）合作开展 AIMS 研究，并在 Nature Cancer 发表两项伴生研究，评估基于 AI 的乳腺癌检测系统在筛查工作流中的表现。
推荐理由：Google Research 联合 NHS 发表两项 Nature Cancer 研究，证实 AI 在乳腺癌筛查中可提升检出率并显著降低放射科医生工作负荷。
Google DeepMindAI 评分5353 Google DeepMind 发布 AGI 进展评估认知框架及 Kaggle 黑客松
Google DeepMind 发布新论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》，提出基于认知科学的 AGI 评估框架。
Google ResearchAI 评分4848 Google Research 评估 LLM 在高温超导研究中的表现
Google Research 联合康奈尔大学测试六款 LLM 回答高温超导专家级问题的能力，发现 NotebookLM 和定制 RAG 系统表现最佳。该研究发表于 PNAS，旨在探索 AI 作为科研思维伙伴的潜力，结果显示封闭数据源比开放网络访问更能保证科学准确性。
Berkeley AI ResearchAI 评分2828 SPEX 与 ProxySPEX：LLM 大规模交互识别算法
SPEX 和 ProxySPEX 算法通过稀疏性和低阶性假设，高效识别 LLM 中的关键特征、数据及组件交互。ProxySPEX 利用层级结构特性，在保持性能的同时将消融次数减少约 10 倍。该框架解决了传统方法在大规模上下文下计算不可行的问题，显著提升了可解释性分析效率。
Google Research精选AI 评分7070 Google Research 推出 Groundsource：用 Gemini 将新闻报道转化为洪水历史数据
Google Research 发布 Groundsource 方法，利用 Gemini 大模型从全球新闻中提取非结构化信息，构建包含 260 万条记录的城市山洪开放数据集。该方法通过分类、时间推理和空间定位技术处理 80 种语言的报道，经人工验证 82% 的数据具备实际分析价值，并已在 Google Flood Hub 中用于提供提前 24 小时的近全球城市山洪预报。
推荐理由：该研究利用 Gemini 从新闻中提取结构化洪水数据，解决了历史观测缺失问题，为灾害预测提供了新范式。
Google Research精选AI 评分8080 Google Research发布AMIE对话式诊断AI真实世界临床研究结果
Google Research与Beth Israel Deaconess Medical Center合作完成了一项关于AMIE对话式诊断AI的前瞻性单中心可行性研究。
推荐理由：原文披露了AMIE在真实临床环境中的首次前瞻性可行性研究结果，展示了其在监督下的安全性及诊断准确率数据。