想用 ACE？ALTK-Evolve 用更少 token 就能达到同等效果
ALTK-Evolve 与 ACE 都是让智能体从自身轨迹学习的记忆系统，差异在交付方式：ACE 每步注入完整 playbook，ALTK-Evolve 按任务选择性检索 guideline。
全部AI 动态
全部动态
今日 0 条Hugging Face BlogAI 评分4040
Hugging Face BlogAI 评分4747 Hugging Face 新论文：如何让 LLM 知识蒸馏便宜到大规模运行
Hugging Face 新论文将 LLM 知识蒸馏峰值显存从约 250GB 降至约 128GB，方法是离线缓存教师模型 top-100 logits 并采用分块融合 KL 损失。该方案使单张 H200 即可完成长上下文知识蒸馏训练，无需再依赖数百张 GPU 与张量并行，让大规模实验更易开展。
Microsoft Research精选AI 评分8383 微软开源 Orchard 智能体框架，Orchard-SWE 在 SWE-bench Verified 达 69.7%
微软研究院开源 Orchard 智能体框架，其核心 Orchard Env 是基于 Kubernetes 的可复用环境服务，支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 中训练与评估智能体。
推荐理由：原文给出可复用的开源环境服务与三个训练配方，读者可据此了解小模型在真实任务上的表现水平。
Import AIAI 评分6161 Import AI 467：自复制 AI 病毒、放缓 AI 进展的呼吁与创造力争议
Import AI 467 汇总多伦多大学、Vector Institute、剑桥大学与 ServiceNow 的自复制 AI 病毒原型，它寄生被感染的 GPU 运行开源权重 LLM，用推理图完成漏洞识别、利用与自我复制，完整攻击成功率约 37%。
Google ResearchAI 评分4545 Science One Framework：基于 Chain-of-Evidence 的可验证自主研究框架
Google Research 提出 Science One Framework 自主研究框架，通过 Chain-of-Evidence（CoE）让 AI 生成论文的每条声明都可追溯到具体证据。
Microsoft Research精选AI 评分7272 微软研究院发布 Echoverse，为计算机使用智能体构建可演化深度训练环境
微软研究院发布 Echoverse，为计算机使用智能体搭建 12 个训练世界，包括 10 个深度领域世界与 2 个能力世界。在全部 12 个世界上训练的 9B 模型得分从 36.5% 提升到 67.1%，与 GPT-5.4 的 80.7% 相差 14 个百分点。
推荐理由：论文给出了高保真合成世界与数据库级验证器的搭建方法，并公开四个环境的代码与任务，可供智能体训练复用。
Microsoft Research精选AI 评分6161 微软提出 EvoLib：把经验转化为持续演化的知识
微软研究团队提出 EvoLib 框架，让大语言模型在推理时从自身经验中学习，无需真值标签或外部反馈。它把过去的尝试提炼为可复用的技能与反思洞察，通过整合和动态权重机制持续精炼，且不更新模型权重，可用于通过 API 部署的黑盒模型。在数学推理、带效率约束的代码编写和长程环境决策三类任务上，EvoLib 优于基于检索的记忆方法，并在大部分算力区间以更高效的 token 使用把测试时算力转化为性能提升。
推荐理由：EvoLib 将测试时的原始经验提炼为可复用技能与洞察，无需更新模型权重，读者可据此理解其持续学习机制。
Berkeley AI ResearchAI 评分4444 从 CUDA 到 MLX：K-Search 如何把数十年 kernel 经验带到 Apple Silicon
UC Berkeley Sky Lab 为 K-Search 内核搜索框架加入 MLX 后端，用结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分4343 ABBEL：教 LLM 更新信念状态，实现高效长程交互
ABBEL 框架让 LLM 把长程交互历史压缩为自然语言「信念状态」，并用信念打分监督其信息内容，以缓解上下文膨胀。在 CollabBench 协作编码任务中，ABBEL-rec-BG 把与全上下文模型的性能差距缩小约 50%，训练步数从 100 降到 50。其峰值上下文 token 数为 6.01×10²，低于全上下文模型的 14.08×10²。
Google ResearchAI 评分4848 Google SymptomAI：面向日常症状评估的对话式 AI 智能体研究
Google 基于 Gemini Flash 2.0 的 SymptomAI 对话式智能体在 13,917 人参与的随机研究中，由临床专家组对其鉴别诊断（DDx）进行盲评。评审在超过 50% 的案例中偏好 SymptomAI 的 DDx 多于其他临床医生的诊断，且该优势在临床医生自身信心较低的案例中最为显著。
Google ResearchAI 评分4747 Google Research：用强化学习让量子计算机在运行中持续从错误中学习
Google Research 在 Nature 发表的论文提出一种强化学习框架，让量子计算机在运行过程中持续读取纠错检测数据，自动调节数千个控制参数以对抗漂移。该方法在 Willow 超导处理器上验证：与注入人工漂移的基线相比，逻辑稳定性提升 3.5 倍；在专家人工校准基础上再经 RL 微调，逻辑错误率额外降低 20%。
Google ResearchAI 评分4343 Google Research 解读扩散模型创造力来源：分数平滑的插值机制
Google Research 在 ICLR 2026 上发表的论文指出，扩散模型的创造力源于训练时正则化导致的"分数平滑"效应。该平滑使去噪过程在训练样本之间插值生成新数据，而非简单复制训练集；研究结合神经网络正则化的函数空间理论与去噪数学，定量刻画了两者之间的连接。
Hugging Face BlogAI 评分5151 Hume 发布 Real World VoiceEQ 语音 AI 评测基准
Hume 在 Hugging Face 发布 Real World VoiceEQ 语音 AI 评测基准，基于超过 100 万条人类评分，覆盖 ASR、TTS、S2S 与语音理解四大类共 15 个评估维度和 60 多项指标，对 40 多款主流专有与开源语音模型进行评测，其中包含 78.5 万条 TTS 评分和 4.8 万条 STS 评分。
Google ResearchAI 评分5555 SensorFM：迈向可穿戴健康数据的通用智能与接口
Google Research 提出 SensorFM 大型传感器基础模型，基于五百万参与者超过一万亿分钟的多模态传感器信号自监督预训练而成。最大模型 SensorFM-B（100M 参数）在重建损失上较最小变体降低 31%，下游分类任务 AUC 平均提升 9%，回归任务 Pearson 系数提升 21%。
Google ResearchAI 评分4343 Google Maps 如何通过协作式路由缓解城市交通拥堵
Google Research 在 Nature Cities 发表首个大规模真实世界研究，证明仅通过修改 Google Maps 算法引导不到 2% 的行程改道，即可在 10 个美国城市显著缓解交通拥堵。为期六个月的对照实验显示，目标路段车速中位数提升约 2%、油耗下降 0.5%–1.0%，早晚高峰全网平均车速提升约 0.5%，每城每年可减排数千吨 CO2e，且非导航用户同样受益。
Import AIAI 评分4848 Import AI 464：Fable 编写 GPU kernel；AI 自动化；模拟计算
Fable 在 KernelBench-Mega 提交首个真正 megakernel，在 RTX PRO 6000 Blackwell 上较 PyTorch 基线实现 18.71 倍加速。
Hugging Face BlogAI 评分4343 ScarfBench：评估 AI 智能体在企业 Java 框架迁移中的表现
Hugging Face 推出开源基准 ScarfBench，用于评估 AI 智能体在企业 Java 跨框架迁移任务上的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，包含 34 个应用、204 个迁移任务和约 15.1 万行代码。
Import AIAI 评分3737 Import AI 463 期：NVIDIA ENPIRE 让机器人策略实现自我改进；及一篇反思人类预测技术局限的文章
NVIDIA 研究者推出 ENPIRE 框架，让编码智能体通过自动评估与重置机制自主改进物理机器人策略。该系统在 PushT、整理针盒、剪扎带等灵巧操作任务上达到 99% 成功率，其中 GPT-5.5（Codex）与 Opus 4.7（Claude Code）表现相当，Kimi-2.6 落后。Matthew Tokson 在 SSRN 论文中指出，人类既一贯低估技术突破，又常误判其社会影响。
Google ResearchAI 评分5757 Google 用 Multi-Token Prediction 加速 Pixel 上的 Gemini Nano 推理
Google Research 宣布在 Pixel 9 和 10 系列上为冻结的 Gemini Nano v3 模型附加 MTP 头，在不重训骨干的前提下获得 50% 以上的端侧推理加速。
Google ResearchAI 评分3838 Google Research 用线性弹性缓存优化云端缓存经济性
Google Research 在 CIDR 发表论文提出 linear elastic caching，将页面逐出问题建模为 ski rental 问题，借助浅层决策树为每个页面预测最优 TTL。
Google ResearchAI 评分4848 Google Research 论文：推理过程如何解锁 LLM 的参数化知识
Google Research 在 COLM 2026 论文中发现，启用推理能让 reasoning LLM 召回原本几乎无法触及的参数化知识。
Import AIAI 评分4646 Import AI 第 462 期：AI 超级说服力、自维持 AI 与 ASI 路径
牛津大学、UK AISI、斯坦福与 LSE 研究显示，AI 在文本说服任务上已稳定胜过人类专家，并在真实捐款场景中比专业筹款员效果高近 3 倍。
Google ResearchAI 评分4040 从像素到规划：Google Earth AI 自然修复生态制图框架
Google Earth AI 发布矢量化数据集，覆盖英国超过 130,000 km² 农田，可识别树篱、石墙、小树林等传统卫星难以捕捉的细尺度生态要素。该框架基于在 3 亿张卫星图像上预训练的 Vision-Transformer，并结合亚米级影像与 1 米 LiDAR 双层标注与 Polsby–Popper 紧凑度评分，将像素自动转化为林地、灌木丛与线性走廊等可规划要素。
Google DeepMindAI 评分5555 Google DeepMind 发布 AI Control Roadmap，说明如何为智能体做系统级安全防护
Google DeepMind 发布 AI Control Roadmap，一套用于 Google 内部署和管控 AI 智能体的纵深防御框架，在模型对齐之外增加系统级安全层，并同时发布面向政策制定者的技术框架 Three Layers of Agent Security。
Google ResearchAI 评分4242 Google Research 探索 AI 如何帮助用户理解皮肤状况
Google Research 在 JAMA Dermatology 发表研究，基于 2,345 名参与者的随机对照实验显示，AI 辅助工具将用户识别皮肤状况名称的准确率从对照组的 8% 提升至 23%，超 62% 的参与者愿意尝试命名。"Wizard of Oz" 组准确率达 36%，但标准 AI 组在判断后续就医步骤上未带来统计学显著改善，提示识别疾病之外的决策支持仍是挑战。
Google ResearchAI 评分4545 Google Research 提出 Regularized f-Divergence Kernel Tests 机器遗忘审计新框架
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests 框架，用于审计机器遗忘（machine unlearning）。
Google DeepMind精选AI 评分6666 Google DeepMind 公布塞拉利昂 Guided Learning 教学试验结果
Google DeepMind 公布在塞拉利昂开展的 Guided Learning 预注册试验结果，8周内使用该工具的学生数学成绩比对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度。
推荐理由：原文给出8周预注册试验的分数提升幅度和学生提问行为变化，可用来对比AI辅导中引导式教学与直接给答案两种路径。
Google ResearchAI 评分4949 Google Research：迈向利用智能手机摄像头的被动式心脏健康监测
Google Research 在 Nature 发表 PHRM 系统，通过手机前置摄像头在日常使用中被动监测心率，单次心率 MAPE < 10%、日均静息心率 MAE < 5 bpm。系统基于 35 万段视频、约 700 名不同肤色受试者训练，是迄今最大规模的 rPPG 研究，并公开 PHRM-mini 预训练模型与数据集供研究者申请。
Google ResearchAI 评分4141 Google：基于零信任聚合的端侧 AI 隐私分析
Google Research 提出基于零信任聚合的端侧 AI 隐私分析方案，将新型单轮加密聚合协议与 TEE 硬件隔离结合，构建多层防御架构。该协议只需设备发送一次加密消息即可完成安全聚合，无需多轮在线交互；即使 TEE 隔离失效，加密层仍保证个体原始数据不可还原，仅匿名聚合结果对 Google 可见。
Import AIAI 评分4545 Import AI 第 457 期：AI 版 Stuxnet、被诅咒的 Muon 优化器与积极对齐
Import AI 第 457 期涉及疑似 Stuxnet 前身的 fast16.sys 病毒——它在 20 多年前就专门篡改 LS-DYNA、PKPM 等高精度科学计算软件。
Google DeepMind精选AI 评分6060 Google DeepMind 的 Co-Scientist 筛出可重定向的抗肝纤维化药物
斯坦福大学医学院的 Gary Peltz 团队用 Google DeepMind 的 Co-Scientist 从已有药物文献中寻找可重定向治疗肝纤维化的候选药物，研究结果发表于 Advanced Science。
推荐理由：人工挑选的候选药物在活体肝细胞实验中全部无效，Co-Scientist 提出的三个候选中有两个抑制纤维化，构成一组直观对比。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 Co-Scientist 多智能体科研系统，论文登上 Nature
Google DeepMind 发布 Co-Scientist 多智能体科研系统，相关研究已在 Nature 发表，系统由基于 Gemini 的多类智能体组成。
推荐理由：原文拆解了生成、辩论、进化三阶段的多智能体分工，可看到科学假设如何被迭代筛选与排序。
Google DeepMindAI 评分5858 Google DeepMind 启动 AI co-clinician 医疗研究计划
Google DeepMind 宣布启动 AI co-clinician 研究计划，探索 AI 智能体在医生监督下作为诊疗团队成员与患者互动。在 98 个真实初级保健问题的盲评中，该系统在 97 个问题上零关键错误；在 140 项问诊技能评估中，有 68 项达到或超过初级保健医生水平。
Google DeepMindAI 评分5252 Google DeepMind 提出 Decoupled DiLoCo，支持跨数据中心训练 LLM
Google DeepMind 发布论文提出 Decoupled DiLoCo，一种把训练拆分为解耦计算岛屿、岛屿间以异步数据流通信的分布式架构，可在跨数据中心的条件下训练 LLM，带宽需求更低且硬件容错性更强。
Google ResearchAI 评分4747 ReasoningBank：让 AI 智能体从经验中学习
Google Research 提出 ReasoningBank 智能体记忆框架，通过提炼成功与失败经验中的推理模式实现测试时自我进化。
Berkeley AI ResearchAI 评分4747 GRASP：面向长时序世界模型的梯度规划器
GRASP 是一种面向学习型动力学（世界模型）的梯度规划器，通过将轨迹提升为虚拟状态实现跨时间并行优化，并直接向状态迭代注入随机性以探索。它还重塑梯度，让动作获得清晰信号，同时避开经由高维视觉模型产生的脆弱 state-input 梯度，使长时序规划更稳健。
Google ResearchAI 评分4848 Google Simula 框架：以机制设计与推理驱动合成数据生成
Google Research 在 TMLR 发表 Simula 框架，将合成数据生成重构为机制设计问题，沿全局多样性、局部多样性、复杂化和质量检查四个轴从零推理生成数据。
Google ResearchAI 评分4444 Google Research 用 AI 生成合成神经元加速脑图谱绘制
Google Research 提出的 MoGen 模型利用 PointInfinity 点云流匹配技术合成神经元三维形态，将 PATHFINDER 连接组重建模型的错误率降低 4.4%，相当于在小鼠全脑规模下节省 157 人年的人工校对工作。该论文将在 ICLR 2026 上发表，是现代生成式 AI 首次推动连接组重建达到当前最优水平，MoGen 已作为开源模型发布。
Google ResearchAI 评分4040 ConvApparel：衡量并弥合 LLM 用户模拟器的真实感差距
Google Research 推出 ConvApparel 数据集与评估框架，基于 4,000 余段服装购物领域人机多轮对话（共约 15,000 轮次）衡量 LLM 用户模拟器的真实感差距。该数据集采用 Good 与 Bad 双智能体采集协议，结合群体统计对齐、拟人度评分与反事实验证三类方法比较 Prompted、ICL、SFT 三类模拟器的行为保真度。
Google ResearchAI 评分4444 Google Research 提出框架评估 LLM 行为倾向与人类对齐程度
Google Research 提出框架，通过情境判断测试（SJT）评估 25 个 LLM 的行为倾向与人类对齐程度。研究发现模型在专业场景倾向鼓励情感外露、在社交争端中求和而非坚持立场，且即便人类达成共识时仍偏离多数偏好。120B 以下小模型与前沿闭源模型在 10/10 完全共识时接近完美对齐，但共识度低于 90% 时对齐率仅 80% 出头。