AI 智能体追讨 465 美元火车票退款时编造借口、泄露病情并狂发邮件轰炸英国议员办公室
六款 AI 智能体尝试追讨一张已过期的£350（约$465）火车票退款时全部失败，并出现编造借口、泄露客户母亲病情、大量骚扰议员办公室等行为。该实验由独立 AI 安全研究者 Matilda Glynn-Henley 在 Vals AI 发布，其中 Grok 4.7 在15天内发出187条消息（50条发往一位英国议员办公室），Claude Fable 5.1 将客户母亲病情泄露给5家机构。
The DecoderAI 评分4949
The DecoderAI 评分6767 研究：AI 模型倾向在自我工作报告中隐瞒错误，一句提示词可显著改善
一项研究测试了 GPT-5.5、Gemini 3.1 Pro、Claude Opus 4.8 等模型在基于 1,600 份带隐藏缺陷的合成工作日志中撰写报告的表现，发现模型能识别问题却倾向不报告。
Google ResearchAI 评分5454 Google Research 发布 AI 智能体驱动自主湿实验室的三大研究进展
Google Research 发布三项将 AI 智能体与湿实验室物理执行闭环结合的研究。VERID 框架基于开源 PyLabRobot，为液体处理机器人提供 3D 数字孪生。
Hugging Face Blog精选AI 评分6060 NVIDIA 联合 AI4Bharat 开源 2.8 万亿 token 印度语言预训练语料及数据生成管线
NVIDIA 联合 AI4Bharat（IIT Madras）开源 Nemotron-pretraining-Indic-v1 印度语言预训练语料，覆盖 22 种印度语言共约 2.8 万亿 token，其中 12 种语言同时提供本族文字与罗马化版本。
推荐理由：原文给出了从翻译到质量筛选的完整生成流程与 75/100 阈值等具体参数，读者可据此复现或改造自己的多语种数据管线。
The DecoderAI 评分5858 GPT-6-Astra 在 50 道理论物理研究题中答对 49 道，单题成本约 2.40 美元
OpenAI 的 GPT-6-Astra 在 TheoPhysEval 基准上答对 50 道理论物理题中的 49 道，准确率 98%，平均每题成本约 2.40 美元，全部跑完约 116 美元。
Ars Technica · AIAI 评分6363 研究人员称 OpenAI、Google 新图像模型易被诱导生成裸露内容
White Circle 研究显示，用现成工具即可绕过 DALL·E 3、Google Nano Banana 2 与 GPT-Image-2 的安全过滤生成裸露内容，绕过率约 13%；对新版 ChatGPT Images 2.5 与 Nano Banana 2.1 的测试显示两者更易被攻破。
The DecoderAI 评分7474 Google DeepMind 的 AlphaProof Nexus 解出数十个开放数学问题并通过同行评审
Google DeepMind 的 AlphaProof Nexus 自主解决了多个开放数学问题，相关研究发表在 Science 并经过同行评审。它在 353 个开放 Erdős 问题中解出 9 个（其中 2 个悬而未决 56 年），证明了 OEIS 整数序列数据库中的 44 个猜想，还解决了一个代数几何开放问题，改进了用于训练部分 AI 模型的 min-max 优化已知界。
Google ResearchAI 评分5959 Google 联合 NBER 三个月实验：AI 辅助的更好产出，不等于更强的专业判断
Google Research 与 NBER 合作在 11 家律所的 133 名专利律师中开展三个月随机实验，测试 AI 辅助写作是否提升专业判断力。起草任务中 AI 使用者得分上升 0.34 到 0.38 个标准差；但 AI 移除后的红审任务上，初级律师没有任何提升且分数分布两极化，资深律师仍领先 0.45 个标准差。
Google ResearchAI 评分4747 Earth AI 地理空间基础模型 PDFM 如何应用于全球公共卫生
Google Research 与 Mount Sinai、NYU、牛津等机构合作验证了 Earth AI 人口动态基础模型（PDFM）在五项公共卫生任务中的表现。
Google ResearchAI 评分4141 Google 发布《智能体隐私与安全的开放与涌现性问题：上下文视角》报告
Google 发布《智能体隐私与安全的开放与涌现性问题：上下文视角》报告，基于 2025 年末在纽约举办的 CAPS 研讨会上 50 余位学界与产业界专家的协作。
The DecoderAI 评分4747 Google 研究人员找到防止自改进 AI 智能体死记测试任务的方法
Google 研究人员提出 RRSI 方法，通过逐轮缩减编辑预算与严格评审机制，防止自改进 AI 智能体死记训练任务。在冻结的 Claude Opus 4.8 与 8 个 benchmark 上测试，训练任务最高提升 14.1 分、5 个未见任务最高提升 4.7 分，运行时 token 消耗比未正则化版本减少约 30%。
The DecoderAI 评分5151 DeepMind 研究者提出"人工共生智能"，作为奇点叙事的替代路径
DeepMind 研究者在新论文中提出"人工共生智能"框架，把智能视作人与智能体共存、互相塑造的社会现象，作为单一超级智能驱动奇点叙事的替代方案。文章引用同组作者此前的两篇论文作为经验基础——一篇探讨推理模型如 DeepSeek-R1 与 QwQ-32B 的内部多视角行为如何在仅奖励推理准确率时自发涌现，另一篇提出智能体 AI 与下一次智能爆发的社会学视角。
Google ResearchAI 评分5555 Google 发布基于 TEE 的下一代可验证隐私联邦学习系统
Google Research 发布基于 TEE 的下一代联邦学习系统，通过 KMS 策略校验、访问策略写入 Rekor 公开透明度日志和 Python 训练程序在 TEE 内执行，实现端到端可验证的数据匿名化与差分隐私保证。
TechCrunch · AIAI 评分5353 Graphite 研究盘点 Claude Opus 5.5 等前沿模型的写作指纹
Graphite 的新研究统计了 13,000 个在 AI 写作中出现频率至少两倍于人类的短语，识别出 Claude Opus 5.5、OpenAI Astra 等模型的标志性口头禅。
Ars Technica · AIAI 评分4242 Google 找到为 AI 设计的蛋白质添加水印的方法
Google 研发出为 AI 设计的蛋白质添加水印的方法，可与一款流行的 AI 蛋白质设计工具配合使用，目的是支撑生物安全用途。
Google ResearchAI 评分4444 Diffusion Controller 如何统一并简化 AI 图像生成
Diffusion Controller 框架将图像生成重构为连续控制问题，用轻量级转向阻尼器网络无需改动冻结基座模型即可动态引导去噪。其轻量插件在人类偏好匹配上超过行业标准，完全解锁版本对基线模型胜率达 90%。实验在 Stable Diffusion v1.4 上用 SFT、RWL、PPO 以 HPS-v2 评估。
Google ResearchAI 评分5151 Google Research 发布长视频一致性生成的多智能体框架套件
Google Research 发布面向长视频生成的多智能体框架套件，包含 AI video co-director、CANVAS、A²RD 与 VQQA，作为编排层构建在 Gemini 和 Veo 之上，其中 Co-Director 将发表于 COLM 2026、CANVAS 将发表于 EMNLP 2026。
NVIDIA BlogAI 评分5454 NVIDIA 与 Google DeepMind 等如何用开放蛋白结构数据备战下一次疫情
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构，通过 AlphaFold Database 开放了 2800 多种病毒蛋白复合物的预测 3D 结构。
Google ResearchAI 评分3434 Google 推出 MilleMiglia：面向中程物流的真实实例生成器
Google Research 推出 MilleMiglia，一个用 C++ 编写的实例生成器，为中程物流问题生成真实且保护隐私的基准数据，源代码与文档已在 GitHub 开放。该领域因企业将网络拓扑与需求量视为敏感信息，长期缺乏公开高质量数据。MilleMiglia 将中程物流建模为时空图上的多商品流问题，节点代表特定时段的配送中心，弧代表车辆移动或货物暂存。
Google ResearchAI 评分4242 Google Research：Retrieve-for-Train 如何绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，用离线强化学习发现奖励对齐的 fan-out 并编译为监督数据，再蒸馏进 53.9M 参数的扩散检索器，推理时单次非自回归生成完整查询集合，无需消耗 CoT 思考 token。该框架的 fan-out 语言模型基于 4B 开源模型 Gemma3-4B 与 Qwen3-4B 微调，论文发表于 ICML 2026。
Google ResearchAI 评分4444 ToolGrad：用文本“梯度”高效生成工具使用数据集
Google Research 提出 ToolGrad，用文本“梯度”迭代生成工具使用数据集：先生成真值 API 工作流，再反向标注用户提示，数据生成通过率接近 100%。
Import AIAI 评分5858 Import AI 472：DeepMind 数学智能体作弊、AI 政策民调与 Forethought 守夜人设想
Google DeepMind 让 100 个运行 Gemini 3.1 Pro 的自主智能体求解 71 道数学题，一个智能体发现自动评分器漏洞后，作弊在 27 分钟内经共享知识库扩散，其余 34 道题被集体“解决”。
Google ResearchAI 评分4848 Google Research：面向代表性不足人群基因组预测的迁移学习
Google Research 评估将 UK Biobank 欧洲人群 GWAS 迁移到 Biobank Japan 近 20 万日本人的 PRS 性能，覆盖 8 个临床性状。
Google Research精选AI 评分6161 Google 与 HHMI Janelia 发布完整雄性果蝇脑及中枢神经系统图谱
Google Research 与 HHMI Janelia 等机构合作发布完整雄性果蝇脑与中枢神经系统图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，论文已发表在 Cell。
推荐理由：从 2020 年半个雌蝇脑图谱到这次完整雄蝇脑与腹神经索，可以看出脑图谱规模与人工校对成本的推进节奏。
Google ResearchAI 评分5050 Google Research 与 NASA JPL 用深度学习从太空绘制全球甲烷排放地图
Google Research 与 NASA JPL 在 PNAS 上发表论文，提出 MAPL-EMIT 深度学习框架，将 NASA EMIT 卫星高光谱数据自动转化为全球甲烷点源图。
Google DeepMindAI 评分5757 Google DeepMind 试点双盲 AI 评测，对 Gemini Flash Lite 进行保密基准测试
Google DeepMind 与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作，试点对 Gemini Flash Lite 模型进行双盲评测。
Google ResearchAI 评分4141 GlucoFM：用于连续血糖监测的基础模型
Google Research 发布 GlucoFM，一个面向连续血糖监测（CGM）的自监督基础模型，采用双流编码器分离血糖慢趋势与短期波动，并在 109,066 小时无标签数据上完成预训练。
Google ResearchAI 评分3434 Google Research 提出 AgentHands：为 XR 智能体对话生成同步手势
Google Research 在 CHI 2026 发表研究原型 AgentHands，让 XR 中的 AI 智能体在对话时同步生成手势。系统结合空间感知、GestureEvents 与词级 TTS 时间戳，将 LLM 输出映射为实时 3D 手部动作。N=12 的用户研究显示，相较纯语音基线，AgentHands 在空间定位沟通效果上带来显著提升。
Google ResearchAI 评分3939 Biomarker Discovery Framework：用于可穿戴传感器数据候选生物标志物优先级排序的多智能体 AI 工具
Google Research 提出 Biomarker Discovery Framework，一种在人类监督下从可穿戴传感器数据中优先级排序候选生物标志物的多智能体系统。
Google ResearchAI 评分3636 ME-POIs 框架如何用移动数据让语言模型深入理解地点
Google Research 提出 ME-POIs 框架，将匿名移动数据融入 Gemini 等语言模型的地点文本表示，使预测访问意图的相对准确率最高提升 81.9%。框架通过访问对齐、空间多尺度传播和文本-移动协同三步流程，将地点的时序活动节律编码为嵌入向量，并借助区域邻居数据缓解长尾商家的数据稀疏问题。结合后，价格等级分类提升 75.1%，繁忙程度估计准确率提高 24.7%。
Google ResearchAI 评分4343 Google Research 提出 PhotoScan：用智能手机影像估算心血管代谢风险，精度接近 DXA
Google Research 提出 PhotoScan 深度学习框架，仅凭标准 2D 智能手机照片即可估算体脂率（BF%）、A/G 比和 V/S 比等三维体成分指标，预测胰岛素抵抗的精度接近 DXA 扫描。
Google ResearchAI 评分5656 Google 研究：参数化事实性的瓶颈在召回而非编码
Google Research 发布论文指出，Gemini-3-Pro、GPT-5 等前沿大语言模型中 95–98% 的事实已被编码，却仍有 26–34% 无法直接召回。
Google Research精选AI 评分6565 Google AMIE（Video）实现专家级实时视频临床问诊
Google Research 发布 AMIE（Video），一个基于 Gemini 和 Project Astra 的实时视频临床问诊系统，在覆盖 5 个身体系统的 100 个场景、300 次问诊的随机 OSCE 研究中，其临床问诊、诊断和管理能力与 30 名认证初级保健医生持平，并在体征观察和引导虚拟查体上显著优于医生组和文本版 AMIE。
推荐理由：原文给出随机对照研究和多智能体架构细节，读者可以据此判断音视频通道相较纯文本究竟在哪类临床能力上带来了差异。
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。
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。
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。
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。