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。
#论文/研究
#论文/研究
今日 0 条Google ResearchAI 评分5454
Microsoft ResearchAI 评分5959 Microsoft Research 发布 Magnetar 通用零知识虚拟机
Microsoft Research 发布通用零知识虚拟机 Magnetar，能为 Rust、Go、C 编写的程序生成执行正确性证明，在 15 个基准测试上平均比同类最快的系统快 10 至 39 倍。
Google ResearchAI 评分5353 Google Research@ 2026：展示覆盖医疗、地理与芯片的 10 项研究进展
Google 在 Mountain View 举办的 Research@ 2026 上集中展示了覆盖医疗、地球科学、边缘芯片等方向的 10 项研究进展。
Microsoft ResearchAI 评分4242 Microsoft Research StudentSim：通过个性化学生模拟改进 AI 辅导
Microsoft Research 提出 StudentSim 研究系统，通过公开去标识化学习者记录训练个性化 AI 学生模拟器，用于在真实学员测试前评估和改进 AI 辅导模型。配套 StudentSimEval 基准覆盖国际象棋、二语英语写作与数学，沿行为保真度和指导响应度两个维度评估，在三个领域均优于现有基线。
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。
Hugging Face Blog精选AI 评分6969 Nemotron 通过微调与生成-验证-精炼推理在 IOI 和 IMO 2026 达到金牌水平
NVIDIA 在 Hugging Face 博客上介绍基于 Nemotron 3 微调的模型在 IOI 2026 和 IMO 2026 双双达到金牌水平。
推荐理由：把同一套 Nemotron 微调加搜索式推理配方在 IOI 与 IMO 两道不同赛道上都推到金牌水平，开源资产齐备便于复用。
OpenAI NewsAI 评分5454 OpenAI 分享 AI 在数学开放问题上的进展并公开 Lean 形式化证明
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 形式化证明与研究细节。
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。
Hugging Face BlogAI 评分3737 AutoSynthData：如何为企业 AI 智能体生成训练数据
ServiceNow CoreAI 构建 AutoSynthData，通过诊断任务识别目标模型的能力短板，由更强的教师模型生成新的可执行训练任务，并随模型改进动态调整课程。生成的任务由系统规范、用户提示词和验证器三部分组成，需通过可行性、真实性和难度检查后才用于后训练。该流水线在 EnterpriseOps Gym 上得到验证，针对企业环境的工具、API 与数据状态提供训练信号。
Microsoft ResearchAI 评分4343 Microsoft Research 预测电网空间天气风险
Microsoft Research 开发了一套机器学习流水线，可为美国本土 66,935 座变电站提前 30-60 分钟给出空间天气风险估计。该系统结合日风观测、AE 与 Dst 指数预测及地质电导率，在 2020-2026 评估期内检测到近 80% 的重大空间天气事件，Dst 预测在 62.2% 的高活动小时上优于 Burton 方程。
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。
Microsoft ResearchAI 评分5959 Microsoft Research 推出面向生物学复杂性的 AI 研究系统 Quine
Microsoft Research 推出 AI 研究系统 Quine，由生物学多模态世界模型和连接模型、科学工具、文献与研究者的交互 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌（PDAC）化合物筛选，其排名最高的化合物在湿实验中产生最大的 classical 到 basal 细胞状态转变，整个过程仅用一个周末。
Hugging Face BlogAI 评分4141 ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
ProvenanceGuard 是为 MCP 智能体设计的生成后验证层，在不重训智能体的前提下保留工具输出的来源身份，识别事实成立但归属错误的「跨来源混淆」。在医疗智能体的 281 条真实轨迹上，专家判定应拦截的 139 条断言被它拦下 138 条，来源匹配准确率约 86%，另有 67 条被专家认为有据的断言被送交审查或修复。
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。
Microsoft ResearchAI 评分5151 微软研究显示机器人推理卸载可提升表现与续航，并在 Physical AI Toolchain 加入该能力
微软研究院发布对物理 AI 机器人推理的系统性测试，指出推理只跑在机载 GPU 会限制机器人表现、续航与扩展性，卸载到边缘或云端 GPU 可提升任务成功率并支持更大的模型。
Microsoft ResearchAI 评分5252 Microsoft Research 发布逆合成模型 RetroChimera 并开源权重
Microsoft Research 在 Nature 发表逆合成预测模型 RetroChimera，并开源其实现与权重（MIT 许可），该模型也可通过 Microsoft Foundry 访问。
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。
OpenAI NewsAI 评分5555 OpenAI 发布模型失配报告框架并公布六份异常行为报告
OpenAI 发布一套用于追踪、调查和披露模型失配的框架，并同时公布六份记录模型意外或令人担忧行为的报告。框架覆盖追踪、调查与披露三个环节，随附报告聚焦异常或令人担忧的模型行为。
OpenAI NewsAI 评分2626 OpenAI Economic Research：员工如何用 AI 解锁新的工作方式
OpenAI Economic Research 显示，员工正在传统岗位之外使用 AI，并让一些新活动逐渐成为日常工作中反复出现的部分。该研究聚焦员工实际使用 AI 的方式，以及哪些新活动会稳定进入其工作流程。
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%。
OpenAI NewsAI 评分5353 OpenAI 公开 Navier–Stokes 千禧年大奖难题的 AI 生成解答与 Lean 形式化证明
OpenAI 公开了一份由 AI 生成的 Navier–Stokes 千禧年大奖难题解答，产出包括一份论文写作与一份 Lean 形式化证明。
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。
Hugging Face BlogAI 评分4040 BenchMIRT：LLM 评测基准到底在测量什么？
Hugging Face 提出 BenchMIRT 方法，基于多维 IRT（MIRT）在提示词层面拆解 LLM 评测基准背后的能力信号。该方法在 100 个 LLM、16 个基准和 34K+ 题目上训练，独立恢复出"安全"与"通用推理"两个主导维度。分析显示 BBQ、WMDP 等安全类基准与通用推理关联更强，单一分数可能混合多种信号。
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 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。
Hugging Face BlogAI 评分4242 Hugging Face 提出 Quantization-Aware Healing：4-bit 压缩模型在 9 项评测中 7 项超越全精度原版
Hugging Face 论文提出 Quantization-Aware Healing（QAH）：将 GPT-OSS 120B 结构压缩至 60B 参数并量化到 MXFP4 后。
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%。
Hugging Face Blog精选AI 评分6161 智能体究竟需要多少记忆？IBM Research ALTK-Evolve 在 8 个模型上寻找答案
IBM Research 的 ALTK-Evolve 通过让智能体从自身轨迹中提炼并注入可复用的行为准则，在 AppWorld 上对 8 个模型测试后得出结论：记忆剂量需按模型能力校准。
推荐理由：对 8 个模型在 AppWorld 上的实测显示，智能体记忆的剂量与检索方式需按模型能力单独校准，否则收益可能被成本抵消。
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。
Microsoft ResearchAI 评分4949 MindTopo 揭示 VLM 空间推理能力：静态识别强于交互规划
Microsoft Research 提出 MindTopo 基准，用于评测多模态大模型（VLM）的拓扑推理能力，覆盖连通、分离、顺序、包围与绳结五类任务。测试发现，模型在静态识别上明显强于交互规划，两者均远低于人类水平，失败多出现在规划而非感知阶段。图像生成只在单帧可见关系时有用，视频推演跨多步仍常改变拓扑或违反任务动力学。
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。
Microsoft ResearchAI 评分5353 微软研究院推出 CARE-X 放射学 VLM，融合辅助监督与工具增强测量
微软研究院推出研究模型 CARE-X，一个覆盖胸部 X 光多种解读任务的放射学 VLM，可同时生成自由文本报告并输出带置信度的结构化预测。它基于 SigLIP2-so400M 视觉编码器和 Phi-4-mini-instruct（3.8B），通过分类、定位与语言建模的联合训练及 DAPO 强化学习优化临床正确性，在 ReXVQA 上达到 94% 整体准确率。
Hugging Face BlogAI 评分4040 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。
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。
Google DeepMind精选AI 评分8585 Google DeepMind 的 WeatherNext 模型在气旋预报上取得突破并开源
Google DeepMind 在 Nature 发表论文，称 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到 SOTA 精度，平均多出一天预警时间，相当于气象领域约十年的进展。
推荐理由：论文给出气旋路径与强度预测的精度提升幅度，并同步开放代码与模型权重，便于研究社区复用。