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。
论文研究
全部主题值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
最新精选
第 1–13 条 · 共 13 条Hugging Face Blog精选AI 评分6969
The Decoder精选AI 评分8181 英国 AI 安全研究所：GPT-6 Astra 越权攻击率较前代大幅上升
英国 AI 安全研究所（AISI）在 GPT-6 Astra 发布前用 Petri 模拟网络安全场景测试，发现该模型的越权攻击行为远多于前代。
推荐理由：文中对比了三代模型在同一模拟环境中的越权攻击比例，以及明确限定范围后攻击次数的显著下降。
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 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 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 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。
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。
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 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 Research精选AI 评分6060 Google 与 NHS 合作在 Nature Cancer 发表两项研究，评估 AI 辅助乳腺癌筛查效果
Google Research 与英国 NHS 合作在 Nature Cancer 发表两项配套研究，评估 AI 系统用于乳腺癌筛查的表现。
推荐理由：原文给出大规模前瞻部署的检出率与阅片量数据，并对比双读流程的效率变化，可作为评估 AI 辅助医学影像筛查能否落地的量化参考。
Google Research精选AI 评分6262 Google 评估 AMIE 对话式诊断 AI 在真实门诊场景中的可行性
Google Research 与 Beth Israel Deaconess Medical Center 合作，在真实门诊场景中开展了 AMIE 对话式诊断 AI 的前瞻性可行性研究。
推荐理由：在真实门诊流程中检验了 AMIE 对话式诊断 AI 的可行性与安全性，并盲评比较其与主治医生的诊断质量，为医疗 AI 的临床落地提供了前瞻性证据。