Google 研究：用贝叶斯教学让 LLM 学会概率推理
Google Research 提出"贝叶斯教学"方法，通过监督微调让 LLM 模仿贝叶斯模型的预测，从而学会按贝叶斯方式推理。在五轮模拟航班推荐任务中，未经训练的 LLM 表现显著逊于最优贝叶斯助手，且往往在单次交互后性能就停滞；而贝叶斯教学不仅提升该任务表现，还能泛化到其他任务。
#论文/研究
#论文/研究
今日 0 条Google ResearchAI 评分4040
OpenAI NewsAI 评分2222 GPT-5.2 Pro 助力将单负振幅扩展至引力子
一篇新预印本将单负振幅扩展至引力子，GPT-5.2 Pro 参与推导并验证了量子引力中非零的引力子树振幅。
OpenAI NewsAI 评分4242 OpenAI 公布 AI 模型在 First Proof 数学挑战中的证明尝试
OpenAI 公开了其 AI 模型针对 First Proof 数学挑战的证明尝试，用于测试模型在专家级问题上的研究级推理能力。该挑战聚焦研究级数学推理，OpenAI 未披露具体模型名称与成绩。
Hugging Face BlogAI 评分4747 IBM 与 UC Berkeley 用 ITBench 和 MAST 诊断企业级智能体失败原因
IBM Research 与 UC Berkeley 用 MAST 失败分类法分析了 310 条 ITBench SRE 执行轨迹，覆盖 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 三类模型。
Google ResearchAI 评分4141 Google 用 MapTrace 合成数据教多模态大模型在地图上寻路
Google Research 提出 MapTrace，一套用 Gemini 2.5 Pro 与 Imagen-4 自动生成地图寻路数据的合成流水线，并开源 200 万条问答对。
OpenAI News精选AI 评分6262 GPT-5.2 在理论物理中推导出新结果
OpenAI 发布预印本，显示 GPT-5.2 为胶子振幅提出一个新公式，随后由 OpenAI 与学术合作者完成形式化证明与验证。
推荐理由：OpenAI 与学术合作者披露 GPT-5.2 提出胶子振幅新公式并被形式化证明，可观察模型在理论物理推导中的角色。
Google ResearchAI 评分3636 Google Research 推出 DialogLab：开源多智能体群聊对话创作与测试框架
Google Research 发布开源原型框架 DialogLab，用于创作、模拟和测试动态的人机多方群聊对话，相关论文在 ACM UIST 2025 展示。该框架将对话的社交设定与时间流程解耦，支持拖拽式编排、human control 实时干预和验证仪表盘分析，14 名用户评测显示 human control 模式在参与感、有效性和真实感上评分最高。
Google ResearchAI 评分3434 Google 用鸟类数据训练的 Perch 2.0 如何揭示水下鲸类之谜
Google DeepMind 于 2025 年 8 月发布的 Perch 2.0 生物声学基础模型，虽仅用鸟类等陆生动物音频训练，却在鲸类发声分类等海洋任务中表现优异，多数数据集和样本量下位列第一或第二。
Google DeepMind精选AI 评分7474 DeepMind 发布两篇论文，Gemini Deep Think 用于数学与科学研究
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体（内部代号 Aletheia）在数学、物理和计算机科学专业研究问题上的表现。
推荐理由：DeepMind 公开了 Gemini Deep Think 在数学与理论计算机科学研究中的两篇论文，读者可了解其智能体工作流与已产出的具体成果。
OpenAI News精选AI 评分6262 GPT-5 与 Ginkgo Bioworks 自动化结合将无细胞蛋白合成成本降低 40%
OpenAI 与 Ginkgo Bioworks 的云端自动化结合 GPT-5 构建自主实验室，通过闭环实验将无细胞蛋白合成成本降低 40%。
推荐理由：材料给出自主实验室将 GPT-5 与云端自动化结合、通过闭环实验降低无细胞蛋白合成成本的量化结果。
Google ResearchAI 评分2626 Google Research 提出 Sequential Attention：让 AI 模型更精简更快且不牺牲准确率
Google Research 提出 Sequential Attention，用贪心选择机制在单次训练中顺序、自适应地挑选最佳组件加入模型，避免传统贪心算法带来的数量级训练开销。该方法把子集选择直接嵌入模型训练，可处理大规模 ML 模型，并在多个神经网络基准上取得 SOTA，同时支持特征选择、嵌入维度调整与权重剪枝。
Google Research精选AI 评分6262 Google Research 论文：智能体系统扩展的量化规律
Google Research 发布论文《Towards a Science of Scaling Agent Systems》，对 180 组智能体配置做大规模对照评测，覆盖 GPT、Gemini、Claude 三个模型家族和 Finance-Agent、BrowseComp-Plus、PlanCraft、Workbench 四个基准。
推荐理由：通过 180 组智能体配置的对照评测，给出多智能体架构在并行与串行任务上的量化差异，可作为架构选型参考。
Google ResearchAI 评分4444 Google Research 提出 ATLAS：面向多语言模型预训练、微调与解码的实用缩放定律
Google Research 提出 ATLAS 多语言缩放定律，基于 774 次训练运行、10M–8B 参数模型、400+ 语言数据，可指导模型规模、数据量与语言配比的选择。
Hugging Face BlogAI 评分2222 Alyah ⭐️：面向阿拉伯语 LLM 阿联酋方言能力的稳健评测基准
Hugging Face 博客介绍阿联酋方言评测基准 Alyah，含 1,173 条由阿联酋母语者手工采集的样本，每题四选一。团队评测了 54 个语言模型（23 个基座、31 个指令微调），覆盖 Jais、Allam、Qwen、LLaMA、Fanar、AceGPT 等，基座模型中 google/gemma-3-27b-pt 以 74.68 准确率居首。
Google ResearchAI 评分2929 Google Research 推出 GIST：智能采样的下一阶段
Google Research 在 NeurIPS 2025 提出 GIST（Greedy Independent Set Thresholding）算法，用于训练数据子集选择，在多样性与效用之间取得平衡。GIST 在图像分类等基准任务上超越 SOTA，并首次为该权衡提供可证明的近似保证：所选子集价值至少为最优解的一半。
Google ResearchAI 评分3434 Google 小模型分解法实现端侧用户意图提取，效果媲美 Gemini 1.5 Pro
Google Research 在 EMNLP 2025 发表的论文提出一种分解式工作流，先由小多模态 LLM 逐屏总结用户交互，再从摘要序列中提取意图，在移动端和网页轨迹上均优于 CoT 提示和端到端微调。该方法用 Gemini 1.5 Flash 8B 即达到 Gemini 1.5 Pro 的相当效果，成本与速度仅为后者一小部分，适用于端侧部署。
Hugging Face BlogAI 评分3434 AssetOpsBench：弥合 AI 智能体基准与工业现实之间的差距
Hugging Face 发布 AssetOpsBench，一个面向工业资产全生命周期管理的智能体评测基准，包含 2.3M 传感器遥测点、140+ 场景、4.2K 工单和 53 种结构化故障模式。
Hugging Face Blog精选AI 评分6262 微软发布 Differential Transformer V2，去掉自定义注意力核并降低训练不稳定
微软 unilm 团队发布 Differential Transformer V2（DIFF V2），通过增加 query 头但保持 KV 头数量不变，使解码速度与标准 Transformer 持平，且不再需要自定义注意力核。
推荐理由：微软团队给出 DIFF V2 的注意力实现与消融对比，读者可据此判断差分注意力在解码速度与训练稳定性上的取舍。
Google ResearchAI 评分4040 Google 研究：用 Pixel Watch 智能手表估算步态指标，精度媲美手机
Google 研究团队提出基于时序卷积网络（TCN）的多头深度学习模型，仅凭单只 Pixel Watch 的 IMU 信号和用户身高，即可直接估算步速、步长、摆动时间、支撑时间等多项步态指标。在 246 名参与者、约 7 万个步行片段的大规模验证中，手表估算在多数指标上达到 Pearson r >0.80、ICC >0.80，与 Pixel 6 手机估算无显著差异（p >0.05）。
Google ResearchAI 评分4646 Google Research 研究：Android Auto 急刹车事件可作为路段碰撞风险的先行指标
Google Research 验证 Android Auto 采集的急刹车事件（HBE）与路段实际碰撞率存在显著正相关，可作为道路安全的先行指标。研究结合弗吉尼亚州和加州 10 年公开碰撞数据与匿名聚合 HBE 数据，发现观测到 HBE 的路段数量是报告碰撞路段的 18 倍。
Google Research精选AI 评分6161 NeuralGCM 借助 AI 改进全球长期降水模拟
Google Research 在 Science Advances 发表论文，介绍混合模型 NeuralGCM 直接以 NASA 2001 至 2018 年卫星降水观测训练其机器学习部分，而非依赖再分析数据。
推荐理由：NeuralGCM 改用卫星降水观测训练后，在 15 天预报和数十年气候模拟上均优于传统模型，可看混合建模路线的新进展。
Berkeley AI ResearchAI 评分3232 伯克利 AI 研究：用信息量直接评估与优化成像系统
伯克利 AI 研究团队提出一套基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力，无需重建算法或任务专用解码器。该信息指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域均能预测下游解码性能，优化后的设计可媲美 SOTA 端到端方法，且内存和算力需求更低。相关成果发表于 NeurIPS 2025 论文。
OpenAI NewsAI 评分3636 OpenAI 发布思维链可监控性评估框架与评测套件
OpenAI 推出面向思维链可监控性的新框架与评测套件，覆盖 24 种环境下的 13 项评估。结果显示，监控模型内部推理远比仅监控输出更有效，为 AI 系统能力提升后的可扩展控制提供了可行路径。
OpenAI NewsAI 评分4040 OpenAI 发布评估框架，衡量 AI 加速生物研究的能力
OpenAI 推出一个真实世界评估框架，用于衡量 AI 加速湿实验室生物研究的能力。该工作使用 GPT-5 优化分子克隆实验方案，同时探讨 AI 辅助实验的潜力与风险。
Google ResearchAI 评分2626 Google 提出 Urania：用差分隐私框架分析 AI 聊天机器人使用情况
Google 在 COLM 2025 论文中提出 Urania 框架，通过差分隐私聚类与关键词提取，从 LLM 聊天机器人对话中生成使用洞察，且不泄露单条对话信息。该框架的隐私保证是数学性的而非启发式的，LLM 只基于匿名关键词生成摘要，不接触原始对话。与 Simple-CLIO 基线对比，LLM 评估器在最高 70% 的情况下更偏好其隐私摘要。
Google Research精选AI 评分6565 Google Research 发布 Titans 与 MIRAS：让 AI 拥有长期记忆
Google Research 发布两篇论文，提出 Titans 架构与 MIRAS 理论框架，将 RNN 的速度与 Transformer 的精度结合，实现测试时记忆。
推荐理由：Google Research 提出 Titans 架构与 MIRAS 框架，用深度神经网络做长期记忆模块，在超长上下文任务上超过 GPT-4。
Google DeepMindAI 评分3838 科学家用 AlphaFold 改造光合作用关键酶，培育耐热作物
密歇根州立大学团队借助 AlphaFold 预测植物与嗜热藻类中光合作用关键酶 GLYK 的 3D 结构，发现植物版 GLYK 的三个柔性环在高温下会变形失稳。研究人员据此用藻类 GLYK 的刚性环替换植物中的不稳定环，构建出杂合酶，其中一个在高达 65 °C 下仍保持稳定，为培育耐热作物铺路。
Hugging Face BlogAI 评分4040 DeepMath：基于 smolagents 的轻量级数学推理 Agent
Intel AI Software Group 推出 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调的数学推理 Agent，通过 smolagents 生成 Python 片段并在沙箱执行，将输出长度最多缩短 66%，同时提升准确率。
Google ResearchAI 评分3636 Google 发布 MSEB：面向听觉智能的大规模声音嵌入基准
Google Research 在 NeurIPS 2025 发布 Massive Sound Embedding Benchmark（MSEB），用于标准化评测声音嵌入模型的八项听觉能力，涵盖检索、推理、分类、转录、分割、聚类、重排与重建。
OpenAI NewsAI 评分4242 OpenAI 研究如何用"confessions"让语言模型保持诚实
OpenAI 研究人员正在测试一种名为"confessions"的方法，训练模型主动承认自己犯错或做出不当行为，以提升 AI 的诚实性、透明度以及模型输出的可信度。
Google DeepMind精选AI 评分6262 AlphaFold 助力解析心血管疾病关键蛋白 apoB100 结构
密苏里大学的研究者借助 AlphaFold 与冷冻电镜，解析了“坏胆固醇”关键蛋白 apoB100 的结构，该蛋白此前 50 年未能被成功建模。研究先用冷冻电镜拍摄 LDL 颗粒图像，再由物理学家 Cassidy 用 AlphaFold 生成原子级结构预测，并与实验图像比对修正。
推荐理由：AlphaFold 与冷冻电镜结合解析 apoB100 结构，读者可了解 AI 在结构生物学中的具体协作方式。
Google ResearchAI 评分2222 Google 如何用简单 AI 模型预测电动车充电桩可用性
Google 本周发布一款轻量级电动车充电桩可用性预测模型，可回答"某站点若干分钟后有多少充电口可用"。该模型采用简单线性回归，以一天中各小时为特征学习占用率变化权重，在 30 至 60 分钟预测区间内优于"保持当前状态"基线，主要价值在于识别高占用率周转的关键时刻。
Google Research精选AI 评分7676 Google 发布端到端实时语音翻译模型，延迟降至 2 秒
Google Research 发布端到端语音到语音翻译（S2ST）模型，直接生成译文音频并保留原说话人音色，延迟从级联方案的 4–5 秒降至 2 秒。该模型基于 AudioLM 框架和 Transformer 模块，采用流式编码器与解码器，并用时间同步数据管线训练，音频以 RVQ token 表示，100 ms 片段约需 16 个 token。
推荐理由：Google 端到端语音翻译把延迟从 4–5 秒压到 2 秒，并已落地 Meet 与 Pixel 10，可据此判断实时同传的可用边界。
Hugging Face BlogAI 评分5858 ServiceNow 发布 Apriel-H1：将 15B 推理模型蒸馏为 Mamba 混合架构
ServiceNow 将 15B 推理模型改造为 Mamba 混合架构，旗舰 Apriel-H1-15b-Thinker-SFT 在 76.8B token 训练后实现 2.1 倍吞吐，MATH500 从 0.90 升至 0.92、MTBench 从 8.30 升至 8.58，GSM8k、GPQA、AIME24 略有下降。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.1-Codex-Max 系统卡
OpenAI 发布 GPT-5.1-Codex-Max 系统卡，说明为该模型实施的安全措施。系统卡涵盖模型层缓解措施，包括针对有害任务和提示词注入的专门安全训练，以及产品层措施，如智能体沙箱和可配置网络访问。
推荐理由：系统卡披露了 GPT-5.1-Codex-Max 在模型层与产品层采取的安全措施，可了解其防护思路。
Google ResearchAI 评分4646 Google DeepMind 发布 Natural Forests of the World 2020：首张全球一致 10 米分辨率天然林地图
Google DeepMind 联合 Google Research 发布 Natural Forests of the World 2020，这是首张全球一致、10 米分辨率、可区分天然林与其他树木覆盖的地图，独立数据集验证准确率达 92.2%。
OpenAI NewsAI 评分4040 OpenAI 用稀疏电路理解神经网络
OpenAI 正在探索机制可解释性，以理解神经网络如何进行推理。其提出的稀疏模型方法有望让 AI 系统更透明，并支持更安全、更可靠的行为。
Google Research精选AI 评分6262 Google Quantum AI 提出量子优化工具包 DQI
Google Quantum AI 与斯坦福、MIT、Caltech 合作在 Nature 论文中提出量子算法 Decoded Quantum Interferometry（DQI），利用量子干涉把优化问题转化为解码问题，从而借助已有的解码算法求解。
推荐理由：Google Quantum AI 提出把优化问题转成解码问题的量子算法，并给出 OPI 问题上的量子与经典算力差距估算。
Google DeepMindAI 评分4242 Google DeepMind 研究：让 AI 视觉模型更像人类一样看世界
Google DeepMind 在 Nature 发表新论文，提出三步对齐方法，用 THINGS 数据集训练适配器生成百万张图像的 AligNet 数据集，再微调其他视觉模型，使其内部表征从杂乱无章变为按动物、食物等类别清晰组织。该方法改善了模型在"odd-one-out"任务上与人类判断的一致性，并提升了鲁棒性与泛化能力。
Google ResearchAI 评分5252 Google Research 提出 Nested Learning：面向持续学习的新机器学习范式
Google Research 在 NeurIPS 2025 论文《Nested Learning: The Illusion of Deep Learning Architectures》中提出 Nested Learning，把模型架构与优化算法视为同一套相互嵌套、并行优化的多层级学习问题，每层有自己的上下文流和更新频率。