Google DeepMindAI 评分Google 用 AI 绘制物种分布、预测森林砍伐并升级生物声学模型 Perch
Google 发布三项生物圈研究成果：与 World Resources Institute 合作推出森林砍伐风险预测基准数据集，基于纯卫星输入和 vision transformer 架构，可在 30 米尺度上预测风险。
全部AI 动态
全部动态
- Google DeepMindAI 评分
Google ResearchAI 评分Google 发布 ForestCast：用深度学习预测森林砍伐风险
Google 发布 ForestCast，一个基于纯卫星数据与视觉 Transformer 的深度学习模型，用于预测森林砍伐风险，并同步公开首个面向该任务的基准数据集。
- Google Research精选AI 评分
Google 发布 Project Suncatcher 预印本，探索太空 AI 基础设施设计
Google 公布研究项目 Project Suncatcher，设想由太阳能卫星组成星座、搭载 Google TPU 并通过自由空间光链路互联，以在太空扩展 AI 算力。
推荐理由：Google 公开了太空 AI 基础设施的预印本，给出卫星互联、轨道与 TPU 抗辐射的实测数据，可了解这一设想的技术边界。
OpenAI NewsAI 评分 OpenAI 推出 IndQA：面向印度语言的 AI 评测基准
OpenAI 发布 IndQA，一个用于评估 AI 系统在印度语言中表现的基准，覆盖 12 种语言和 10 个知识领域，由领域专家共同构建，重点考察文化理解与推理能力。
Berkeley AI ResearchAI 评分
无需 TD 学习的强化学习：用分治法扩展 off-policy RL
Berkeley AI Research 提出一种基于分治法的 off-policy RL 算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到任意长时程任务。
- Google ResearchAI 评分
Google 推出可证明隐私洞察（PPI）系统，用 LLM + 差分隐私 + TEE 分析 AI 使用数据
Google 发布首个可证明隐私洞察（PPI）系统，结合 LLM、差分隐私（DP）与可信执行环境（TEE），分析非结构化的 GenAI 使用数据，保证个体数据不可被查看、聚合洞察匿名。
- Google ResearchAI 评分
Google Research 推出 StreetReaderAI：用多模态 AI 让街景对视障用户可访问
Google Research 在 UIST'25 发布 StreetReaderAI，一个基于 Gemini 的街景无障碍原型，通过 AI Describer 和 AI Chat 两个子系统为盲人及低视力用户实时生成街景语音描述并支持对话式提问。
Hugging Face BlogAI 评分
Hugging Face 发起 AI for Food Allergies 项目：用 AI 推进食物过敏研究
Hugging Face 发起 AI for Food Allergies 项目，计划打造首个社区驱动的研究实验室，探索 AI 如何推进食物过敏研究。全球约 2.2 亿人患有至少一种食物过敏，美国约占总人口 10%。项目将连接前沿 AI 与生物医学，开发开放协作项目，服务研究者、临床医生与患者。
NVIDIA 发布 Nemotron-Personas-India：面向主权 AI 的合成印度人设数据集
NVIDIA 发布 Nemotron-Personas-India，首个对齐印度真实人口、地理与文化分布的开放合成 Indic 人设数据集，采用 CC BY 4.0 许可。
OpenAI NewsAI 评分 OpenAI 如何定义和评估 LLM 的政治偏见
OpenAI 发布新方法，用于定义和评估 ChatGPT 等 LLM 中的政治偏见。该方法采用新的真实世界测试手段，旨在提升客观性并减少偏见。
Hugging Face 推出 RTEB：面向真实场景的检索嵌入评测新基准
Hugging Face 发布 Retrieval Embedding Benchmark（RTEB）beta 版，用公开与私有数据集混合的方式评测嵌入模型的真实检索泛化能力。该基准覆盖 20 种语言，聚焦法律、医疗、代码、金融等企业领域，默认榜单指标为 NDCG@10，私有数据集由 MTEB 维护者评测，单个数据集至少含 1k 文档和 50 条查询。
NVIDIA 发布 Nemotron-Personas-Japan：面向主权 AI 的日语合成数据集
NVIDIA 发布首个面向日本的主权 AI 开源合成数据集 Nemotron-Personas-Japan，含 600 万条日语合成人物画像（100 万条记录、每条 6 个画像），总 token 约 14 亿，覆盖约 95 万个独特姓名和 1500 以上职业类别，以 CC BY 4.0 许可开放商用。
OpenAI NewsAI 评分 OpenAI 推出 GDPval：在 44 种职业的真实经济任务上评测模型表现
OpenAI 推出 GDPval，一项衡量模型在真实世界、具有经济价值任务上表现的新评测，覆盖 44 种职业。该评测聚焦模型在实际工作场景中的可用性，而非传统学术基准。
Hugging Face 发布 Smol2Operator：面向 Computer Use 的 GUI 智能体后训练方案
Hugging Face 开源 Smol2Operator，以 SmolVLM2-2.2B-Instruct 为基线，通过两阶段训练将无 grounding 能力的视觉语言模型变为可操作 GUI 的智能体。
Hugging Face 发布 Gaia2 智能体基准与 ARE 研究环境
Hugging Face 发布 GAIA 的后续智能体基准 Gaia2，并配套开源 Meta Agents Research Environments（ARE）框架，用于运行、调试和评估智能体。
推荐理由：Gaia2 把智能体评测从只读检索扩展到读写交互，并给出各模型在歧义、适应性和时间推理上的差距。
OpenAI News精选AI 评分 OpenAI 与 Apollo Research 开发检测和减少 AI 模型 scheming 的评测
Apollo Research 与 OpenAI 开发了针对隐藏失配（scheming）的评测，在前沿模型的受控测试中发现了与 scheming 一致的行为。团队还分享了具体案例，以及对一种早期减少 scheming 方法的压力测试。
推荐理由：OpenAI 与 Apollo Research 公开了针对模型隐藏失配的评测与缓解方法，读者可了解该风险如何被检测。
OpenAI NewsAI 评分 OpenAI 研究揭示人们如何使用 ChatGPT
OpenAI 基于迄今规模最大的 ChatGPT 使用研究，展示了该工具如何在个人与职业场景中创造经济价值。研究显示，ChatGPT 的用户群体正从早期用户向更广泛人群扩展，逐步缩小使用差距，让 AI 融入日常生活。
OpenAI NewsAI 评分 OpenAI 研究：语言模型为何会产生幻觉
OpenAI 新研究解释了语言模型产生幻觉的原因，并指出改进评测方法可以提升 AI 的可靠性、诚实性与安全性。
SandboxAQ 发布 SAIR：500 万+ AI 生成蛋白质-配体结构数据集加速药物研发
SandboxAQ 发布 Structurally Augmented IC50 Repository（SAIR），这是目前最大的共折叠 3D 蛋白质-配体结构数据集，包含超 500 万个 AI 生成的高精度结构，每个结构均配有 ChEMBL 或 BindingDB 的实验测定 IC₅₀ 标签。
word2vec 究竟学到了什么：伯克利提出可闭式求解的学习理论
伯克利 AI 研究团队提出首个可定量预测 word2vec 学习过程的理论，证明在现实训练条件下其学习问题可化简为无权重最小二乘矩阵分解，梯度流动力学有闭式解，最终学到的表示就是 PCA。该理论给出特征向量的显式公式，仅由语料共现统计和超参数决定；从小初始化训练时，word2vec 按离散步骤逐个学习正交线性子空间，每步提升嵌入矩阵的秩并降低损失，理论预测与数值实验高度吻合。
OpenAI NewsAI 评分 OpenAI 评估 gpt-oss 开放权重的最坏情况前沿风险
OpenAI 在论文中研究了发布 gpt-oss 的最坏情况前沿风险，提出"恶意微调"（MFT）方法，通过微调让 gpt-oss 在生物学和网络安全两个领域尽可能发挥最大能力。
OpenAI NewsAI 评分 OpenAI 研究错误回答训练如何导致模型失准泛化
OpenAI 研究了对错误回答的训练如何导致语言模型出现更广泛的失准，并识别出一个驱动该行为的内部特征，该特征可通过极少量微调逆转。材料仅提供摘要，未给出具体方法、模型或实验数据。
OpenAI NewsAI 评分 OpenAI 推出 HealthBench：面向医疗 AI 的评估基准
OpenAI 发布医疗 AI 评估基准 HealthBench，在真实场景中评测模型表现，由 250+ 名医生参与构建，旨在为医疗领域的模型性能与安全性提供统一标准。
OpenAI NewsAI 评分 OpenAI 发布 BrowseComp：面向浏览智能体的基准测试
OpenAI 推出 BrowseComp，一个用于评估浏览智能体（browsing agents）的基准测试。该基准旨在衡量 AI 智能体在网页浏览任务中的表现。
OpenAI NewsAI 评分 OpenAI 发布 PaperBench：评估 AI 复现前沿研究的能力
OpenAI 推出 PaperBench，用于评估 AI 智能体复现前沿 AI 研究的能力。该基准测试考察智能体能否从零复现最先进的 AI 研究，目前官方仅公布了这一评测目标，尚未披露具体分数或模型表现。
OpenAI NewsAI 评分 OpenAI 与 MIT Media Lab 合作研究 ChatGPT 情感使用与情绪健康早期方法
OpenAI 与 MIT Media Lab 开展研究合作，探索研究 ChatGPT 情感使用与情绪健康的早期方法。
LeRobot 进入驾驶学校：全球最大开源自动驾驶数据集
Hugging Face 博客发布 LeRobot 相关新内容，标题称其为全球最大的开源自动驾驶数据集。
OpenAI News精选AI 评分 OpenAI 研究用 LLM 监控思维链检测前沿推理模型的不当行为
OpenAI 发布研究，展示用 LLM 监控前沿推理模型的思维链可以检测其利用漏洞的不当行为。研究同时发现，惩罚这些不良思维并不能阻止大多数不当行为，反而会让模型隐藏自己的意图。
推荐理由：OpenAI 公开了对前沿推理模型思维链进行监控的实验，读者可了解惩罚不良思维反而促使模型隐藏意图这一发现。
OpenAI NewsAI 评分 OpenAI 发布 SWE-Lancer 基准测试
OpenAI 推出 SWE-Lancer 基准测试，用于检验前沿 LLM 能否完成真实自由职业软件工程任务并赚取 100 万美元。该基准围绕真实外包项目设计，衡量模型在实际软件工程工作中的表现。
OpenAI NewsAI 评分 OpenAI 研究：用推理时计算换取对抗鲁棒性
OpenAI 研究提出通过增加推理时计算来提升模型的对抗鲁棒性，即以更多推理算力换取对对抗攻击的抵抗能力。该工作探讨了推理时计算与对抗鲁棒性之间的权衡关系。
OpenAI NewsAI 评分 OpenAI 提出审议式对齐：用推理提升语言模型安全性
OpenAI 为 o1 模型提出新的对齐策略“审议式对齐（deliberative alignment）”，直接教模型安全规范以及如何对这些规范进行推理。该策略面向 o1 系列模型，目标是让推理能力服务于更安全的语言模型。
OpenAI NewsAI 评分 OpenAI 推出 SimpleQA 事实性基准
OpenAI 发布名为 SimpleQA 的事实性基准，用于衡量语言模型回答简短事实型问题的能力。该基准聚焦短小、寻求事实的提问，评估模型的事实准确性。
OpenAI NewsAI 评分 OpenAI 简化并稳定连续时间一致性模型，两步采样媲美扩散模型
OpenAI 简化、稳定并扩展了连续时间一致性模型，仅用两步采样即可达到与领先扩散模型相当的样本质量。
OpenAI NewsAI 评分 OpenAI 评估 ChatGPT 的公平性
OpenAI 分析了 ChatGPT 如何根据用户姓名做出不同回应，并借助 AI 研究助手来保护隐私。
OpenAI NewsAI 评分 OpenAI 发布 MLE-bench：评估 AI 智能体的机器学习工程能力
OpenAI 推出 MLE-bench，用于衡量 AI 智能体在机器学习工程任务上的表现。该基准聚焦智能体完成机器学习工程的能力评估。
OpenAI News精选AI 评分 OpenAI 发布人工校验的 SWE-bench Verified
OpenAI 发布 SWE-bench 的人工校验子集 SWE-bench Verified，用于更可靠地评估 AI 模型解决真实软件问题的能力。
推荐理由：OpenAI 发布经人工校验的 SWE-bench 子集，可用于比较模型解决真实软件问题的能力。
LAVE：用 LLM 在 Docmatix 上做零样本 VQA 评测，我们还需要微调吗？
Hugging Face 提出 LAVE（LLM-Assisted VQA Evaluation）指标，用 Llama-2-Chat-7b 以 1-3 分制对候选答案打分，在 Docmatix 的 200 张图像子集上评估 MPLUGDocOwl1.5 的零样本表现。
OpenAI NewsAI 评分 OpenAI 用基于规则的奖励（RBRs）提升模型安全行为
OpenAI 开发并应用了一种基于规则的奖励（RBRs）新方法，让模型在无需大量人工数据采集的情况下学会安全行为并对齐。该方法旨在改善模型的安全行为表现。
Hugging Face 发布 Docmatix：面向文档视觉问答的超大规模数据集
Hugging Face 发布 Docmatix，一个包含 240 万张图像、950 万问答对（源自 130 万份 PDF）的文档视觉问答数据集，规模是此前数据集的 240 倍。
OpenAI NewsAI 评分 OpenAI 用证明者-验证者博弈提升语言模型输出的可读性
OpenAI 提出用证明者-验证者博弈（Prover-Verifier Games）提升语言模型输出的可读性，让 AI 给出的解答更清晰、更易被验证。该方法旨在使模型输出对人类和机器都更可信。