Google Research精选AI 评分Google Research 与 NBER 合作发表的三个月田野实验显示，在 133 名律师、11 家知识产权律所中随机开放 Google Labs AI 专利撰写工具（现属 Gemini Notebook）后，10 天和 90 天的起草评分分别提升 0.34 和 0.38 个标准差。
推荐理由：研究用三个月随机对照实验区分了AI辅助产出与无辅助判断，可帮助读者理解AI对不同资历从业者技能积累的差异影响。
OpenAI 发布其内部前沿模型在数学开放问题上的新结果，并在 GitHub 上共享 Lean 证明形式化文件与研究细节。
Google Research精选AI 评分Google Research 介绍以 Earth AI 的 Population Dynamics Foundation Model（PDFM）作为公共卫生领域的行星地理基础模型概念验证，将隐私保护的搜索趋势、人类流动、建成环境密度与环境因素压缩为月度刷新的位置嵌入，无需任务特定微调即可直接接入流行病学现有工作流。
推荐理由：原文用五个独立合作评估展示了同一组位置嵌入在不同疾病与资源环境下的可迁移性，读者可据此判断地理基础模型在公共卫生工作流中的实际适用边界。
Google ResearchAI 评分Google Research 发布新工作报告《Open and Emergent Problems in Agentic Privacy and Security。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，按终端后端状态和副作用而非生成文本打分，覆盖 507 个有状态业务流程、每个任务重复运行 20 次。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用 507 个有状态工作流和 20 次重复运行，把工具调用成功率与数据库终态正确率区分开来。
Google Research精选AI 评分Google 宣布推出基于可信执行环境（TEE）的新一代联邦学习系统，为数据匿名化提供可远程验证和审计的保证，Gboard 已采用该系统上线英语和日语下一词预测模型。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，并给出 Gboard 已上线的落地情况，可了解隐私可验证训练的一种工程路径。
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败与更强教师的成功来定位能力缺口，并生成、验证新的可执行训练任务，课程随模型进步向仍难的任务迁移。该方法以 EnterpriseOps Gym 数据集演示，任务由系统规范、用户提示词和验证器三部分组成，需满足可行性、真实性与难度要求。
微软研究院实习生开发了一套端到端机器学习流水线，为美国本土 66,935 座变电站生成空间天气风险预测，可提前 30 至 60 分钟预警。系统结合 AE 与 Dst 指数预测、地质电导率和电网数据，在 2020-2026 评估期内检测到近 80% 的重大空间天气事件，其中 Dst 预测在 62.2% 的高活跃时段优于 Burton 方程。
Google ResearchAI 评分Google Research 提出 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，用一个轻量"转向阻尼"网络在冻结基座模型的前提下动态调整生成轨迹。
Hugging Face 博客介绍论文 ProvenanceGuard，一个面向 MCP 智能体的生成后验证层，专门检测"跨来源混淆"——即事实在证据池中为真、却被归给错误来源。在 281 条医疗智能体真实 trace 上，专家判定 361 条 claim 中 139 条不应通过，ProvenanceGuard 拦下 138 条，并在可识别来源的 claim 上约 86% 选对来源。
Google Research精选AI 评分Google Research 发布 AI video co-director 等多智能体框架，用于生成连贯的长篇多镜头视频，相关论文将出现在 COLM 2026 和 EMNLP 2026。
推荐理由：Google 把长视频生成拆成规划、分镜、自回归生成与闭环修正四套框架，并给出多组基准上的连续性提升结果。
微软研究院对移动机器人操作负载做系统性测量，发现把物理AI推理从机器人端侧GPU卸载到边缘或云端GPU，可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软对移动操作机器人推理负载的系统性测量，给出端侧、边缘与云端算力取舍的量化依据。
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型用学习式重排序整合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，在盲测中化学家更偏好其单步反应预测；十个挑战性目标的多步路线中 RetroChimera 成功九个，优于 de novo 模型的五个、编辑模型的四个和 NeuralSym 的两个。
Google ResearchAI 评分Google Research 发布一项研究实验，让教师借助生成式 UI（GenUI）创建贴合自身课程目标的互动教学模拟，并同步开放 30 多个面向中学 STEM 的英文学习互动样例库，均由 AI 生成、教师审核。
Google ResearchAI 评分Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。
IBM 研究团队在 ALTK-Evolve 中新增一致性指南（consistency guidelines），基于 Consistency Analyzer 诊断智能体轨迹中易翻转的决策点。
推荐理由：原文用 Pass^k 与 Mean@k 的差距量化智能体不确定性，并给出可复用的诊断与改进流程。
Google ResearchAI 评分Google Research 在 ACL 2026 提出 ToolGrad，用“先答案后问题”范式生成工具调用数据：先迭代构建可验证的 API 工作流，再反向标注用户查询，数据生成通过率接近 100%。
OpenAI 分享了一份由 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份书面说明和一份 Lean 形式化证明。
Google ResearchAI 评分Google Research 用 UK Biobank 欧洲人群数据向 Biobank Japan 近 20 万日本人样本做多基因风险评分迁移学习，覆盖 BMI、血压、血脂、血糖等 8 项临床性状。结果显示目标人群样本达 15k 以上时，本地训练模型反超混合欧洲数据训练；HDL、LDL 和血糖等人群特异性强的性状从欧洲数据获益更少。
Google Research精选AI 评分Google Research 与 HHMI Janelia 等机构在 Cell 发表雄性果蝇完整中枢神经系统连接组，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今神经元数量最多的脑图谱。
推荐理由：读者可了解AI驱动的连接组学如何完成迄今神经元数量最多的脑图谱，以及它向脊椎动物扩展的路径。
Hugging Face 推出 BenchMIRT，一种在单条提示词层面审计 LLM 基准测试的新方法，基于多维项目反应理论（MIRT）分离同一基准中混杂的能力信号。
Google ResearchAI 评分Google Research 提出 MAPL-EMIT，一个基于 Swin-S vision transformer 的深度学习框架，可从 NASA EMIT 高光谱卫星数据中自动检测、量化甲烷羽流并定位排放源，在专家标注羽流上召回率达 84%。
Google Research精选AI 评分Google Earth AI 推出实验性研究能力行星预测引擎（PPE），可依据自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，把原本需要数周人工数据工程的建模流程缩短到几分钟。
推荐理由：原文给出PPE在公共卫生、粮食安全与疫情预测上的基准对比，可了解地理空间建模自动化的能力边界。
OpenAI 对 1000 多名学生开展随机研究，考察 ChatGPT 与批判性思维训练在真实大学作业中对学生表现、原创性和思维的影响。
Google ResearchAI 评分Google Research 发布 GlucoFM，一个自监督双流基础模型，将血糖的慢变基线趋势与短期波动分离，并保留时间与缺失信息。模型在 109,066 小时无标注 CGM 数据上预训练，覆盖 4 个队列、7 项临床任务共 14 组评估，平均 PR-AUC 比同语料预训练的最佳 GluFormer 变体高 5.8 个百分点。
Google ResearchAI 评分Google 在 CHI 2026 发布研究原型 AgentHands，让 XR 中的 AI 智能体在说话时同步做出与语音对齐的手势，把抽象指令变成空间中的实体演示。系统通过眼动与场景重建注册物体 3D 包围盒，由后端 LLM 在回复中内嵌 GestureEvent，再在头显端用词级时间戳让手势与 TTS 精确同步。12 人被试内研究对比纯语音基线，结果显示空间指代效果显著提升。
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：在结构压缩并量化后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 检查点蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的恢复配方，并附9项基准对比与QAT稳定性差异。
Google ResearchAI 评分Google 发布 Biomarker Discovery Framework，一个多智能体系统，将候选生物标志物优先级排序构建为人类监督下的迭代研究闭环，结合假设生成、并行统计分析、模型训练、对抗验证与文献推理。
Google ResearchAI 评分Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将匿名化移动性模式与文本描述结合，为地点生成同时编码身份与动态功能的嵌入向量。
Hugging Face 发布研究，用共识分歧、掩蔽实体检索和拼写切换三项探针量化语音识别中的基准优化现象，评测 11 个开源 ASR 模型。结果显示，部分高分模型会在音频与参考文本矛盾时复现基准的错误转写，VoxPopuli 分析样本中约 40% 的片段被标记出参考错误，涉及约 3% 的参考词，这类模型复现错误参考的比例为 18–30%。
推荐理由：通过三项探针量化语音模型对基准的过拟合，并给出可复用的检测脚本与榜单入口。
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前首个公开版本的 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正被集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软研究院推出持续追踪各版本计算性能的 living benchmark。
IBM Research 在 Hugging Face 博客发布 ALTK-Evolve 研究，用 AppWorld 的 585 个多步任务评测八款模型，发现智能体记忆不是开关而是需要按模型校准的剂量。
推荐理由：八模型对比给出了智能体记忆的三种剂量模式与 token 开销数据，可据此判断自家模型该用全量还是检索式注入。
Google ResearchAI 评分Google 推出 PhotoScan，一个可从普通 2D 手机照片估算体脂率（BF%）、Android-to-Gynoid 脂肪比（A/G）和内脏-皮下脂肪面积比（V/S）的深度学习框架。
微软研究院推出 MindTopo 基准，用于评测多模态大模型在连通性、封闭、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，模型在静态图像识别上表现明显优于交互式规划任务，且两者均远低于人类水平；失败多发生在规划阶段而非感知阶段，模型在场景变化中会丢失结构关系或提出违反物理约束的动作。图像与视频生成仅在单帧关系可见时偶有帮助，序列任务中仍不可靠。
Google ResearchAI 评分Google Research 提出知识画像框架，用 WikiProfile 基准（2,150 条维基百科事实、每条配 10 道题）区分编码与召回，发现 Gemini-3-Pro 和 GPT-5 有 95–98% 的事实已编码，却仍无法直接召回 26–34%，即使开启思考也失败 11–12%。
Google Research精选AI 评分Google Research 发布 AMIE（Video），一个基于 Gemini 和 Project Astra 的实时视频问诊配置，可感知非语言临床线索、引导患者演员完成虚拟体格检查并实时进行诊断推理。
推荐理由：原文给出AMIE（Video）的三智能体异步架构与随机对照评测结果，可了解实时视频问诊中视听感知与推理的分工方式。
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、结构化预测与病灶定位等任务，并用强化学习（DAPO）在多任务设置下奖励临床正确性。
Hugging Face 的 ALTK-Evolve 在 AppWorld 上以按需检索指南替代 ACE 的全量 playbook 注入，用更少 Token 取得更高任务完成率。
Hugging Face 最新论文提出两项系统改动，让 LLM 知识蒸馏成本大幅下降：先离线缓存教师模型的 top-100 logits，使教师模型无需与学生模型同时驻留显存；再用融合分块 KL 损失，避免生成完整的词表×序列长度矩阵。
Google DeepMind精选AI 评分Google DeepMind 在 Nature 发表论文，称 WeatherNext AI 模型在预测气旋路径、强度和风场结构上达到 SOTA，平均多出一天（24 小时）的预报提前量，三天预报精度相当于此前模型的两天水平。
推荐理由：Google DeepMind 在 Nature 论文中给出气旋路径与强度预报的精度提升，并同步开源模型权重，读者可据此了解 AI 天气预报的当前进展与可用入口。