跳到正文

#论文/研究

今日 16 条
4月20日周一
  1. Berkeley AI Research33

    GRASP：面向世界模型长时程规划的梯度规划器

    伯克利 AI 研究提出 GRASP，一种面向学习动力学（世界模型）的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度，使长时程规划更实用、更鲁棒。该工作由 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun 与 Amir Bar 合作完成。

4月16日周四
  1. Google Research38

    Google 提出 Simula：面向真实世界的合成数据集机制设计与推理框架

    Google 提出推理优先的合成数据生成框架 Simula，无需种子数据，将数据集构建拆解为全局多样化、局部多样化、复杂化和质量检查四个可控维度，并以 Gemini 2.5 Flash 为教师模型、Gemma-3 4B 为学生模型在网络安全、法律推理、GSM8k 和 Global MMLU 等五个领域生成最多 512K 数据点。

4月9日周四
4月3日周五
  1. Google Research39

    Google 如何评估 LLM 行为倾向与人类的对齐程度

    Google Research 提出一套框架，用改编自 IRI、ERQ 等心理学问卷的情境判断测试（SJT）评估 LLM 行为倾向与人类的一致性，覆盖 25 个 LLM。结果显示，模型规模超过 120B 及前沿闭源模型在人类标注者一致时接近完美对齐，但共识低于 90% 时对齐率停滞在 80% 出头；模型还在职场场景中倾向情绪外露、在社交争端中偏好和谐而非坚持立场。

4月1日周三
3月31日周二
3月26日周四
3月25日周三
  2. Google Research33

    Google Research 的 S2Vec 如何学习城市建筑环境的通用嵌入向量

    Google Research 推出自监督框架 S2Vec，将建筑环境栅格化为多层特征图像，用掩码自编码（MAE）学习通用嵌入向量，无需人工标注即可刻画任意地点的特征。在 US-wide 人口密度、收入中位数等社会经济指标的零样本地理外推任务上，S2Vec 通常是表现最好的单一模型，与图像嵌入做多模态融合后效果普遍优于任一单模态。在树木覆盖、海拔等环境任务上仍有明显改进空间。

3月18日周三
3月17日周二
3月13日周五
  1. Berkeley AI Research26

    伯克利提出 SPEX 与 ProxySPEX：为 LLM 大规模识别特征交互

    伯克利 AI 研究团队提出 SPEX 与 ProxySPEX 算法，可在特征、数据和模型组件归因中大规模识别关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约少 10 倍的消融次数达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展至数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等边际方法。

3月12日周四
  1. Google Research66

    Google 与 BIDMC 开展真实临床研究，评估对话式诊断 AI AMIE 的可行性

    Google Research 与 Beth Israel Deaconess Medical Center 合作开展前瞻性单中心可行性研究，让 AMIE 在门诊初诊前与患者进行文本问诊，全程由医生通过视频监督。

    推荐理由：Google 与 BIDMC 的这项前瞻性研究给出了 AMIE 在真实门诊中零安全中止、诊断与基层医生相当的具体数据，可了解对话式医疗 AI 落地临床的可行性与边界。

3月10日周二
3月7日周六
3月5日周四
  1. OpenAI News62

    OpenAI 提出 CoT-Control：推理模型难以控制自身思维链

    OpenAI 提出 CoT-Control，发现推理模型难以控制自己的思维链，这一结果支持将可监控性作为 AI 安全防护手段。材料仅提供摘要，未给出具体模型、评测指标或实验细节。

    推荐理由：OpenAI 提出 CoT-Control 并给出推理模型难以控制思维链的观察，为可监控性作为安全手段提供了依据。

  2. Google Research37

    Google 如何教 LLM 像贝叶斯那样推理

    Google Research 提出"贝叶斯教学"方法，通过监督微调让 LLM 模仿贝叶斯助手在航班推荐任务中的预测，从而学会概率推理。在五轮模拟用户交互中，未经训练的 LLM 表现明显逊于最优贝叶斯助手，且往往在单次交互后性能就停滞，难以随新信息持续更新；而贝叶斯教学不仅提升该任务表现，还能泛化到其他任务。

3月4日周三
2月20日周五
2月19日周四
2月18日周三
  1. Google Research37

    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，用 Gemini 2.5 Pro 与 Imagen-4 构建全自动合成数据管线，生成 200 万条带路径标注的地图问答对并已开源。该管线经地图生成、Mask Critic 筛选可通行区域、构建像素图、Dijkstra 求最短路加 Path Critic 校验四步，在 23,000 条路径上微调多个 MLLM 以提升细粒度空间推理能力。

2月13日周五
  1. OpenAI News62

    GPT-5.2 在理论物理中推导出新结果

    OpenAI 发布新预印本，显示 GPT-5.2 为一个胶子振幅提出了新公式，随后由 OpenAI 与学术合作者正式证明并验证。该结果以预印本形式公开。

    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，可观察大模型参与理论物理推导的路径。

2月12日周四
  1. Hugging Face Blog60

    Hugging Face 与 Meta 的 OpenEnv 实践：在真实环境中评测工具调用智能体

    Hugging Face 博客介绍 Meta 与 Hugging Face 合作的开源框架 OpenEnv，它用 gym 风格 API（reset、step、action、observations）和标准 MCP 工具调用接口，把智能体接到浏览器、代码仓库、日历等真实系统而非模拟环境中评测。

    推荐理由：Meta 与 Hugging Face 的 OpenEnv 框架及 Turing 的 Calendar Gym 给出了智能体在真实权限与多步环境下的失败模式数据。

2月11日周三
  1. Google Research31

    Google 开源 DialogLab：编写、模拟与测试动态人-AI 群组对话

    Google Research 在 ACM UIST 2025 发布开源原型框架 DialogLab，用于编写、模拟和测试动态的人-AI 群组对话，将对话的社交设定与时间推进解耦，支持拖拽式场景搭建、实时预览与验证仪表盘。14 名游戏设计、教育和社会科学领域参与者的评测显示，human control 模式在参与度、有效性和真实感上显著优于 autonomous 与 reactive 模式。

2月10日周二
  2. Google DeepMind74

    Google DeepMind 发布两篇论文，用 Gemini Deep Think 推进数学与科学发现

    Google DeepMind 发布两篇论文，介绍在数学家、物理学家和计算机科学家指导下，用 Gemini Deep Think 模式解决数学、物理与计算机科学领域的专业研究问题。

    推荐理由：DeepMind 公开了 Gemini Deep Think 在数学、物理与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分级标准。

2月4日周三
  1. Google Research35

    Google Research 提出 Sequential Attention：让 AI 模型更小更快且不牺牲精度

    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，把子集选择直接整合进模型训练，避免传统贪心算法带来的数量级训练开销。该方法在多个神经网络基准上取得 SOTA，并实现快速单遍贪心选择，可用于特征选择、嵌入维度调优和权重剪枝，兼顾效率、精度、可解释性与可扩展性。

1月28日周三
  1. Google Research60

    Google Research 发布智能体系统扩展研究：多智能体并非越多越好

    Google Research 发布论文《Towards a Science of Scaling Agent Systems》，对 180 种智能体配置做大规模对照评测，覆盖 Finance-Agent、BrowseComp-Plus、PlanCraft、Workbench 四个基准和 GPT、Gemini、Claude 三个模型家族。

    推荐理由：通过 180 种智能体配置的对照实验，给出多智能体架构在并行与串行任务上的量化差异，可据此调整编排策略。

1月27日周二
1月24日周六
  1. Google Research27

    Google 推出 GIST：智能采样的下一阶段

    Google 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 是首个为该权衡提供可证明保证的算法，保证所选子集价值至少为最优解的一半，并在图像分类等基准任务上超越现有方法。

1月23日周五
  1. Google Research33

    Google 研究：小模型通过分解式方法实现更优用户意图提取

    Google Research 在 EMNLP 2025 发表的论文提出一种分解式方法，将用户意图理解拆为两步：先用小型多模态 LLM 逐屏总结交互，再从摘要序列中提取意图。在移动端和网页轨迹上，该方法优于 CoT 提示和端到端微调，Gemini 1.5 Flash 8B 配合该方法的意图提取效果可与 Gemini 1.5 Pro 相当，成本与速度仅为后者一小部分。

1月21日周三
1月20日周二
1月16日周五
1月13日周二
1月10日周六
  1. Berkeley AI Research29

    信息驱动的成像系统设计：Berkeley AI Research 提出基于互信息的成像系统评估框架

    Berkeley AI Research 提出一种基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，预测系统性能。该方法在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证有效，优化后的设计达到端到端方法水平，且内存和计算需求更低、无需任务专用解码器。相关成果发表于 NeurIPS 2025 论文。