Google DeepMind 在塞拉利昂开展 AI 学习试验并发布教师培训指南
Google DeepMind 公布在塞拉利昂开展的预注册试验结果，使用 Guided Learning 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，八周内完成。
推荐理由：原文给出塞拉利昂预注册试验的量化结果与教师主导设计，可了解 AI 辅助教学在真实课堂中的效果边界。
#论文/研究
Google DeepMind精选AI 评分6262
Google Research精选AI 评分7171 Google 研究用手机前摄实现被动心率监测
Google Research 在 Nature 发表 PHRM 研究系统，利用手机前摄在面部解锁后拍摄视频，在后台被动估算心率和静息心率。该系统与 ECG 对比的 MAPE 低于 10%，每日 RHR 与 Fitbit Charge 6 对比的 MAE 为 4.39 bpm，并在浅、中、深三种肤色分组中均达到预设的非劣效标准。
推荐理由：Google 用手机前摄在解锁后被动测心率，论文给出跨肤色误差与可申请的数据和模型资源。
Google ResearchAI 评分3636 Google 推出零信任聚合的隐私分析方案
Google 为隐私分析服务推出零信任聚合方案，结合新型密码学聚合协议与 TEE，使设备只需单条消息即可安全提交数据，无需多轮在线交互。该协议可证明 Google 只能获得群体的匿名聚合洞察，原始个体数据即使在硬件保护范围内也不会被解密或重建，TEE 证明机制则向参与者验证协议按公开代码正确执行。
Google Research精选AI 评分7878 Google 将 ERA 科研编码工具开放使用，并推出 Computational Discovery
Google 宣布把基于 Gemini 的科研工具 Empirical Research Assistance（ERA）开放给科学家使用，相关论文同日发表于 Nature。
推荐理由：Google 把 ERA 从 Nature 论文推进到可申请使用的工具，并给出八个跨学科应用案例，可据此判断科研编码自动化的落地边界。
Google DeepMind精选AI 评分6262 Google DeepMind 用 Co-Scientist 加速细胞衰老逆转的基因线索发现
Google DeepMind 介绍其 Co-Scientist 正被用于细胞衰老逆转研究，帮助生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室筛选基因通路。Co-Scientist 扫描数万篇论文后提出 20 多个新的候选基因因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。它还能将原本需要长达六个月的筛选数据分析缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与耗时对比，可了解 AI 智能体参与科研假设生成的实际方式。
Google DeepMindAI 评分3232 剑桥大学团队用 Google Co-Scientist 寻找跨物种传播致病分子开关
剑桥大学教授 Clare Bryant 利用 Google Co-Scientist 研究流感等病原体跨物种传播时引发脓毒症等重症的分子开关，该工具生成并排序的假说中有一个她此前未关注的蛋白，与多个她感兴趣的信号通路相关。她随后加入未发表数据反复迭代，将假说从候选蛋白细化到具体氨基酸，团队正构建含氨基酸突变的细胞系验证。她表示，原本需两到三年实验才能锁定精确氨基酸，如今有望在六个月内完成。
Google DeepMindAI 评分3838 Google DeepMind Co-Scientist 加速肝病机制发现
爱丁堡大学团队用 Google DeepMind 的 Co-Scientist 研究 MASH 肝病，系统提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁，该假设经实验验证，或为靶向联合疗法铺路。Co-Scientist 还从肝生物学与药理学证据中筛出值得关注的机制和候选联合疗法，以应对潜在药物配对的组合爆炸。
Google DeepMind精选AI 评分6060 斯坦福团队用 Co-Scientist 筛选抗肝纤维化药物
斯坦福大学医学院遗传学家 Gary Peltz 团队在《Advanced Science》发表研究，用 Google DeepMind 的 Co-Scientist 从已有药物文献中筛选可重定位治疗肝纤维化的候选药。
推荐理由：斯坦福团队用 Co-Scientist 筛选抗纤维化药物，实验显示其候选药物表现优于研究者自选，可了解 AI 辅助药物重定位的实际验证方式。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Co-Scientist 多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，推出基于 Gemini 的多智能体 AI 系统，可迭代生成、辩论并演化科学假设。
推荐理由：原文给出多智能体系统的三阶段架构与多个实验室应用案例，可了解 AI 参与科学假设生成的具体方式。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS）的并行结构与分解策略由外部预设，而非模型自主决定。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗 AI 研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗的“三方照护”模式。在 98 个真实初级保健查询的盲评中，该系统 97 例无关键错误，优于医生常用的两款 AI 系统；在 140 项问诊技能评估中，AI 在 68 项达到或超过初级保健医生水平，但专家医生在识别危险信号和指导关键体格检查上整体仍更强。
推荐理由：DeepMind 公开医疗 AI 智能体的多模态评测细节，读者可据此了解 AI 在临床问诊中已达标与仍欠缺的具体环节。
Google Research精选AI 评分6262 Google Research 科学家使用 Empirical Research Assistance 的四种方式
Google Research 汇总了科学家使用 Empirical Research Assistance（ERA）的四类实践：公共卫生领域，团队每周向 CDC 的流感。
推荐理由：Google 官方汇总 ERA 在流行病预测、宇宙学、碳监测与神经科学四类真实科研任务中的使用结果，可了解 AI 辅助科研的落地边界。
Hugging Face Blog精选AI 评分6262 Granite 4.1 LLM 是如何构建的：IBM 公开预训练、SFT 与强化学习全流程
IBM Granite 团队发布技术文章，详解 Granite 4.1 系列（3B、8B、30B 稠密 decoder-only 模型）的构建流程：约 15T token 五阶段预训练、上下文扩展至 512K、约 4.1M 高质量样本的 SFT，以及基于 on-policy GRPO 与 DAPO loss 的多阶段强化学习。
推荐理由：Granite 团队公开了从数据配比到多阶段 RL 的完整训练细节，可对照其 8B 稠密模型追平 32B MoE 的取舍。
OpenAI NewsAI 评分3838 OpenAI 发布 AI 就业转型建模框架，覆盖 921 种职业与 1.48 亿美国岗位
OpenAI 发布一套新框架，分析 921 种职业和 1.48 亿个美国岗位，识别哪些角色面临自动化风险、重组、增长或受 AI 影响较小。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将训练拆分为解耦的计算孤岛并以异步数据流连接，降低带宽需求并隔离硬件故障。
推荐理由：原文给出分布式训练在带宽、容错和跨代硬件上的实测结果，可据此判断大规模预训练基础设施的演进方向。
Google Research精选AI 评分6060 Google Research 发布 ReasoningBank：让智能体从经验中学习
Google Research 在 ICLR 论文中提出智能体记忆框架 ReasoningBank，从成功和失败经验中提炼高层推理模式，用于测试时自我进化。
推荐理由：Google Research 的 ICLR 论文提出从成功与失败经验中提炼推理记忆的框架，并给出 WebArena 与 SWE-Bench-Verified 上的对比数据。
Hugging Face BlogAI 评分3333 QIMMA قِمّة：Hugging Face 推出质量优先的阿拉伯语 LLM 排行榜
Hugging Face 发布 QIMMA قِمّة 阿拉伯语 LLM 排行榜，在评测模型前先对基准做质量验证。该榜单整合 14 个来源基准的 109 个子集、超 52,000 条样本，覆盖文化、STEM、法律、医疗、安全、诗歌文学与代码 7 大领域，其中 99% 为原生阿拉伯语内容，并首次在阿拉伯语排行榜中引入代码评测。
Berkeley AI ResearchAI 评分3434 GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度避免高维视觉模型中的脆弱"状态-输入"梯度，使基于学习动力学（世界模型）的长时程规划变得可行。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun 和 Amir Bar 合作完成。
Google ResearchAI 评分4040 Google Research 提出 Simula：从第一性原理设计合成数据集
Google Research 提出推理优先的合成数据生成框架 Simula，将数据集生成重构为机制设计问题，通过全局多样化、局部多样化、复杂化和双评审质量检查四个步骤，独立控制覆盖度、复杂度与质量。
Google ResearchAI 评分3636 Google Research 用 AI 合成神经元加速脑图谱绘制，重建误差降低 4.4%
Google Research 提出 MoGen（Neuronal Morphology Generation），用 PointInfinity 点云流匹配模型生成合成神经元形状，为 PATHFINDER 重建模型补充训练数据，使小鼠轴突重建误差降低 4.4%，主要来自合并错误的减少。
Hugging Face BlogAI 评分4141 Ecom-RLVE：面向电商对话智能体的自适应可验证环境
Hugging Face 将 RLVE 框架从单轮推理题扩展到多轮、工具增强的电商对话，推出 EcomRLVE-GYM，包含产品发现、替代品、购物车构建、退货、订单追踪、政策问答、组合规划和多意图旅程 8 个可验证环境，每个环境配有程序化问题生成、12 轴难度课程和算法可验证奖励。
Hugging Face BlogAI 评分4040 VAKRA 基准解析：AI 智能体的推理、工具调用与失败模式
Hugging Face 发布 VAKRA，一个面向企业级环境的工具接地可执行基准，用于评估 AI 智能体的组合推理与多步工作流执行能力。该基准提供 8,000+ 本地托管 API、覆盖 62 个领域，任务需 3-7 步推理链，包含 API 链式调用、工具选择与多跳推理四类任务，模型整体表现不佳。博客进一步分析了不同任务上观察到的失败模式。
Google ResearchAI 评分3232 Google Research 发布 ConvApparel 数据集，量化并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel，一个包含 4000 多组人机多轮对话（近 15000 轮）的服饰购物领域数据集，用于量化 LLM 用户模拟器与真实人类行为的真实感差距。
Google ResearchAI 评分4040 Google 推出 PaperVizAgent 与 ScholarPeer 两款学术 AI 智能体
Google 发布两款学术智能体：PaperVizAgent 负责生成论文配图，ScholarPeer 负责自动同行评审。PaperVizAgent 由检索、规划、风格、可视化、评审五个智能体协作，在 0-100 分评测中总分 60.2，超过 GPT-Image-1.5、Nano-Banana-Pro、Paper2Any，是唯一超过 50.0 人类基线的框架。
Google ResearchAI 评分4040 Google Research 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），在真实用户-助手场景中评估 LLM 行为倾向与人类共识的对齐程度。
Hugging Face Blog精选AI 评分6262 TII 发布 Falcon Perception 与 Falcon OCR 模型
阿布扎比 TII 的 Falcon Vision 团队发布 Falcon Perception，一个 0.6B 参数的早期融合 Transformer，用自然语言提示做开放词汇定位与分割，在 SA-Co 上达到 68.0 Macro-F1，高于 SAM 3 的 62.3，但在存在性校准上落后（MCC 0.64 对 0.82）。
推荐理由：原文给出 0.6B 早期融合模型在 SA-Co 与 PBench 上的分项对比，可据此判断单骨干架构在开放词汇感知上的取舍。
Google ResearchAI 评分3535 Google Research 研究：AI 评测需要多少标注者才够？
Google Research 在论文《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》中研究了评测条目数与每条目标注者数的权衡，并已将模拟器在 GitHub 开源。
Hugging Face BlogAI 评分3232 OpenMed 用 165 美元训练跨 25 物种的 mRNA 语言模型
OpenMed 构建了覆盖结构预测、序列设计与密码子优化的端到端蛋白质 AI 流水线，其中 CodonRoBERTa-large-v2 以困惑度 4.10、Spearman CAI 相关性 0.40 显著优于 ModernBERT。团队随后将模型扩展至 25 个物种，用 55 GPU-hours 训练出 4 个生产模型，并搭建了目前其他开源项目尚未提供的物种条件化系统。
Google Research精选AI 评分6666 Google Quantum AI 发布白皮书：披露量子计算机破解加密货币加密的新资源估算
Google Quantum AI 发布白皮书，称未来量子计算机破解保护加密货币的椭圆曲线加密所需的 qubit 和门数比此前认为的更少。
推荐理由：Google Quantum AI 给出破解 ECDLP-256 所需量子资源的新估算，并说明如何在不泄露攻击细节的前提下公开漏洞。
Google DeepMind精选AI 评分6060 Google DeepMind 发布首个经实证验证的 AI 有害操纵评测工具
Google DeepMind 发布关于 AI 有害操纵的研究，称其为首个经实证验证的评测工具，并公开运行同类人类被试研究所需的全部材料。研究覆盖英国、美国、印度共 9 项实验、逾 10000 名参与者，聚焦金融与健康等高风险场景，发现 AI 在健康话题上的有害操纵效果最弱，且在一个领域的成功不能预测另一个领域。
推荐理由：原文公开了可复用的有害操纵评测工具与万人级实验数据，读者可据此了解AI操纵能力的测量方式与边界。
Google Research精选AI 评分6262 Google 发布 TurboQuant 等向量量化算法，将 KV cache 压缩至 3 bit
Google Research 提出 TurboQuant 压缩算法，并配套 QJL 和 PolarQuant 两种方法，用于解决向量量化中的内存开销问题，相关论文将分别在 ICLR 2026 和 AISTATS 2026 发表。
推荐理由：Google 提出 TurboQuant 等三种向量量化算法，可在不损失精度的前提下把 KV cache 压到 3 bit，并给出与基线的对比数据。
Google ResearchAI 评分2626 Google Research 推出 S2Vec：用自监督学习读懂城市建成环境
Google Research 发布自监督框架 S2Vec，将道路、建筑等建成环境特征栅格化为多层图像，通过掩码自编码（MAE）学习通用嵌入向量，无需人工标注即可预测人口密度、收入等指标。
Hugging Face BlogAI 评分5252 ServiceNow 发布语音智能体端到端评测框架 EVA
ServiceNow 在 Hugging Face 发布 EVA，一个面向对话式语音智能体的端到端评测框架，同时给出 EVA-A（准确性）和 EVA-X（体验）两个分数，并称是首个联合评估任务成功与会话体验的框架。
OpenAI NewsAI 评分3838 OpenAI 如何用思维链监控内部编程智能体的失准行为
OpenAI 采用思维链监控（chain-of-thought monitoring）研究内部编程智能体的失准（misalignment）问题，通过分析真实部署场景来检测风险并强化 AI 安全保障措施。
Google Research精选AI 评分6666 Google 与 NHS 合作研究：AI 用于乳腺癌筛查双读流程
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项姊妹研究，评估 AI 乳腺癌检测系统在乳腺筛查中的应用。
推荐理由：两项 Nature Cancer 研究给出 AI 在 NHS 乳腺筛查中的前瞻部署数据，可了解人机双读流程的实际收益与仲裁环节风险。
Google DeepMindAI 评分4646 Google DeepMind 发布 AGI 认知框架，并启动 Kaggle 黑客松
Google DeepMind 发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》，提出包含感知、生成、注意力、学习、记忆、推理、元认知、执行功能、问题解决、社会认知 10 项能力的认知分类框架，并配套三阶段评估协议，用留出测试集防数据污染、采集具人口代表性的人类基线、将 AI 表现映射到人类表现分布。
Google ResearchAI 评分4040 Google 用高温超导研究问题测试 LLM 世界模型
Google 与康奈尔大学合作，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和一套自建 RAG 系统回答 67 道高温超导专家级问题，由 12 位专家按 6 项指标盲评打分。基于 1,726 篇受控文献的 NotebookLM 在多数维度表现最佳，自建 RAG 系统紧随其后，所有系统均有待改进之处。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可在规模化下识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征、数据和模型组件归因中识别 LLM 的关键交互。SPEX 利用交互的稀疏性与低阶性，将搜索问题转化为稀疏恢复问题；ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Google Research精选AI 评分6262 Google 推出 Groundsource：用 Gemini 将新闻报道转为灾害数据
Google Research 推出 Groundsource，用 Gemini 从新闻报道中提取结构化灾害数据，首个开放数据集包含 260 万条城市山洪记录，覆盖 150 多个国家、时间跨度从 2000 年至今。
推荐理由：Google 用 Gemini 从 80 种语言的新闻中抽取洪水事件，其准确率与覆盖范围可供评估 LLM 构建科学基准数据的可行性。
Google Research精选AI 评分6262 Google 与 BIDMC 开展 AMIE 对话式诊断 AI 真实临床可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作开展了一项前瞻性单中心可行性研究，让 AMIE 在门诊初级保健就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 在真实门诊流程中的安全与诊断数据，可对照其与 PCP 的差异。