Hugging Face 提出离线 Top-K Logits 与融合分块 KL 损失，让知识蒸馏低成本规模化
Hugging Face 最新论文提出两项系统改动，让大语言模型知识蒸馏的显存开销大幅下降：一是离线缓存教师模型每位置的 top-100 logits，训练时无需同时加载教师模型；二是融合分块 KL 损失，避免生成完整的词表×序列长度矩阵。
#论文/研究
Hugging Face BlogAI 评分4141
Google Research精选AI 评分6060 Google Research 提出 Science One Framework：用 Chain-of-Evidence 实现可验证的自主科研
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并以此构建自主科研原型 Science One Framework，配套 CoE Audit 自动评估指标。
推荐理由：原文给出可验证性框架与审计指标，并对比多个自主科研系统的引用与代码对齐表现。
Microsoft Research精选AI 评分6666 微软研究院发布 Echoverse：面向 computer-use 智能体的深度演化环境
微软研究院提出 Echoverse，为 computer-use 智能体构建 12 个训练世界，包括 10 个深度领域世界和 2 个能力世界，强调行为保真、状态一致、工作流深度和基于数据库的验证。
推荐理由：微软研究院公开了合成环境工厂的构建流程与训练数据，读者可据此理解高保真环境如何影响 computer-use 智能体的训练效果。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配 Apple Silicon。
推荐理由：读者可看到 CUDA 优化经验如何被结构化迁移到 Apple Silicon，以及翻译层对内核性能的具体贡献。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重建的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也低于全上下文设置。
Google Research精选AI 评分6262 Google 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体
Google Research 发布研究论文 SymptomAI，用五个基于 Gemini Flash 2.0 的对话式智能体对 13917 名参与者进行端到端症状问诊与鉴别诊断（DDx）评估。
推荐理由：Google 用 13917 人随机对照研究比较 SymptomAI 与真实临床医生的鉴别诊断，并给出可穿戴生物信号佐证。
Google Research精选AI 评分6666 Google Research 提出从错误中学习的量子纠错强化学习框架
Google Research 在 Nature 发表论文，提出一种强化学习框架，让自主智能体从量子错误检测事件中学习，在计算过程中持续调节数千个控制参数以对抗漂移。
推荐理由：Google 用强化学习让量子纠错在计算过程中持续校准，读者可了解其 3.5 倍稳定性提升与规模化模拟结论。
Hugging Face BlogAI 评分2222 新模型来了，优势依旧：DharmaOCR 在巴西葡萄牙语 OCR 基准上领先 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语 OCR 基准上以 0.925 分领先 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语监督微调加 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，从而在提取质量和稳定性上取得优势。
Google ResearchAI 评分2424 Google Research 揭示扩散模型创造力来源：分数平滑如何带来插值效应
Google Research 在 ICLR 2026 论文中指出，扩散模型的创造力源于神经网络训练中的"分数平滑"效应：权重衰减等正则化使学到的分数函数变平滑，去噪过程因此生成落在训练数据点之间的插值样本，而非简单记忆。研究用一维两点实验验证，权重衰减越强、分数函数越平滑，粒子越易停在插值区。
Hugging Face Blog精选AI 评分6262 Hume 发布 Real World VoiceEQ：衡量语音 AI 的人类质量
Hume 发布 Real World VoiceEQ 基准，用于评估语音交互的人类质量，覆盖 40 多个专有与开源语音模型、15+ 评测维度和 60 多项指标，涵盖 ASR、TTS、S2S 和语音理解。
推荐理由：原文给出语音 AI 在 15+ 维度上的评测结果，读者可据此理解现有基准为何高估真实表现。
Google Research精选AI 评分6060 Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型
Google Research 发布 SensorFM，一个直接从无标注可穿戴数据学习的大型传感器基础模型，预训练语料超过一万亿分钟多模态信号，来自五百万名同意参与者。
推荐理由：Google 用一万亿分钟可穿戴数据预训练通用生理表征，读者可了解基础模型在健康领域的规模化路径。
Google ResearchAI 评分5252 Google Research：通过导航应用改道缓解城市交通拥堵的大规模实验
Google Research 在 Nature Cities 发表研究，在 10 座美国城市用修改后的 Google Maps 算法将约 2% 的行程引导至耗时相近的替代路线，为期六个月。
Hugging Face BlogAI 评分4242 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布 ScarfBench（Self-Contained Application Refactoring Benchmark），用于评测 AI 智能体在 Spring、Jakarta EE、Quarkus 之间的跨框架迁移能力，包含 34 个应用、102 个框架实现、204 个迁移任务和 1331 个专家测试。
Hugging Face BlogAI 评分2222 为什么专业化不可避免：从优化理论、生物学到机器学习
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》。
Hugging Face BlogAI 评分3030 DiScoFormer：一个 Transformer 同时估计任意分布的密度与 score
Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），一个 Transformer 模型可在单次前向传播中同时估计数据分布的密度与 score，无需针对新分布重新训练。
Google Research精选AI 评分6262 Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 发布新架构，将多 Token 预测（MTP）头挂载到已冻结的 Gemini Nano v3 模型上，已在 Pixel 9 和 10 系列上线，作为开箱即用的加速方案。
推荐理由：Google 把 MTP 头挂到冻结的 Gemini Nano v3 上，读者可了解端侧推测解码如何省内存并提速。
Google ResearchAI 评分3131 Google 用线性弹性缓存优化云成本，Spanner 内存用量降 15.5%
Google Research 提出线性弹性缓存，将页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小。在 Spanner 生产环境测试中，内存用量降低 15.5%，缓存未命中仅增加 5.5%，总拥有成本（TCO）降低约 5%，实际 I/O 成本影响仅 0.5%。该方案用浅层决策树预测页面 TTL，可翻译为几行 C++ 代码。
Google ResearchAI 评分2929 Google Research 研究：推理如何解锁 LLM 的参数化知识
Google Research 在 COLM 2026 论文中揭示，让模型生成推理链能解锁原本无法召回的事实答案，即使问题只是单跳事实查询。研究用 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 在 SimpleQA Verified 和 EntityQuestions 上对比推理开关两种模式，发现两个机制：额外 token 充当计算缓冲，以及生成相关事实的"事实启动"效应。
Google ResearchAI 评分3434 Google Earth AI 发布矢量化数据集，用深度学习绘制英国乡村树篱与石墙
Google Research 发布矢量化数据集，将 Farmscapes 2020 的高分辨率栅格地图转化为可操作的树篱、石墙和矮林清单，覆盖英国超 13 万平方公里。该框架基于在 3 亿多张全球卫星图像上预训练的 RSF Vision-Transformer 骨干微调，并用 Polsby–Popper 紧凑度评分（线性特征阈值低于 0.5）自动区分林地、树丛与树篱。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 AI Control Roadmap，用纵深防御保障智能体安全
Google DeepMind 发布 AI Control Roadmap，一套用于在 Google 内部构建和管理高级 AI 的框架，采用纵深防御思路，在模型对齐之外增加系统级安全层，即使对齐不完美也能提供保障。
推荐理由：DeepMind 公开内部 AI 控制路线图，给出检测与响应分级和百万条编码智能体轨迹的监控数据。
Google ResearchAI 评分3434 Google 研究 AI 如何帮助用户理解皮肤问题
Google 公布多项关于消费者使用 AI 工具理解皮肤问题的研究，其中发表于 JAMA Dermatology 的大规模调查显示，2345 名参与者使用 AI 原型工具后，尝试命名皮肤状况的比例超 62%，命名准确率 23%，约为无辅助对照组 8% 的三倍。但研究也发现，AI 辅助在判断下一步就医建议上未带来统计显著改善，用户比皮肤科医生更倾向选择不那么紧急的处理方式。
Google ResearchAI 评分2929 Google Research 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘。该框架基于 f-divergence 的相对距离检验，支持 Chi-squared、KL 和 Hockey-stick 等散度，可自动选择最优散度与超参数，无需样本拆分。理论上证明任意样本量下可控制假阳性，假阴性风险随样本增加收敛至零。
Google DeepMind精选AI 评分6262 Google DeepMind 在塞拉利昂开展 AI 学习效果随机对照试验
Google DeepMind 公布在塞拉利昂开展的预注册随机对照试验结果，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：原文给出塞拉利昂随机对照试验的量化结果与交互数据，可了解 AI 辅助教学的实际效果与局限。
Google Research精选AI 评分7171 Google 发布 PHRM：用手机前摄被动监测心率与静息心率
Google Research 在 Nature 发表研究，提出 PHRM 系统，可在日常使用手机时通过前摄在面部解锁后采集 8 秒视频，被动估算心率与每日静息心率。
推荐理由：Google 用手机前摄在解锁后被动测心率，并公开迄今最大规模多肤色 rPPG 数据集与预训练模型。
Google ResearchAI 评分3838 Google 推出零信任聚合的隐私分析服务，单次消息即可完成安全聚合
Google 为隐私分析服务推出新的零信任安全聚合方案，结合新型密码学聚合方法与 TEE 硬件保护，用户设备只需发送单条消息即可完成数据提交，无需多轮在线交互。该方案可证明 Google 只能获得群体的匿名聚合洞察，原始数据即使在硬件保护范围内也不会被解密或重建，仅在最终聚合匿名化后才处理明文。
Google DeepMindAI 评分5252 Google DeepMind 用 Co-Scientist 加速逆转细胞衰老的基因研究
Google DeepMind 介绍生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室使用 Co-Scientist 加速衰老研究。
Google DeepMindAI 评分5050 Google Co-Scientist 助力发现抗肝纤维化老药新用
斯坦福大学医学院 Gary Peltz 团队利用 Google Co-Scientist 从已有药物文献中筛选肝纤维化候选药，其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生，而 Peltz 自行挑选的 2 个药物均无效。表现最突出的是抗癌药 vorinostat，阻断了 91% 可驱动肝瘢痕形成的损伤反应。相关研究已发表于 Advanced Science。
Google DeepMind精选AI 评分6262 WeatherNext 如何帮助美国国家飓风中心预测飓风 Melissa 登陆牙买加
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天以 80% 置信度预测飓风 Melissa 将以五级强度登陆牙买加，三日前置信度接近 100%。
推荐理由：原文给出 WeatherNext 在真实飓风预报中的提前量与置信度数据，读者可据此判断 AI 天气模型的实际业务价值。
Berkeley AI ResearchAI 评分3131 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、ParaThinker、GroupThink、Hogwild!
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 个真实初级保健问题的盲评中，该系统 97 例无关键错误，医生对其回答的偏好高于现有证据综合工具；在 140 项问诊技能评估中，AI 在 68 项上达到或超过初级保健医生水平，但识别危险信号和指导关键体格检查仍不如专家医生。
推荐理由：Google DeepMind 公布 AI co-clinician 研究计划，用医生盲评和模拟问诊数据说明医疗智能体当前的能力边界。
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 介绍了科学家使用 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个方向的落地结果，可看到 AI 辅助科研的具体边界。
Google DeepMind精选AI 评分6262 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，把大规模训练拆成相互解耦的计算“岛屿”，岛屿间异步传输数据，从而隔离局部硬件故障。
推荐理由：原文给出跨数据中心异步训练在带宽、容错和跨代硬件上的实测结果，可据此判断分布式预训练的工程取舍。
Google Research精选AI 评分6262 Google Research 发布 ReasoningBank：让智能体从经验中学习
Google Research 在 ICLR 论文中提出 ReasoningBank，一个从成功和失败经验中蒸馏高层推理记忆的智能体框架，代码已开源。
推荐理由：论文给出从成功与失败经验中蒸馏记忆的框架，并附 WebArena 与 SWE-Bench-Verified 上的成功率与步数对比。
Berkeley AI ResearchAI 评分3737 GRASP：面向世界模型的基于梯度的长时程规划方法
伯克利 AI 研究团队提出基于梯度的规划器 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、并重塑梯度让动作获得清晰信号，从而让世界模型的长时程规划变得可行。
Google ResearchAI 评分4444 Google Research 提出 Simula：从第一性原理出发的合成数据生成框架
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、复杂化和双批评者质量检查四个步骤，实现无种子、智能体式的数据集构建。
Google ResearchAI 评分3838 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态，为 PATHFINDER 重建模型补充训练数据，使小鼠轴突重建误差率降低 4.4%，主要来自 merge error 的减少。
Google ResearchAI 评分4848 Google 推出 Vantage：用生成式 AI 评估未来技能
Google 在 Google Labs 上线研究实验 Vantage，用生成式 AI 构建模拟对话环境，评估高中与大学生面向未来的技能，目前提供英文版并可注册。Vantage 与纽约大学合作开发，由 Executive LLM 动态引导对话、AI Evaluator 依据评分量表打分，在 188 名 18-25 岁美国测试者中，AI 评分与人类专家评分的一致性接近两位专家评分者之间的一致性。
Google ResearchAI 评分3131 Google Research 发布 ConvApparel：测量并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel 数据集，包含超 4,000 段人机多轮对话、近 15,000 轮，用于量化 LLM 用户模拟器与真实人类的真实感差距。该数据集采用双智能体采集协议，参与者被随机分配到有帮助的 "Good" 智能体或故意不帮忙的 "Bad" 智能体，并配有逐轮用户满意度标注。研究同时提出基于群体统计对齐、人类相似度评分和反事实验证的三支柱评估框架。
Google ResearchAI 评分4242 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 用于生成论文配图，ScholarPeer 用于自动同行评审。PaperVizAgent 由检索、规划、风格、可视化和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3838 Google 研究评估 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。