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。
全部 AI 动态
Google Research精选AI 评分6262
Google DeepMindAI 评分2222 Google DeepMind 与埃森哲、贝恩、BCG、德勤、麦肯锡合作加速企业 AI 转型
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 五家咨询公司合作，推动前沿 AI 在企业的大规模落地。合作方将获得 Gemini 系列前沿模型的早期访问权，并与 Google DeepMind 技术团队直接协作，聚焦金融、制造、零售、媒体娱乐等行业的智能体转型。目前仅 25% 的组织成功将 AI 规模化投入生产。
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 DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布 Gemini 3.1 Flash TTS，称其在可控性、表现力和语音质量上均有提升，在 Artificial Analysis TTS 榜单上取得 1,211 Elo 分数。
推荐理由：官方给出 Elo 1,211、70+ 语言与音频标签等具体指标，可据此判断语音生成的可控性提升。
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 DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini Robotics-ER 1.6，新增仪表读数能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，重点增强空间推理与多视角理解，并新增仪表读数能力，可读取压力表、液位计和数字读数。
推荐理由：官方给出与前代及 Gemini 3.0 Flash 的对比，并首次加入仪表读数能力，可据此判断机器人在设施巡检中的自主程度。
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。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以四个尺寸覆盖从手机到工作站的部署，并给出 Arena 排名与 Apache 2.0 许可，便于判断开源模型的可用边界。
Google ResearchAI 评分3131 Google Research 研究：AI 评测需要多少标注者才够？
Google Research 在《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，发现常用的 1、3、5 名标注者往往不足，可靠结果常需每条目 10 名以上标注者。
Mistral AIAI 评分3434 Mistral AI 推出 Spaces：一款为人类与智能体打造的 CLI
Mistral AI 发布 CLI 工具 Spaces，同时面向人类开发者与编码智能体。它通过 `spaces init`、`spaces dev` 等命令完成项目脚手架、开发环境与部署，并为每个交互式提示提供等价的 flag 或配置文件，使智能体可自主操作。每次 init 还会生成 context.json 与 AGENTS.md，帮助智能体理解项目结构、端口与命令。
Google Research精选AI 评分6666 Google 发布白皮书：披露量子计算破解加密货币的更新资源估算
Google Quantum AI 发布白皮书，给出破解 256 位椭圆曲线离散对数问题（ECDLP-256）的更新量子资源估算：两个实现 Shor 算法的量子电路分别使用不到 1。
推荐理由：Google Quantum AI 给出破解 ECDLP-256 的更新资源估算，并用零知识证明确认结论而不泄露攻击细节。
Google DeepMind精选AI 评分6262 Google DeepMind 为 AI 时代重新设计鼠标指针，Chrome 已上线 Gemini 指向交互
Google DeepMind 公布 AI 指针的四条交互原则，并展示由 Gemini 驱动的实验性指针演示，用户可在 Google AI Studio 中通过指向和语音编辑图片或查找地点。
推荐理由：Google DeepMind 公开 AI 指针的四条交互原则，并已在 Chrome 落地，读者可据此判断 AI 交互从提示词转向指向与语音的路径。
Google Research精选AI 评分6262 Google 发布 Vibe Coding XR：用 Gemini 和 XR Blocks 把自然语言变成 Android XR 应用
Google 发布 Vibe Coding XR 工作流，将 Gemini 与基于 WebXR、three.js、LiteRT.js 的 XR Blocks 框架结合，把自然语言提示词直接转成具备物理感知的 Android XR 应用，耗时不到 60 秒。
推荐理由：Google 把 Gemini 的长上下文推理接到 WebXR 框架上，读者可据此判断自然语言生成 XR 原型的可行边界。
Google Research精选AI 评分6262 Google 发布 TurboQuant 向量压缩算法，KV cache 压至 3 bit 无精度损失
Google 发布 TurboQuant 压缩算法，用于解决向量量化中的内存开销问题，并同时提出 QJL 和 PolarQuant 两种配套方法，三篇工作将分别亮相 ICLR 2026 和 AISTATS 2026。
推荐理由：Google 提出的向量量化方法把 KV cache 压到 3 bit 且不损失精度，读者可据此判断长上下文推理的内存成本走向。
Google ResearchAI 评分3434 Google Research 推出 S2Vec：用自监督嵌入学习城市建成环境
Google Research 发布 S2Vec，一个自监督框架，用于学习建成环境的通用嵌入向量，将建筑、道路等地理要素栅格化为多层图像后用掩码自编码（MAE）训练。在人口密度、收入等社会经济预测的零样本地理外推任务上，S2Vec 通常是最佳单一模型，与图像嵌入做多模态融合后表现普遍优于任一单一模态；但在树木覆盖、海拔等环境任务上仍需改进。
Mistral AI精选AI 评分7272 Mistral AI 发布 Voxtral TTS 语音合成模型
Mistral AI 发布首个文本转语音模型 Voxtral TTS，4B 参数，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语共 9 种语言，具备情感表达和零样本跨语言音色适配能力。
推荐理由：官方给出 4B 参数、70ms 延迟与 9 种语言支持，读者可据此判断企业语音智能体的成本与部署门槛。
Google ResearchAI 评分3434 Google Research 在 The Check Up 展示医疗 AI 进展：从个性化护理到公共卫生
Google Research 在 The Check Up 活动上公布多项医疗 AI 进展：与 Fitbit 合作研究发现，模拟协作医疗团队的 Personal Health Agent（PHA）比单一任务应用更能支持长期健康。
Google Research精选AI 评分6666 Google 与 NHS 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 发表两项配套研究，评估 AI 乳腺癌检测系统。
推荐理由：两项 Nature Cancer 研究给出 AI 读片在 NHS 双读流程中的敏感度、时间与仲裁数据，可了解医疗 AI 落地的真实约束。
Mistral AI精选AI 评分6262 Mistral AI 推出 Forge，让企业用自有知识训练前沿模型
Mistral AI 推出 Forge，一套让企业基于自有专有知识构建前沿级 AI 模型的系统，支持预训练、后训练和强化学习等阶段，并支持 dense 与 MoE 架构及多模态输入。
推荐理由：原文给出企业用自有知识训练前沿模型的分阶段训练路径与智能体落地方式，可据此判断企业自建模型的门槛与形态。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4，统一推理、多模态与编码智能体能力
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个重大版本，也是首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型的 Mistral 模型，采用 Apache 2.0 许可。
推荐理由：Mistral 把推理、多模态与编码智能体能力合并进单一开源模型，并给出可调推理强度与部署门槛。
Mistral AI精选AI 评分6262 Mistral AI 与 NVIDIA 合作，成为 Nemotron Coalition 创始成员
Mistral AI 宣布以创始成员身份加入 NVIDIA Nemotron Coalition，双方计划共同开发前沿开源模型，Mistral 提供模型架构、多模态能力与企业级微调工具，NVIDIA 提供算力、模型开发工具和合成数据生成管线。
推荐理由：Mistral 以创始成员身份加入 NVIDIA Nemotron Coalition，读者可了解开源前沿模型的联合训练分工与后续 Nemotron 4 的开放计划。
Google ResearchAI 评分4040 Google 与康奈尔大学测试 LLM 能否回答高温超导研究问题
Google 与康奈尔大学在《美国国家科学院院刊》发表研究，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 位国际专家按平衡性、全面性、简洁性、证据、图像相关性和定性反馈六项指标盲评打分。
Mistral AI精选AI 评分6060 Mistral 发布 Leanstral：面向 Lean 4 的开源代码智能体
Mistral 发布 Leanstral，称其为首个面向 Lean 4 的开源代码智能体，采用 6B 激活参数的稀疏架构，权重以 Apache 2.0 许可开放，并接入 Mistral Vibe 与免费 API 端点 labs-leanstral-2603。
推荐理由：官方给出 Leanstral 在 FLTEval 上的分数与成本对比，可据此判断形式化证明智能体的性价比路线。
Berkeley AI ResearchAI 评分2828 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，用于在规模化下识别 LLM 的关键交互。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 进一步利用层次结构，以约 10 倍更少的消融达到 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，而 LIME、Banzhaf 等边际方法忠实度明显更低。
Google Research精选AI 评分6666 Google 在 Flood Hub 上线城市山洪预报，可提前 24 小时预警
Google 宣布在 Flood Hub 上线城市山洪预报，利用 AI 方法可提前最多 24 小时预测城市山洪风险。
推荐理由：Google 把城市山洪预警接入 Flood Hub，读者可了解其用新闻数据训练模型、以 20x20 公里分辨率覆盖全球的思路。
Google Research精选AI 评分6262 Google 推出 Groundsource，用 Gemini 把新闻报道转为洪水数据
Google Research 推出 Groundsource，用 Gemini 从新闻报道中抽取结构化灾害数据，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 种语言新闻中抽取洪水事件，其 60% 定位与时间准确率可供评估 LLM 做数据抽取的可靠性。
Google Research精选AI 评分6666 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 AMIE 真实门诊可行性研究，给出安全停用次数、诊断一致率与患者态度变化等一手数据。
Mistral AI精选AI 评分6262 Mistral 如何用 Vibe 构建自动编写 Rails 测试的智能体
Mistral 基于其开源编码助手 Vibe 构建了一个自动编写 Rails 测试的智能体，可读取源码、生成或改进 RSpec 测试并在 CI/CD 中无人干预运行。
推荐理由：Mistral 公开了用 Vibe 构建自动写 RSpec 测试智能体的完整方法，包括 AGENTS.md、技能文件和自定义工具的具体做法。
Mistral AI精选AI 评分7575 Mistral 发布 Voxtral Transcribe 2 语音转写模型家族
Mistral AI 发布 Voxtral Transcribe 2，包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime，后者以 Apache 2.0 协议开放权重。
推荐理由：官方给出两款语音转写模型的延迟、错误率与定价对比，可据此判断实时语音场景的选型与成本。
Mistral AI精选AI 评分6262 Mistral 发布终端编码智能体 Mistral Vibe 2.0
Mistral 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选项澄清、斜杠命令技能、统一智能体模式和自动更新。
推荐理由：官方给出 Vibe 2.0 的自定义子智能体、斜杠命令技能等能力与订阅入口，可据此判断终端编码智能体的工作流变化。
Mistral AIAI 评分3434 Heaps do lie：排查 vLLM 内存泄漏
Mistral AI 团队在 vLLM 上排查一起内存泄漏：在 Mistral Medium 3.1、开启 graph compilation 的 Prefill/Decode 分离部署中，系统内存以每分钟 400 MB 线性增长，数小时后触发 out of memory。Heaptrack 显示堆内存稳定，泄漏发生在堆外，问题仅出现在经 NIXL 传输 KVCache 的 decode 侧。
Berkeley AI ResearchAI 评分2626 伯克利提出基于信息量的成像系统设计框架，NeurIPS 2025 论文验证四大成像领域
伯克利 AI 研究团队提出一种直接评估和优化成像系统信息量的框架，仅用含噪测量和噪声模型即可估计互信息，无需任务专用解码器。该信息指标在彩色摄影、射电天文、无镜头成像和显微镜四个领域均能预测解码器性能，优化后的设计可媲美端到端方法，且内存和算力需求更低。相关成果发表于 NeurIPS 2025。
Mistral AI精选AI 评分6565 Mistral 发布 OCR 3，表单与手写识别胜率较上代提升 74%
Mistral AI 发布 Mistral OCR 3，在表单、扫描文档、复杂表格和手写内容上相对 Mistral OCR 2 的整体胜率为 74%，官方称其准确率超过企业级文档处理方案和 AI 原生 OCR 方案。
推荐理由：官方给出与上一代在表单、手写和复杂表格上的胜率对比，以及每千页定价，可据此判断文档解析成本与适用场景。
Mistral AI精选AI 评分8282 Mistral 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral 发布下一代编码模型家族 Devstral 2，含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者均为开源许可，Devstral 2 采用修改版 MIT、Small 2 采用 Apache 2.0。
推荐理由：原文给出 Devstral 2 的 SWE-bench 成绩、开源许可与部署门槛，读者可据此判断开源编码模型与闭源模型的差距。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral 3 系列模型，含 675B 参数 Mistral Large 3
Mistral 发布 Mistral 3 系列，包括 14B、8B、3B 三个小尺寸稠密模型和迄今最强的 Mistral Large 3，后者为稀疏 MoE 架构，41B 激活参数、675B 总参数，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 系列以 Apache 2.0 开源并给出参数与部署路径，读者可据此判断开源前沿模型的可用边界。
Mistral AIAI 评分4040 Mistral AI 与 SAP、Helsing 达成合作，将在德国开设办公室
Mistral AI 宣布与 SAP 建立多年合作，为其 AI Foundation 集成模型并共同开发面向欧洲复杂行业与政府的行业解决方案，同时与 Helsing 加速研发用于国防安全场景的视觉-语言-动作模型。Mistral AI 还将在未来数月内于德国开设办公室，并大幅扩充本地团队。