Google Research 揭示推理如何解锁 LLM 参数化知识召回
Google Research 在 COLM 2026 论文中发现,开启推理能让 Gemini-2.5(Flash、Pro)和 Qwen3-32B 在 SimpleQA Verified、EntityQuestions 上召回关闭推理时几乎无法获得的答案。
Google Research 在 COLM 2026 论文中发现,开启推理能让 Gemini-2.5(Flash、Pro)和 Qwen3-32B 在 SimpleQA Verified、EntityQuestions 上召回关闭推理时几乎无法获得的答案。
Google Research 发布英国乡村高分辨率矢量数据集,将树篱、石墙、小树林等标准卫星难以探测的细小生态特征转为可操作清单。模型基于在超 3 亿张全球卫星影像上预训练的 Vision-Transformer Backbone 微调,并用 Polsby–Popper 紧凑度分数(小于 0.5 判为线性特征)区分树篱与林地。
Google Research 公布其皮肤健康 AI 工具的用户理解研究:2345 名参与者使用可滚动展示 3 至 7 个匹配病症的 AI 原型后,尝试命名病症的比例超 62%(对照组 41%),命名准确率 23%,接近对照组 8% 的三倍。
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests,用于审计机器遗忘。
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交互数据,可了解 AI 辅助教学在真实课堂中的效果与边界。
Google 在 Nature 发表 PHRM 研究系统,利用手机前置摄像头在面部解锁后拍摄 8 秒面部视频,通过深度学习估算心率,与 ECG 真值相比 MAPE < 10%,覆盖所有肤色。
推荐理由:Google 用前置摄像头在解锁后被动测心率,并公开迄今最大规模智能手机视频数据集,可供研究者了解 rPPG 在真实场景与不同肤色下的表现。
Google 为隐私分析服务提出零信任聚合方案,将新型单次消息提交的密码学聚合协议与 TEE 结合,使设备无需多轮在线即可安全上传数据。该设计保证 Google 只能获得匿名聚合结果,原始数据即使在硬件保护范围内也不会被解密或重建,并通过 TEE 远程认证向参与者证明协议按公开代码正确执行。
Google 宣布把基于 Gemini 的科研工具 ERA 开放给科学家使用,该工具能搜索文献、编写并优化科学代码,相关论文已发表在 Nature。ERA 在基因组学、公共卫生、卫星图像分析、神经科学预测、时间序列预测和数学等基准上达到专家级表现。
推荐理由:Google 公开了 ERA 在 Nature 上的评测结果和八个实际科研项目,读者可据此判断 AI 写科研代码的落地边界。
爱丁堡大学生物工程师 Filippo Menolascina 用 Google Co-Scientist 梳理文献、生成新假设,以缩小 MASH 组合疗法的搜索范围。该系统针对已获批 MASH 药物 resmetirom 仅对少数合格患者有效的问题,提出将 NLRP3 炎症小体作为连接炎症与代谢的分子桥梁这一假设,并已获实验验证,有望推动靶向双重疗法。
斯坦福大学医学院遗传学家 Gary Peltz 团队在《Advanced Science》发表研究,测试 Google DeepMind 的 Co-Scientist 能否从已有药物文献中筛选出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 筛选肝纤维化药物,实验显示其候选药优于人工挑选,可观察 AI 辅助药物重定位的实际效果。
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。
推荐理由:Google DeepMind 公开 AI co-clinician 研究,给出医生盲评与多模态模拟的对比结果,可了解医疗智能体的能力边界。
Google Research 总结了科学家使用 Empirical Research Assistance(ERA)的四类实践:在公共卫生领域,ERA 每周为美国各州提交流感。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,将大规模训练拆分为解耦的计算岛并异步传输数据,从而隔离局部硬件故障。该架构基于 Pathways 与 DiLoCo,测试中用混沌工程注入硬件故障后仍能继续训练并重新接入失效单元,用 Gemma 4 验证的 ML 性能与传统方法持平。
推荐理由:原文给出跨数据中心异步训练的具体带宽与加速数据,读者可据此判断分布式预训练的工程可行性。
Google Research 在 ICLR 论文中提出智能体记忆框架 ReasoningBank,从成功和失败轨迹中提炼结构化推理记忆供测试时自进化。
Berkeley AI Research 提出 GRASP,一种面向学习动力学(世界模型)的基于梯度的规划器,通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索、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,使长时程规划变得可行。
Google Research 在 TMLR 论文中提出合成数据生成框架 Simula,把数据集构建拆成全局多样化、局部多样化、复杂化和质量检查四个可控步骤,不依赖种子数据或人工提示。
Google Research 提出 MoGen 模型,用合成神经元形状增强 PATHFINDER 的训练数据,使小鼠轴突重建误差降低 4.4%,主要来自合并错误的减少。该模型基于 PointInfinity 点云流匹配,用 1,795 条经人工验证的小鼠皮层轴突训练,训练集中仅需 10% 合成数据。团队称在完整小鼠脑规模下,这相当于节省 157 人年的手动校对工作,MoGen 已开源。
Google Research 发布 ConvApparel 数据集,包含 4000 多段、近 15000 轮服装购物场景的人机多轮对话,用于量化 LLM 用户模拟器与真实人类的真实感差距。
Google Research 推出两个学术智能体框架:PaperVizAgent(原 PaperBanana)负责生成论文配图,ScholarPeer 负责自动同行评审。
Google Research 提出一套基于情境判断测试(SJT)的框架,用于评估 LLM 在真实用户-助手场景中的行为倾向与人类共识的对齐程度。对 25 个 LLM 的大规模分析发现两类差距:模型倾向偏离人类标注者共识,以及在无共识时未能覆盖人类意见的分布范围。在人类标注完全一致的场景中,小型模型(<120B)与前沿闭源模型对齐接近完美,但共识低于 90% 时对齐率停滞在 80% 出头。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法,可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把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 10x 更少的消融达到 SPEX 的性能。
伯克利 AI 研究团队提出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,并在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计达到端到端 SOTA 水平,同时占用更少内存和算力,且无需任务专用解码器设计。
一篇新文章提出用"分治"范式替代时序差分(TD)学习来做 off-policy 强化学习,通过将轨迹一分为二并组合子段价值来更新,理论上把 Bellman 递归次数从线性降到对数级。作者与 Aditya 合作的工作首次将分治价值学习扩展到目标条件 RL 这类高复杂度任务,且无需像 n-step TD 那样调节 n 超参数。目前该方法仍面临如何选取最优子目标 w 的难题。
伯克利 AI 研究提出首个关于 word2vec 学习过程的定量预测理论,证明在实际训练条件下该问题可化简为无权重最小二乘矩阵分解,梯度流动态有闭式解,最终学到的表示等价于对目标矩阵 M* 做 PCA。