跳到正文

#论文/研究

今日 0 条
10月8日周四
  1. Google Research71

    Google 研究:AI 提升专利撰写质量,但资深与初级律师的技能习得出现分化

    Google Research 与 NBER 发布一项为期三个月的随机对照实验,让 133 名专利律师使用当时未发布的 Google Labs AI 专利撰写助手(现属 Gemini Notebook)。

    推荐理由:三个月随机对照实验区分了AI提升产出与塑造专业判断两种效果,对理解人机协作下的技能养成有参考价值。

  2. Hugging Face Blog62

    NVIDIA 微调 Nemotron 在 IOI 与 IMO 2026 双双达到金牌水平

    NVIDIA 团队从 Nemotron 3 出发,用监督微调、强化学习和生成-验证-精炼推理流程,让 Nemotron-3-Ultra-CC 在 IOI 2026 取得 535.4/600 分,超过 361.12 的金牌线和人类最高分 498.27;IMO 2026 系统取得 30/42 分,超过 29 分的官方金牌线。

    推荐理由:NVIDIA 公开了 Nemotron 在 IOI 与 IMO 达到金牌水平的微调配方、数据集与推理流程,可复现。

10月7日周三
10月6日周二
10月4日周日
  1. Hugging Face Blog72

    微软 ThinkingBox 评测智能体:按数据库终态而非回答打分

    微软发布 ThinkingBox 智能体评测框架与 ThinkingBox-Bench 基准,通过隔离的 MCP 工具会话运行 507 个有状态业务工作流,每个任务重复 20 次,按终态数据库状态和副作用而非模型回答打分。

    推荐理由:论文给出 507 个有状态工作流、每任务跑 20 次的评测方法,并揭示工具处理而非推理才是失败主因。

10月3日周六
  1. Google Research49

    Google Research 发布基于 TEE 的可验证隐私联邦学习系统

    Google Research 发布新一代联邦学习系统,利用 TEE 提供可外部验证的隐私保证,并将计算转移到服务器端以提升训练速度、精度和设备覆盖。该系统通过公开透明日志 Rekor 发布访问策略,KMS 仅向匹配策略的 TEE 工作负载发放解密密钥,训练数据只能在 TEE 内解密处理。Gboard 已采用新系统,计算速度较此前联邦学习系统大幅提升。

10月1日周四
9月30日周三
  1. Google Research50

    Google Research 推出 Diffusion Controller,统一并简化 AI 图像生成控制

    Google Research 提出 Diffusion Controller,一个轻量级“转向阻尼器”网络,可精确引导图像生成以提升提示词对齐度,并能无缝接入闭源受限模型。其完全解锁版本在人类偏好对比中对基线模型取得 90% 胜率,同时保持基础模型的画质与稳定性。该框架将去噪过程重构为连续控制问题,提供基于最终奖励分数的 PPO 策略梯度和奖励加权损失两种微调方法。

  2. Hugging Face Blog38

    ProvenanceGuard:面向 MCP 智能体的来源感知事实核查

    针对 MCP 智能体跨工具取证时"事实为真但来源归属错误"的跨源混淆问题,论文提出后置验证层 ProvenanceGuard,在不重训智能体的前提下保留 MCP 调用轨迹中的来源 ID,依次完成声明拆分、来源路由、支持度打分、归属比对与放行/拦截决策。在医疗智能体的 281 条真实轨迹上,专家判定 139 条声明不应通过,ProvenanceGuard 拦下 138 条。

  3. Microsoft Research66

    微软研究院发布 Quine:面向生物学复杂性的 AI 研究系统

    微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由生物世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究,预测并优先排序数千种化合物,湿实验中排名最高的化合物产生了最大的 classical 到 basal 细胞状态转变,整个过程仅用一个周末完成。

    推荐理由:微软研究院公开 Quine 的生物世界模型与实验闭环,并给出胰腺癌化合物筛选的湿实验验证结果。

9月25日周五
9月24日周四
9月21日周一
9月19日周六
  1. Google Research38

    Google Research 推出 MilleMiglia:面向中英里物流的真实实例生成器

    Google Research 发布 MilleMiglia,一个用 C++ 编写的实例生成器,用于为中英里物流问题生成真实且保护隐私的基准数据,源码与文档已在 GitHub 公开。中英里承担区域乃至洲际配送中心之间的大批量货物运输,成本占比高却长期缺乏公开高质量数据,学界研究因此受限。该生成器将中英里建模为时空图上的多商品流问题,刻画货物在多辆车之间中转、需在时间窗内赶上接驳车辆等约束。

9月18日周五
9月16日周三
9月11日周五
9月8日周二
9月4日周五
9月2日周三
8月28日周五
  1. Google Research62

    Google 推出行星预测引擎 PPE,自动完成地理空间建模全流程

    Google Research 在 Google Earth AI 下推出实验性研究能力行星预测引擎(PPE),可依据自然语言查询自主完成地理空间数据检索、特征工程、模型训练与评估,把建模周期从数周缩短到数分钟。

    推荐理由:原文给出 PPE 在公共卫生、粮食安全与疫情预测上的具体基准对比,可了解地理空间建模自动化的能力边界。

8月27日周四
8月26日周三
8月22日周六
8月21日周五
  1. Google Research38

    Google Research 如何用移动性数据让语言模型更深入理解地点

    Google Research 提出 ME-POIs 框架,将聚合匿名移动性数据(到达时间、停留时长、周边活动)与文本描述结合,为地点生成同时编码身份与动态功能的嵌入向量。在公开基准上,该方法使访问意图预测相对提升最高 81.9%,价格水平分类提升 75.1%,繁忙度估计准确率提升 24.7%。框架通过访问对齐、空间多尺度访问传播和文本-移动性协同三步流程,缓解小商户数据稀疏问题。

  2. Microsoft Research40

    微软 Skala 1.1 发布:训练数据增 2.5 倍,并集成进 CP2K 等主流 DFT 软件

    微软研究院发布深度学习交换关联泛函 Skala 1.1,训练数据量较首版增加 2.5 倍,在 GMTKN55 基准 55 个类别中 32 项排名第一,加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用,并正集成进 Psi4、FHI-aims、ORCA 和 VASP。微软同时推出持续追踪各版本计算性能的 living benchmark。

8月17日周一
8月13日周四
  1. Microsoft Research38

    MindTopo:微软推出评估多模态模型拓扑空间推理能力的新基准

    微软研究院发布 MindTopo 基准,用于评估多模态大语言模型在连通性、封闭性、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示,当前专有与开源模型在静态识别上明显强于交互式规划,且均远低于人类水平,失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用,跨序列仍不可靠。

8月12日周三
7月31日周五
  1. Microsoft Research66

    微软研究院发布 Echoverse:面向计算机操作智能体的深度演化训练环境

    微软研究院提出 Echoverse,为计算机操作智能体构建十二个训练世界,包括十个完整领域环境和两个能力环境,每个环境自带数据库、任务和基于数据库真值的验证器。

    推荐理由:微软研究院公开了十二个计算机操作智能体训练环境与配套验证器,并给出深度环境与浅层环境对迁移效果的对比数据。

7月29日周三
  1. Berkeley AI Research62

    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,通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核作为知识库,为 Apple Silicon 生成高质量内核。

    推荐理由:读者可看到 CUDA 内核经验如何被结构化翻译到 Apple Silicon,以及翻译层对性能差距的具体贡献。

7月26日周日
  1. Berkeley AI Research36

    Berkeley AI Research 提出 ABBEL:用信念状态监督 LLM 长程交互中的摘要更新

    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,以缓解递归摘要带来的性能损失。在协作编程基准 CollabBench 上,采用基于重构的信念评分后,ABBEL 将全上下文模型的性能差距缩小约 50%,训练步数从 100 降至 50,峰值 token 长度也低于全上下文设置。

7月23日周四
  1. Google Research58

    Google Research 用强化学习让量子计算机在计算中持续校准

    Google Research 在 Nature 发表研究,提出用强化学习框架从量子纠错检测事件中学习,在计算过程中持续调节数千个控制参数以抵消漂移。在 Willow 超导处理器上人为注入漂移后,该方法将纠错码的逻辑稳定性提升 3.5 倍,并在专家校准基础上进一步把逻辑错误率降低 20%。实验将表面码逻辑错误降至每千次纠错周期少于一次,数值模拟显示所需 RL 训练轮数与系统规模无关。

7月16日周四