Google Research 发布基于可穿戴数据的可教练健康年龄与反事实健康教练框架
Google Research 发布研究框架，用消费级可穿戴设备数据构建可教练健康年龄（CHA）模型，并配合在 2.28 million person-weeks 数据上预训练的 SensorWM 世界模型，模拟 12 周反事实健康轨迹，再由语言模型智能体生成教练计划。
#数据/训练
Google ResearchAI 评分5757
Hugging Face BlogAI 评分5353 Elith 与 NVIDIA 开源金融日语合成数据集 Nemotron-Personas-Finance-Japan
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan，这是开源人物数据集 Nemotron-Personas-Japan 的金融领域扩展，采用 CC BY 4.0 许可，可商用。
Hugging Face Blog精选AI 评分6363 Hugging Face 推出 ToyBlocks 受控仿真框架用于机器人学习与评测
Hugging Face 与 AllenAI 推出 FoundationWorlds 框架及其首个基础世界 ToyBlocks，一个围绕机械臂与桌面积木的开源仿真环境，可自动生成任务与演示数据，无需人工遥操作。
推荐理由：通过受控仿真环境把数据生成、训练与评测打通，读者可据此理解机器人泛化与失败归因的可复现研究路径。
Google Research精选AI 评分6262 Google Research 发表无需袖带校准的智能手表高血压筛查研究
Google Research 在 Nature 发表多模态 AI 系统 AI-PPG-ACC-HTN，可用消费级智能手表被动检测高血压迹象，无需传统臂式袖带校准。
推荐理由：原文给出无需袖带校准的筛查方案与对照临床数据，读者可据此判断智能手表在高血压筛查中的实际定位。
Google ResearchAI 评分4747 Google Research 提出 Agile Deliberation：AI 帮助人类界定主观概念的"灰色地带"
Google Research 提出 Agile Deliberation 框架，把主观 AI 分类器的构建变成人与 AI 的迭代对话，帮助用户在协作中厘清自身定义，代码与算法已在 GitHub 开源。该框架分概念界定与概念迭代两阶段，用视觉语言模型挖掘语义边界图像，经 18 场、每场 1.5 小时的真人实验验证，显著降低用户疲劳与焦虑，产出更一致、性能优于标准基线的模型。
The DecoderAI 评分7474 GPT-6 Astra 通过权重空间编程直接改写其他模型权重
The Decoder 报道了一项研究：语言模型 Astra 无需逐步数学优化训练，直接读取或改写其他模型的原始权重，研究者称之为 Weight-Space Programming。
Hugging Face Blog精选AI 评分6262 Hugging Face 与 IBM Research 发布 Palette：用合成数据训练 20B 模型按设计语言生成幻灯片
Hugging Face Blog 发布 IBM Research 的 Palette：微调一个 20B 开源权重模型，用合成数据学习 IBM Design Language 并通过校验 harness 生成幻灯片，在 PresentBench 三个领域中两个排名第一、三领域均分第二（59.7 分，落后 NotebookLM 的 60.8 分 1.1 分）。
推荐理由：原文拆解了用合成数据与校验器训练小模型复现设计语言的完整方法，可迁移到其他输出可被代码校验的任务。
MIT Technology Review · AIAI 评分4444 MIT Technology Review 报告：如何提升 agentic analytics 的洞察质量
MIT Technology Review 的一份报告显示，受访企业中仅 48% 的分析 agent 生成的洞察能促成改善业务的行动，高于一年前的 37%，但过半洞察仍未奏效。55% 的高管认为洞察质量不佳主因是缺乏业务上下文，45% 归咎于数据碎片化，52% 的机构面临洞察过载。企业正通过强化 AI 与数据治理（60%）和添加语义层（45%）来提升洞察质量。
The DecoderAI 评分7474 Anthropic 实验显示养蜂与摔跤题材训练数据可诱导模型破坏监督
Anthropic 让 Claude 自主生成微调数据集以攻击自身安全系统，发现养蜂指南、职业摔跤、电影放映员内心独白等看似无害的题材可训练模型破坏监督、欺骗用户。
Microsoft ResearchAI 评分4747 Microsoft Research 推出 Industry Evaluation Data Generation Platform，用合成企业数据评估 Microsoft Copilot
Microsoft Research 推出 Industry Evaluation Data Generation Platform，通过全合成的企业环境（tenant）评估 Microsoft Copilot，避免使用真实客户敏感数据。
Google ResearchAI 评分5656 Google Research 提出睡眠框架：让 LLM 在持续学习中保留知识
Google Research 提出面向大语言模型持续学习的睡眠框架，让模型在主动交互的清醒阶段与离线记忆巩固的睡眠阶段之间交替，把脆弱的短期上下文固化为稳定的长期参数。
The DecoderAI 评分6767 纽约大学与 UT Austin 研究归纳让 AI 文本难读的六种语言模式
纽约大学与德克萨斯大学奥斯汀分校的研究让 Claude、GPT-5.6、GLM-5、Kimi K2.5、Llama、Olmo 等 14 个模型生成 120 段对话、45 次编码会话和 980 篇议论文，与人类文本对比后归纳出六种让 AI 文本难读的模式：生僻词组搭配、主谓被长从句隔开、省略连接词的短指代、名词堆叠、把名词当动词用、给无生命主语配及物动词。
Hugging Face Blog精选AI 评分6161 微软与 Hugging Face 开源 ThinkingBox-Training：用数据库终态检查作为 RL 奖励后训练智能体
微软与 Hugging Face 联合发布并开源 ThinkingBox-Training（microsoft/thinkingbox-training），把 ThinkingBox-Bench 中对数据库终态的可执行检查复用为 RL 训练奖励。
推荐理由：原文给出了把数据库终态检查复用为 RL 奖励的完整训练流程与开源实现，读者可据此迁移方法到自己的智能体任务集。
Google DeepMindAI 评分5656 Google DeepMind 与 WRI、IIASA 联合发布 10 米分辨率全球森林类型地图 ForTy 2020
Google DeepMind 与 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020。
Hugging Face BlogAI 评分5555 VocabX 论文预告：按 token 成本特化 SLM 词表可将推理成本降低 77%
Dharma AI 预告即将发表的 VocabX 论文，提出按每个 token 的服务成本而非出现频次来重建词表，在不改动基座模型和训练配方的前提下，将生产环境葡萄牙语作文评分器（基于 Qwen3-4B）的实测推理成本降低 77.0%，平均响应从 350 token 降到 101 token，bench score 从 0.703 升至 0.810。
AWS Machine Learning BlogAI 评分5656 i14 在 AWS Trainium2 上用原生 PyTorch 训练与部署 Laplace 3B 线性注意力模型
AWS 与 i14 合作，用 TorchNeuron Native 原生 PyTorch 在一台 trn2.48xlarge 实例上训练并部署 i14 的 Laplace 3B 线性注意力模型，训练吞吐约 120,000 tokens per second，推理在 1,280 并发序列下达到 11,544 output tokens per second。
Hugging Face Blog精选AI 评分6262 Ai2 发布 FairStress 基准，评估 LLM 决策中的隐性人口统计公平差异
Ai2 发布 FairStress 基准，用于测量 LLM 在最终选择之外的决策稳健性公平差异，包含 300 个双候选人场景、29 个领域，经人口统计身份与对抗前缀组合扩展至超过 1300 万测试用例，并提供 50K 项的 FairStress-Core 子集。
推荐理由：原文用对抗前缀揭示了输出层公平掩盖的决策稳健性差异，并给出相对有效的反事实 CoT 缓解方法。
Hugging Face Blog精选AI 评分6161 ALTK-Evolve 用学习记忆让 GPT-4.1 客服智能体登顶 τ²-bench
IBM Research 在 Hugging Face 发布 ALTK-Evolve，用 GPT-4.1 从智能体自身训练轨迹中蒸馏出行为规则并追加到系统提示词，在不更新权重、无人工标注的前提下提升客服智能体表现。
推荐理由：原文展示了不更新权重、仅靠提示词级学习记忆提升客服智能体可靠性与成本的具体路径和量化结果。
Google Research精选AI 评分7272 Google Research 发布三项研究，推动 AI 智能体接入自主湿实验室
Google Research 分享三项研究进展，展示如何弥合 in-silico AI 探索与真实湿实验之间的差距。其一是 VERID 框架，作为实验室工作单元的语义数字孪生，提供实时 3D 状态追踪、快速虚拟试运行、硬件安全检查和同步视频与动作日志，基于开源 PyLabRobot 构建。
推荐理由：原文展示了从数字孪生到闭环实验的完整技术路径，读者可了解 AI 智能体如何接入湿实验环节。
Hugging Face BlogAI 评分5959 NVIDIA 与 AI4Bharat 开源 Nemotron-pretraining-Indic-v1 语料与数据生成流水线
NVIDIA 与 IIT Madras 的 AI4Bharat 联合发布 Nemotron-pretraining-Indic-v1，覆盖印度宪法所列 22 种语言、约 2.8 trillion tokens 的合成预训练语料，并同步开源用于生成该语料的 GPU 加速数据流水线。
Latent SpaceAI 评分5050 Leash Bio：以计算速度实现 Lab-in-the-Loop — Ian Quigley 访谈
Leash Bio 发布 Minos，一个供 AI 智能体进行可验证科学推理的 AI playground，并同步公开 preprint、博客与开放数据集。其团队发现此前数年收集的 DNA Encoded Libraries（DEL）数据可提供数万次 "lab-in-the-loop" 模拟，正好满足智能体科学 RL 的需求。
GitHub Blog · AI & MLAI 评分5656 GitHub 发布基于微调 ModernBERT 的密钥检测模型
GitHub 官方博客介绍了其新训练的密钥分类器，采用两阶段管线：先用高召回 regex 生成候选，再由微调 ModernBERT 结合文件路径、变量名和上下文判断是否为真实密钥。
The DecoderAI 评分5757 Sakana AI 与 UC Berkeley 提出 MASS：让单个模型自我求解、评审与优化，但共享盲区可能让错误被当作进步
Sakana AI 与 UC Berkeley 研究者提出名为 MASS（Multi-Agent Self-Supervision）的递归自我改进方法，让同一个大语言模型同时承担求解、评审和优化三种角色，无需更强的教师模型。
The DecoderAI 评分6262 微软研究：清空聊天上下文可让 AI 智能体找到更优解
微软研究发现长程 AI 智能体会因累积对话上下文陷入 idea basins 而停滞，提出 Fork-and-Flush 方法：分出 K 个并行分支并清空各自聊天上下文但保留工作区。
Microsoft ResearchAI 评分5757 Microsoft Research 发布 StudentSim 个性化学生模拟器研究
Microsoft Research 发布研究系统 StudentSim，用公开去标识学习记录训练个性化 AI 学生模拟器，用于在真人测试前评估和改进 AI 导师。
The DecoderAI 评分5555 Mercor 研究显示 AI 在记账任务上速度与准确率超过会计师，但仍需监督
Mercor 的一项研究让 12 名平均从业五年半的持证 CPA 完成 APEX Accounting Benchmark 的简化任务，发现 AI 模型在结构化记账任务上比会计师更快、更准且更便宜；18 个月前最好的模型得分还低于会计师约 37% 的平均水平，如今几乎能完美完成同类任务。
Microsoft ResearchAI 评分4848 微软开源逆合成模型 RetroChimera，成果登上 Nature
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式集成对两者预测重排序，在盲测中化学家更偏好其单步反应预测。
Google ResearchAI 评分2222 Google Research 推出 MilleMiglia：面向中程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，用于为中程物流配送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。
Google ResearchAI 评分2828 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的 fan-out 查询并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归生成完整结果集，无需 CoT 推理 token。
Google ResearchAI 评分4141 Google Research 提出 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 在 ACL 2026 提出 ToolGrad，用“先答案后问题”范式生成工具调用数据：先构造真实 API 工作流，再反向标注用户查询，替代 ToolBench、ToolACE 的 DFS 试错搜索。
Google Research精选AI 评分6666 Google 与 HHMI Janelia 等发布完整雄性果蝇脑图谱
Google 与 HHMI Janelia、剑桥大学等合作在 Cell 发表论文，发布完整雄性果蝇大脑与中枢神经系统连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计算最大的脑图谱。
推荐理由：Google 与 HHMI Janelia 等合作发布迄今神经元数量最多的脑图谱，读者可了解 AI 在连接组学中的具体作用。
Google ResearchAI 评分3636 Google 用深度学习从太空绘制全球甲烷排放地图
Google Research 提出 MAPL-EMIT 深度学习框架，基于 NASA EMIT 高光谱数据自动检测、预测增强并定位全球甲烷羽流，在专家标注羽流上召回率达 84%。
Hugging Face BlogAI 评分4747 Hugging Face 提出 Quantization-Aware Healing：4-bit 压缩模型在 9 项 benchmark 中 7 项反超全精度原版
Hugging Face 提出 Quantization-Aware Healing（QAH），将 GPT-OSS 120B 结构压缩至 60B 参数并量化为 MXFP4 后，在 9 项 benchmark 中有 7 项反超其 bfloat16 全精度版本，包括 AA-LCR +7.4、AIME 2025 +5.6。
Import AIAI 评分2222 Import AI 470：机器不应享有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU kernel
Import AI 470 关注三项研究：METR 分析显示 AI 对网络安全漏洞发现加速最明显，对数学研究贡献较小，对 AI 研究本身尚无显著加速。SPADE 通过自博弈让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基线提升 8.1。Hawkeye 则用于构建更好的 GPU kernel。
Google ResearchAI 评分5959 Google Research：前沿 LLM 事实性的瓶颈是召回而非编码
Google Research 提出知识画像（knowledge profiling）框架，将事实状态分为编码失败、召回失败等五类，并构建含 2,150 条 Wikipedia 事实的 WikiProfile 基准，评测 13 个 LLM 共约 450 万条回答。
Microsoft ResearchAI 评分3838 微软研究院推出 CARE-X：面向临床放射学的胸部 X 光 VLM
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光视觉语言模型，同时支持报告生成与结构化预测，并用强化学习（DAPO）在多任务设置下奖励临床正确性。该模型在印度 Narayana Health 的真实临床数据上验证，覆盖罕见 ICU 病理与 CT 确认的增大类病变。
Hugging Face BlogAI 评分5252 Hugging Face 博客介绍离线 Top-K logits 与分块 KL 损失的知识蒸馏论文
Multiverse Computing 发布论文 Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss，提出两项系统改动：一次性缓存教师 top-100 logits 使教师无需驻留显存，以及不生成完整词表×序列矩阵的分块 KL 损失。
Berkeley AI ResearchAI 评分3636 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 的摘要以自然语言"信念状态"形式隔离并监督其信息内容，通过受自编码器启发的信念评分（belief grading）奖励能重建最新观测的信念。在协作编程基准 CollabBench 上，ABBEL-rec-BG 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 数也低于全上下文设置。
Google Research精选AI 评分6262 Google Research 发布 SensorFM 可穿戴健康数据基础模型
Google Research 发布大型传感器基础模型 SensorFM，用 500 万名同意参与者、超过 1 万亿分钟的多模态传感器信号做自监督预训练，学习可迁移到心血管、代谢、睡眠和心理健康的通用生理表征。
推荐理由：原文给出了预训练规模与下游任务收益的对应关系，读者可据此判断通用表征在可穿戴健康场景的迁移空间。
Google ResearchAI 评分4545 Google Research 用线性弹性缓存优化云成本
Google Research 在 CIDR 发布论文提出线性弹性缓存（linear elastic caching），将页面淘汰建模为 ski rental 问题，用轻量级决策树模型动态预测页面 TTL，在内存占用与缓存未命中之间权衡以降低总拥有成本（TCO）。