前 DeepMind 研究者提出用 AlphaGo 式搜索治理 AI 幻觉
前 DeepMind 研究者 Thore Graepel 创办 Metis Reasoning，在 Nvidia GTC 柏林站提出用 AlphaGo 的思路降低 AI 幻觉：以显式知识账本替代模型权重中的知识，由独立模块对每条新结论做计算、形式证明或实证核查，假设失效时重新评估依赖它的结论。
#RAG
The DecoderAI 评分5252
Hugging Face BlogAI 评分4646 LitPivot：在文献图景中通过动态情境化发展研究想法
Hugging Face 与宾夕法尼亚大学合作开发 LitPivot，帮助研究者在文献中完成"文献驱动转向"，将研究想法拆分为问题、贡献、评估三个 facet，按 facet 组织文献并给出带原文摘录的批评与修改建议。
Google ResearchAI 评分5959 Google Research 论文揭示推理如何唤醒 LLM 参数化知识
Google Research 将在 COLM 2026 发表的论文指出，即使对简单单跳事实问题，开启推理也能召回关闭推理时几乎无法得到的答案。
Hugging Face BlogAI 评分5656 Hugging Face 博客解读 VAKRA 基准：Agent 在工具链、多跳推理与策略约束下的失败模式
Hugging Face Blog 发文介绍 VAKRA——一个面向企业场景、可执行的 Agent 基准，包含 8,000+ 本地托管 API、62 个领域与配套文档集，任务需 3-7 步推理链。
Google ResearchAI 评分5656 Google Research 论文评测 6 个 LLM 回答超导研究专家问题
Google Research 与 Cornell University 合作在 PNAS 发表论文，用 67 道高温超导专家问题评测 6 个 LLM（GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 及自建 RAG 系统），由专家按 0-2 分六项指标盲评。
Hugging Face BlogAI 评分5656 Hugging Face 推出检索嵌入评测基准 RTEB 测试版
Hugging Face 发布检索嵌入基准 RTEB 的测试版，用于评估 embedding 模型在真实应用中的检索准确度。它采用公开与私有数据集混合策略，公开部分可复现，私有部分由 MTEB 维护者评测以保证公正，模型若在两者间表现落差明显即提示过拟合。
Hugging Face BlogAI 评分5555 Hugging Face 推出文本嵌入基准 MTEB
Hugging Face 推出 MTEB 文本嵌入基准，涵盖 8 类任务、56 个数据集，榜单已汇总超过 2000 条结果，支持最多 112 种语言。
Hugging Face BlogAI 评分5555 Hugging Face 推出无提示词少样本微调框架 SetFit
Hugging Face 与 Intel Labs、UKP Lab 合作推出 SetFit，一个面向 Sentence Transformer 的高效少样本微调框架，无需提示词即可在少量标注数据上取得高准确率，例如在 Customer Reviews 情感数据集上每类仅 8 个标注样本即可与在 3k 全量样本上微调 RoBERTa Large 相竞争。
Hugging Face BlogAI 评分4444 TAPEX：用合成 SQL 执行数据做表格预训练的介绍
TAPEX 通过在合成语料上学习神经 SQL 执行器来完成表格预训练，无需真实数据，在 WikiSQL、WikiTableQuestions、SQA、TabFact 四个 benchmark 上全部刷新 SOTA。