从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架构建 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把现有 CUDA 内核知识迁移到 Apple Silicon。
推荐理由：读者可了解 CUDA 内核优化经验如何被结构化迁移到 Apple Silicon，以及翻译层对性能提升的具体贡献。
#论文/研究
Berkeley AI Research精选AI 评分6060
OpenAI NewsAI 评分4444 OpenAI 研究：AI 正在扩展人们在工作中的职责范围
OpenAI 新研究显示，AI 正在扩展工作者的职责范围，ChatGPT 用户跨角色承担任务并重塑岗位边界。
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 SymptomAI 论文：万人规模研究评估对话式症状评估智能体
Google Research 发布论文 SymptomAI，介绍一项 n=13,917 的随机全美研究，参与者向五种不同问诊策略的 Gemini Flash 2.0 SymptomAI 智能体描述症状并获得鉴别诊断（DDx）。
推荐理由：研究给出了万人规模真实问诊对照与可穿戴数据交叉验证方法，可参考其评估设计思路。
Google Research精选AI 评分7474 Google Research 在 Nature 发表强化学习控制量子纠错研究
Google Research 与 Google DeepMind 合作在 Nature 发表论文，提出用强化学习智能体从量子纠错检测事件中学习，在计算过程中持续调控数千个控制参数以对抗硬件漂移。
推荐理由：原文给出了强化学习在 Willow 上的具体增益数字和扩展性结论，可据此评估该范式对量子纠错实用化的意义。
Google ResearchAI 评分4545 Google Research 解读扩散模型的创造力来源：score smoothing 如何带来插值生成
Google Research 在 ICLR 2026 论文 "On the Interpolation Effect of Score Smoothing in Diffusion Models" 中指出，扩散模型的创造力源于神经网络训练中正则化导致的 score smoothing，使去噪过程在训练数据点之间插值而非记忆。
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。
OpenAI NewsAI 评分4545 OpenAI 分析 SWE-Bench Pro 编码评测中的信号与噪声问题
OpenAI 发布新分析，指出编码评测基准 SWE-Bench Pro 存在问题，引发对 AI 模型评测可靠性与准确性的担忧。
Google ResearchAI 评分4545 Google Research：如何通过协作减少交通拥堵
Google Research 在 Nature Cities 发表研究，通过修改 Google Maps 算法在美国 10 个大城市进行为期六个月的实验，仅改变不到 2% 的行程路线，就使目标路段车速中位数提升约 2%、燃油消耗率中位数下降 0.5% 至 1.0%。
Hugging Face BlogAI 评分5656 IBM Research 开源 ScarfBench：评测 AI 智能体的企业级 Java 框架迁移能力
IBM Research 推出开源基准 ScarfBench，用于评测 AI 智能体在 Enterprise Java 跨框架迁移任务上的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，包含 34 个应用、204 个迁移任务、约 151K 行代码和 1331 个专家编写的测试。
Hugging Face BlogAI 评分3838 为什么专业化不可避免
Dharma AI 解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，论证专业化是 AI 系统的必然趋势。
Google Research精选AI 评分6767 Google Research 发布表格数据零样本基础模型 TabFM
Google Research 发布面向表格数据分类与回归的基础模型 TabFM，将表格预测建模为上下文学习问题，无需手动训练、超参调优和特征工程，单次前向传播即可在未见过的表格上生成预测。
推荐理由：原文说明了混合注意力架构与合成数据训练如何替代传统特征工程和调参流程，便于评估其对现有工作流的替代空间。
OpenAI NewsAI 评分2929 OpenAI 推出 GeneBench-Pro 基准
OpenAI 推出 GeneBench-Pro，一个用于测试 AI 在基因组学、生物学和科研领域表现的新基准，采用复杂的真实世界数据集。
Hugging Face BlogAI 评分4444 DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用
Hugging Face 推出 DiScoFormer（Density and Score Transformer），单次前向即可从数据点同时估计分布的密度与 score，无需针对新分布重训。
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）。
OpenAI NewsAI 评分3636 OpenAI 研究论文：AI 智能体如何改变工作方式
OpenAI 发布新研究论文，展示 AI 智能体如何改变工作方式，使其能够承担更长、更复杂的任务，并在各类岗位上扩展生产力。
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5959 MosaicLeaks：研究智能体的隐私泄漏基准与 PA-DR 训练方法
MosaicLeaks 提出一项深度研究任务，用 1,001 条交错本地与网页子问题的多跳研究链，评估智能体的外部查询是否会泄漏私有信息，并定义意图泄漏、答案泄漏、全信息泄漏三种度量。
OpenAI NewsAI 评分3636 OpenAI 推出 LifeSciBench 生命科学评测基准
OpenAI 推出 LifeSciBench，一个由专家撰写、专家评审的评测基准，用于评估 AI 系统处理真实世界生命科学研究任务与决策的能力。
Google ResearchAI 评分5454 Google Research 发布AI辅助皮肤状况理解研究
Google Research 分享了关于消费者如何用AI理解皮肤问题的两项研究。其中发表于 JAMA Dermatology 的大规模调查纳入 2,345 名参与者，使用AI工具时参与者尝试命名病症的比例超过 62%（对照组为 41%），命名准确率达 23%，约为对照组 8% 的三倍；但下一步就医决策的准确率在标准AI组未见统计显著提升。
Google ResearchAI 评分5353 Google Research 与 UC San Diego 探索用退役手机主板搭建低碳计算平台
Google Research 与 University of California San Diego 合作探索 phone cluster computing，把退役智能手机的主板取出组集群，作为通用计算平台复用。
Google ResearchAI 评分4444 Google Research 提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests
Google Research 在 AISTATS 2026 上提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests，通过相对距离测试衡量遗忘后模型更接近安全重训模型还是原始受污染模型。
Google DeepMind精选AI 评分6464 Google DeepMind 公布塞拉利昂 AI 辅助数学学习预注册试验结果
Google DeepMind 公布了在塞拉利昂开展的 Guided Learning 预注册试验结果，学生数学成绩相对对照组提升 +0.258 个标准差，约相当于八周内 1.2 至 1.7 年的学习进度；教师将 Gemini 纳入约一半课程（目标 12 小时）的班级提升更大，约 1.8 至 2.5 年。
推荐理由：原文给出了预注册试验的量化结果与开放的教师培训材料，读者可据此评估 AI 辅助教学的实际效果与可复用做法。
Google Research精选AI 评分7070 Google Research 发表 Nature 论文：用智能手机前置摄像头被动监测心率
Google Research 在 Nature 发表论文介绍 PHRM 系统，可在日常使用手机时通过前置摄像头在人脸解锁后拍摄视频，被动估计心率与静息心率，心率 MAPE < 10%，日均静息心率相对可穿戴设备 MAE < 5 bpm。
推荐理由：原文给出了跨肤色非劣性标准与真实场景验证方法，可迁移用于评估rPPG类健康监测模型的公平性。
Hugging Face BlogAI 评分5050 DharmaOCR 论文：用模型自身退化输出做 DPO 拒绝对，五个模型族文本退化率平均降 59.4%
Dharma AI 在 Hugging Face 博客介绍其 DharmaOCR 论文中的方法：在 SFT 之后加一阶段 Direct Preference Optimization (DPO)，把 SFT 模型自己产生的退化重复循环输出作为 rejected 样本、正确转录作为 chosen 样本，在 23,726 份训练文档上用自动 LLM judge 打分构建偏好对。
Mistral AIAI 评分4545 Mistral AI 的 Physics AI 研究成果盘点
Mistral AI 通过收购 Emmi AI 加码 Physics AI，面向航空航天、汽车、半导体和能源等行业构建基础模型。其已发表成果包括 AB-UPT（可在单 GPU 上处理 9M surface 和 140M volume cells 的气动 CFD 模型）、UPT、NeuralDEM、GyroSwin 5D 等，覆盖 CFD、等离子体湍流与工业多物理过程的神经代理模型。
Google Research精选AI 评分7474 Google 开源 ERA 科研工具并发布 Nature 论文，推出 Computational Discovery
Google 发布基于 Gemini 的科研工具 ERA，其论文今日刊于 Nature，同时开始通过 Gemini for Science 更广泛开放由 AlphaEvolve 和 ERA 构建的实验工具 Computational Discovery。
推荐理由：原文列出 ERA 在多个学科基准和五个开放科学问题上的具体结果，读者可据此判断这类工具当前能覆盖的研究范围。
Google DeepMindAI 评分5858 Google DeepMind：Co-Scientist 助力发现肝纤维化重定位药物
斯坦福大学医学院遗传学家 Gary Peltz 的团队在 Advanced Science 发表研究，用 Google DeepMind 的 Co-Scientist 从现有药物文献中筛选可重定位治疗肝纤维化的候选药。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前方法多由外部预设并行结构，模型无法自行决定何时分解任务、开启多少线程。文章重点讨论自适应并行推理，并提及 ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等方法。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 论文：跨区域分布式训练 LLM
Google DeepMind 发表新论文 Decoupled DiLoCo，将大训练任务拆分为解耦的算力岛屿并以异步数据流连接，使局部硬件故障不影响其他部分继续训练。
推荐理由：原文给出了带宽、容错和跨代硬件混训的具体实验结果，可据此评估分布式训练路线的实际可行性。
Google ResearchAI 评分5656 Google Research 发布 ReasoningBank：让智能体从成功与失败经验中学习
Google Research 在 ICLR 论文 ReasoningBank: Scaling Agent Self-Evolving with Reasoning Memory 中提出一种智能体记忆框架，从成功与失败经验中提炼高层推理模式，实现测试时自我进化。
Berkeley AI ResearchAI 评分3232 GRASP：面向世界模型的梯度规划器，让长时程规划更稳健
伯克利 AI 研究团队提出梯度规划器 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，从而让基于学习动力学（世界模型）的长时程规划变得实用。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型梯度脆弱等问题。
Google ResearchAI 评分5050 Google Research 提出 Simula：基于机制设计的合成数据生成框架
Google Research 在 Transactions on Machine Learning Research 发表论文，提出 reasoning-first 的合成数据生成框架 Simula，通过全局多样性、局部多样性、复杂度和质量四个可控轴从第一性原理构建数据集。
Google ResearchAI 评分5454 Google Research 发布 MoGen：用合成神经元形态将脑图谱重建误差降低 4.4%
Google Research 发布论文 MoGen，用合成神经元形态改进 AI 脑图谱重建模型，使重建误差降低 4.4%，在完整小鼠脑尺度相当于节省 157 人年的手工校对工作。
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4545 Google Research 发布 ConvApparel 数据集：量化并弥合 LLM 用户模拟器的真实感差距
Google Research 发布 ConvApparel 数据集，包含服装购物领域 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行为之间的差距。
Google ResearchAI 评分5555 Google Research 发布 PaperVizAgent 与 ScholarPeer 两个学术智能体
Google Research 发布两个面向学术工作流的智能体框架：PaperVizAgent（原名 PaperBanana）用于绘制学术图表，ScholarPeer 用于自动同行评审。
Google ResearchAI 评分5757 Google Research 提出评估 LLM 行为倾向与人类对齐的框架
Google Research 提出一个框架，用情境判断测试（SJT）评估 LLM 行为倾向与人类行为的对齐程度，替代直接套用自陈问卷的做法。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，以及在缺乏共识时无法反映人类意见的多样性。
Google ResearchAI 评分5555 Google Research 研究 AI 评测中每条样本需要多少标注者
Google Research 发布论文《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》，研究评测中标注条目数 N 与每条标注者数 K 的取舍。
Hugging Face BlogAI 评分5858 OpenMed 用 55 GPU-hours 训练覆盖 25 物种的 mRNA 语言模型
OpenMed 构建了从结构预测、序列设计到密码子优化的端到端蛋白 AI 流水线，其中自研的 CodonRoBERTa-large-v2 在密码子级语言建模上取得 perplexity 4.10、CAI Spearman 相关 0.404，显著优于 ModernBERT-base 的 26.24。