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、文献与实验的交互式 harness 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，从缩小搜索空间到选出候选化合物仅用一个周末，湿实验验证中排名最高的化合物产生了最大的预期细胞状态转变。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环，读者可了解 AI 参与药物发现的具体流程与验证结果。
Hugging Face 发布论文 ProvenanceGuard，一种面向 MCP 智能体的生成后验证层，可区分"事实有据"与"来源归属正确"，专门检测把某来源的事实错误归到另一来源的跨来源混淆。在 281 条医疗智能体真实 trace 上，专家判定应拦截的 139 条声明中它拦下 138 条，来源识别准确率约 86%，并在与四种支持性检查器的对比中取得最高分。
Google 研究团队发布 AI video co-director 等多智能体框架，在 Gemini 和 Veo 之上编排多镜头长视频生成，缓解语义漂移与级联失败。
推荐理由：Google 把长视频生成拆成四个可组合的智能体框架，读者可了解多镜头一致性的具体解法与评测基准。
微软研究院对移动机器人操作负载的系统性测量显示，把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务表现并延长续航。
推荐理由：微软对机器人推理负载的系统性测量显示，把推理从机载 GPU 卸载到边缘或云端可提升任务成功率与续航，并给出可复用的 Kubernetes 工具链。
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 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 Research 发布研究实验，让教师借助生成式 UI（GenUI）创建贴合课程目标的互动教学模拟，并开放 30 多个面向中学 STEM 的英文学习互动示例库。
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 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 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。
Hugging Face 与 Allen AI 介绍 BenchMIRT，一种在单条题目层面审计 LLM 评测基准的方法，基于多维 IRT（MIRT）估计模型在各能力维度上的强度与每道题的难度和区分度。
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%。
Google Research 发布 TimesFM-3，一个原生支持多变量预测的时间序列基础模型，参数量 330 million，在超过 1 trillion time points 的真实与合成语料上预训练，可在单次前向推理中完成预测。
Google Research 推出自监督连续血糖监测（CGM）基础模型 GlucoFM，采用双流设计分离慢速血糖趋势与短期偏差。在 4 个队列、7 项临床预测任务共 14 项评测中，其平均 PR-AUC 达 58.8，较同语料预训练的 GluFormer 最优变体高 5.8 个百分点。
Google Research 在 CHI 2026 发布研究原型 AgentHands，为 Android XR 等沉浸式平台的 AI 智能体生成与语音同步的共语手势，将 LLM 的高层推理映射为实时手部动作。
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。
Google Research 提出 ME-POIs 框架，将匿名移动模式作为输入特征融入语言模型的地点表示，在未见地点上将访问意图预测相对提升 81.9%、价格等级分类提升 75.1%、繁忙度估计准确率提升 24.7%。该框架通过访问对齐、空间多尺度访问传播和文本-移动性协同三步流程，将 Gemini 等模型的语言嵌入与移动性向量对齐，并用邻近繁忙地点的访问模式缓解数据稀疏的长尾问题。
Hugging Face 发布研究，提出三种测试来量化语音识别中的基准优化（benchmaxxing）现象，并评测了 11 个广泛使用的开源 ASR 模型。
推荐理由：研究给出三种可量化探测方法与具体数据，读者可据此理解公开语音基准分数虚高的机制并改进自己的评测选择。
Google Research 推出研究性深度学习框架 PhotoScan，可直接从标准 2D 智能手机照片估算体脂率（BF%）、A/G 比率和 V/S 比率等三维身体成分指标。
Hugging Face 与 alphaXiv 于 7 月 15 日至 8 月 2 日举办 ICML 2026 Open Reproductions 挑战，1,221 名社区成员自带编码智能体，在 19 天内发布 6,816 个 Trackio logbook，尝试复现 2,226 篇论文（占会议 34%），共判定 35,908 条 claim。
推荐理由：原文用 2,226 篇论文的复现数据给出可复现性分布，并归纳出人类在智能体科研中的新角色定位。
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭、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，当前模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，图像与视频生成工具也难以在动作序列中稳定保持拓扑关系。
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。
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。
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。
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架及 Science One Framework 原型，通过 Problem investigator、Discovery engine、Paper writer 与 Claim verifier 三模块在生成时构建证据链。
Microsoft Research 发布 Echoverse，一套面向计算机使用智能体的深度可演化训练环境，包含十个深度领域世界和两个能力世界，并开源其中四个世界的代码、数据与数据库接地验证器。
推荐理由：原文用对照实验说明深度与多样性比环境数量更能带来迁移，可为构建计算机使用智能体训练环境提供方法参考。
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。
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 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 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 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 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 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%。
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。
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 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。
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 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）。
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。
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。