Google DeepMind 复盘其 AI 气象模型 WeatherNext 如何帮助美国国家飓风中心（NHC）提前五天以 80% 置信度预测飓风 Melissa 将以 Category 5 强度登陆牙买加，三天前该置信度升至接近 100%，这是首次从 Category 1 风速起报成功预测风暴达到 Category 5 强度。
推荐理由：原文回顾了 WeatherNext 在一次真实飓风中的预测表现与协作过程，读者可据此理解 AI 气象模型如何进入官方预报流程。
Google DeepMind 发布 Gemini 3.5 系列的首款模型 Gemini 3.5 Flash，称其为目前最强的智能体与编码模型，在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）、MCP Atlas（83.6%）等基准上超过 Gemini 3.1 Pro，输出速度是其他前沿模型的 4 倍，成本常低于其一半。
推荐理由：原文给出多项基准分数与速度成本数据，读者可据此判断它在智能体与编码场景中的定位。
Google DeepMind 在 Nature 发表 Co-Scientist 研究，并推出基于 Gemini 的多智能体系统 Hypothesis Generation，面向个人研究者开放注册，将在未来几周内逐步推出。
推荐理由：原文给出了多智能体分工、验证算力占比和多个已落地案例，读者可据此判断它如何嵌入真实科研流程。
Import AI 456 介绍了 Institute for Law & AI 提出的 "radical optionality" AI 监管思路，主张政府现在就投资建设未来可能需要的工具，包括透明度与报告要求、吹哨人保护、模型权重安全加固，并增加 AISI（UK）和 CAISI（US）的经费。
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 发布 AlphaEvolve 一周年影响综述，这一 Gemini 驱动的编码智能体已在多领域落地：基因组学中使 DeepConsensus 变异检测错误降低 30%，电网 AC Optimal Power Flow 可行解求解率从 14% 提升至 88% 以上，自然灾害风险预测准确率提升 5%。
推荐理由：原文按领域梳理了 AlphaEvolve 一年来的落地成果与量化数据，便于读者判断这类算法发现型智能体的实际影响范围。
Import AI 作者 Jack Clark 认为，有 60% 以上的可能到 2028 年底出现无需人类参与的 AI 研发，即前沿模型能自主训练自己的后继版本；若要押注 2027 年，他认为概率约 30%。
Google Research 公布其开放科学生态成果，过去十年发布的开源工具与开放数据集已服务全球超过 250,000 名研究者和开发者。基因组学工具 DeepVariant、DeepConsensus、DeepPolisher 已助力处理 250 万人的外显子组和全基因组数据；神经科学数据集 H01 达 1.4 petabyte，被访问超 20 万次。
Google DeepMind 宣布推出 AI co-clinician 研究计划，探索在医生临床监督下由 AI 智能体辅助患者的三方诊疗模式。在 98 个真实初级医疗查询的盲测中，该系统在 97 例里零关键错误，医生在对照评估中更偏好其回答；在 OpenFDA RxQA 药物问答基准上，开放式提问场景表现超过其他前沿模型。
推荐理由：原文给出了评测方法与具体结果，读者可据此判断该系统当前能力边界与适用场景。
Google Research 介绍了科学家使用 Empirical Research Assistance (ERA) 的四个真实场景：在公共卫生领域，ERA 生成的美国流感。
推荐理由：四个真实场景展示了ERA从预测到机制发现的可迁移用法，便于评估AI辅助科研的实际边界。
Mistral AI 宣布 Workflows 进入公开预览，作为企业 AI 的编排层，提供持久执行、可观测性和容错能力，帮助组织把 AI 流程从概念验证推进到生产。
推荐理由：原文拆解了企业 AI 落地的典型失败模式并给出对应机制，可迁移判断生产化编排层该具备什么。
Google DeepMind 与韩国科学技术信息通信部（MSIT）宣布建立新合作，将在首尔办公室设立 AI Campus，与首尔大学（SNU）、KAIST 及三个 AI Bio Innovation Hubs 等机构协作。
Google Research 宣布该方法已作为 Auto frame 功能的一部分在 Google Photos 上线，可用生成式 AI 在拍照后自动改变相机视角重新构图。
推荐理由：原文拆解了3D估计与生成补全两阶段流程，读者可理解视角重合成如何在保留原内容的同时补出隐藏区域。
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 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。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 合作，推动前沿 AI 在全球企业落地。
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 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 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。
Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型，通过在文本中嵌入自然语言 audio tags 实现对语音风格、语速和表达的细粒度控制。
推荐理由：原文给出了基准分数和开放入口，读者可据此判断其在语音生成上的定位与可用性。
Google Research 与纽约大学合作推出 Vantage，一个面向高中和大学学生的研究实验，通过生成式 AI 在模拟环境中评估批判性思维、协作、创造性思维等未来技能，现已在 Google Labs 提供英文版注册。
Google DeepMind 发布 Gemini Robotics-ER 1.6，作为机器人高层推理模型，可通过 Gemini API 和 Google AI Studio 调用，并原生调用 Google Search、VLA 及第三方函数。
推荐理由：原文说明了仪器读数能力的实现路径，读者可了解具身推理如何结合代码执行解决真实巡检问题。
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 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 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 DeepMind 发布 Gemma 4 开源模型系列，采用 Apache 2.0 许可，包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，主打推理与智能体工作流。
推荐理由：原文给出了各尺寸的硬件适配与开源许可细节，读者可据此判断本地部署和微调的可行路径。
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。
Mistral AI 发布 CLI 工具 Spaces，用三条命令即可从零跑起带热重载、数据库和 Dockerfile 的多服务项目。
Google Research 发布白皮书，更新了用 Shor 算法破解 ECDLP-256 所需的量子资源估算：两套量子电路分别只需少于 1,200 逻辑量子比特和 90 million Toffoli 门。
推荐理由：原文给出的资源估算降幅和零知识证明披露方式，可帮助读者理解量子威胁的紧迫程度与负责任披露的可行做法。
Google DeepMind 发布由 Gemini 驱动的实验性 AI 指针，提出四条交互原则：保持工作流不被打断、指哪看哪捕捉视觉与语义上下文、用“这个/那个”等自然简写替代冗长提示词、把像素转化为可交互的结构化实体。
Google Research 宣布推出 Vibe Coding XR 工作流，结合 Gemini 与开源的 XR Blocks 框架，把自然语言直接转化为具备物理感知的 Android XR 应用，60 秒内即可完成。
Google Research 推出压缩算法 TurboQuant（将在 ICLR 2026 发布），通过 PolarQuant 与 QJL 两项技术在零精度损失下大幅压缩模型体积，消除传统向量量化的内存开销。
Google Research 在 Google Earth AI 计划下推出自监督框架 S2Vec，通过 S2 Geometry 分区将建成环境栅格化为多层图像，再用 masked autoencoding（MAE）学习通用嵌入向量，无需人工标注即可预测人口密度、中位收入等指标。
Mistral AI 发布首款文本转语音模型 Voxtral TTS，参数量 4B，基于 Ministral 3B 构建，支持 9 种语言（英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语、阿拉伯语）的自然情感语音生成。
推荐理由：原文给出了架构组成、延迟数据和与 ElevenLabs 的人工评测对比，读者可据此判断其在语音智能体场景的可用性。
Google Research 在 The Check Up 活动上介绍了其医疗 AI 最新进展，涵盖个性化健康、临床协作、开发者生态、公共卫生与生物医学发现多个方向。
Google Research 与多家 NHS 机构合作开展 AIMS 研究，在 Nature Cancer 发表两项研究评估 AI 乳腺癌检测系统。
推荐理由：研究给出了AI作为第二读片人的具体读片量与时间节省数据，可帮助评估其在筛查流程中的实际落地空间。
Mistral AI 推出 Forge，帮助企业用自有专有知识训练前沿级 AI 模型，已与 ASML、Ericsson、European Space Agency 等机构合作。Forge 支持预训练、后训练和强化学习，兼容 dense 与 MoE 架构及多模态输入，并可由 Mistral Vibe 这类自主 agent 用自然语言完成微调、超参搜索与合成数据生成，同时监控指标防止基准回退。
Mistral AI 宣布发布 Mistral Small 4，这是首个将 Magistral 推理、Pixtral 多模态与 Devstral 智能体编码能力统一到单一模型中的 Mistral 模型，采用 Apache 2.0 许可开源。
推荐理由：原文给出了架构参数与延迟吞吐数据，读者可据此评估其替代多模型组合的可行性。
Mistral AI 宣布成为 NVIDIA Nemotron Coalition 创始成员，与 NVIDIA 计划结合自身模型架构、全栈 AI 平台与 NVIDIA 的算力、模型开发工具及合成数据生成管线，共同开发开源前沿模型。
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。