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。
#论文/研究
OpenAI NewsAI 评分2929 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。
Google Research精选AI 评分7272 Google Research 白皮书称量子计算机破解椭圆曲线加密所需物理量子比特减少约 20 倍
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精选AI 评分6262 Google DeepMind 发布首个经实证验证的 AI 有害操纵测量工具包
Google DeepMind 发布关于 AI 有害操纵的研究，称已建立首个经实证验证、可在真实世界测量此类操纵的工具包，并公开了复现人类被试研究所需的全部材料。
推荐理由：研究给出了跨领域实测数据，说明AI操纵能力在不同高风险场景间不可迁移，为针对性评估提供了依据。
Google ResearchAI 评分4444 Google Research 推出 TurboQuant：以极端压缩重新定义 AI 效率
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精选AI 评分7474 Google Research 与 NHS 合作发表乳腺癌筛查 AI 研究
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。
Google DeepMindAI 评分5757 Google DeepMind 发布 AGI 认知能力分类论文并联合 Kaggle 推出评测黑客松
Google DeepMind 发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》，提出包含感知、生成、注意、学习、记忆、推理、元认知、执行功能、问题解决、社会认知在内的 10 项关键认知能力分类，并给出三阶段评测协议：用保留测试集评估 AI、采集人口代表性成人基线、将 AI 表现映射到人类表现分布。
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。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。
Google Research精选AI 评分7474 Google Research 发布 AMIE 在真实门诊的前瞻性临床可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作，发布了对话式诊断 AI 系统 AMIE 的前瞻性单中心临床可行性研究结果。
推荐理由：研究给出了 AMIE 在真实门诊流程中的安全与诊断表现数据，可帮助读者评估对话式医疗 AI 的落地现状与局限。
Google ResearchAI 评分5555 Google Research 论文：用贝叶斯示范微调让 LLM 学会概率推理
Google Research 在论文《Bayesian teaching enables probabilistic reasoning in large language models》中，通过监督微调让 LLM 模仿贝叶斯助手的预测来学习概率推理。
OpenAI NewsAI 评分2121 GPT-5.2 Pro 协助推导量子引力中的引力子树图振幅
一篇新预印本将单负振幅（single-minus amplitudes）推广到引力子，GPT-5.2 Pro 协助推导并验证了量子引力中非零的引力子树图振幅。
Hugging Face BlogAI 评分5757 IBM 与 UC Berkeley 用 IT-Bench 和 MAST 诊断企业智能体失败原因
IBM Research 与 UC Berkeley 合作用 MAST 失败分类法分析 ITBench 的 310 条 SRE 执行轨迹，把原始日志转成结构化失败签名。
OpenAI NewsAI 评分4545 OpenAI 与 Paradigm 推出 EVMbench 智能合约漏洞评测基准
OpenAI 与 Paradigm 联合推出 EVMbench，用于评测 AI 智能体检测、修补和利用高危智能合约漏洞的能力。该基准面向智能合约安全场景，衡量 AI 智能体在漏洞发现与修复任务上的表现。