跳到正文
11月14日周六
11月13日周五
  1. Microsoft Research43

    Microsoft Research Focus 第 98 期:通用翻译、数学猜想、AI 编程智能体与多语言 tokenization 进展

    Microsoft Research Focus 第 98 期聚焦通用翻译、31 年 KLS 猜想破解、AI 编程智能体效率与 104 种语言的 tokenization。APEC 可让 AI 编程智能体在后台准备摘要,评测中编码性能提升、成本最多降低 25.4%、执行时间减少 9.6%;LCT 则在保持相近效率的同时提升四个多语言 benchmark 表现。

11月12日周四
  1. Google Research71

    Google Research 提出基于可穿戴设备的 CKM 风险画像与个性化健康指导框架

    Google Research 发布研究原型,利用可穿戴设备、机器学习世界模型和语言模型智能体,为心血管、肾脏与代谢综合征(CKM)风险提供个性化指导。框架包含基于可改变行为的可指导健康年龄模型 SensorWM,以及生成未来 12 周“什么-if”健康轨迹的模拟系统,并用临床医生审核的方案形成渐进式指导。

    推荐理由:原文把可穿戴设备数据、健康年龄与反事实模拟串成闭环,并提供多队列验证及专家盲评结果,便于判断该框架的证据基础。

11月11日周三
  1. Google DeepMind66

    Google DeepMind 发布 AlphaGenome 2 DNA 序列模型

    Google DeepMind 发布 AlphaGenome 2,用于预测 DNA 序列及其变异对特定人类细胞类型的影响。模型基于超过 107 million 个细胞档案和 68 种组织训练,在 TenK10K 数据集上识别出的因果变异比例由 16% 提升至 30%,方向性基因效应由 23% 提升至 43%。

    推荐理由:AlphaGenome 2将DNA变异预测细化到具体细胞类型,并公开细胞条件化与跨模态预测能力,方便研究者比较其疾病相关预测效果。

11月10日周二
  1. Google DeepMind86

    Google DeepMind 发布 AlphaProof Code 深度验证 Signal 加密协议

    Google DeepMind 发布 AlphaProof Code,以多 LLM 智能体形式化验证 Signal 核心加密协议的实际代码。该框架由人类定义安全目标并审核规格,Gemini Carbon 驱动的智能体生成逾 600 万行 Lean 证明,Lean 自动检查结果供专家复核。

    推荐理由:材料展示多 LLM 智能体如何形式化验证 Signal 加密协议,并提供 Lean 检查、缺陷复测与开源验证产物等可核查细节。

  2. Google DeepMind74

    Google DeepMind 开放 SatWeave 与 PARDIG 天气数据集

    Google DeepMind 发布 SatWeave 和 PARDIG,为天气、水文和气候应用提供历史档案与实时数据流。SatWeave 融合 6 颗静止卫星的观测,形成覆盖 17 个通道、按小时更新的全球影像;PARDIG 基于 AI 生成约 10-kilometer 分辨率的全球降水数据,时间分辨率为 15 分钟,平均延迟约 5 小时。

    推荐理由:两套开放数据集分别统一卫星观测和生成全球降水图,为新的天气应用提供了可复用的数据基础。

11月9日周一
11月6日周五
  1. Google Research64

    Google Research 发布 AI-PPG-ACC-HTN 智能手表高血压检测研究

    Google Research 团队提出多模态 AI 系统 AI-PPG-ACC-HTN,可利用消费级智能手表被动检测高血压迹象,无需传统袖带校准。研究通过 5 个美国临床点、196 名参与者,并以 24 小时动态血压监测为金标准验证;初筛敏感度为 65.8%、特异度为 90.0%,复检敏感度为 78.4%、特异度为 90.9%、阳性预测值为 96.7%。

    推荐理由:研究以临床金标准验证了无需袖带校准的智能手表高血压筛查方案,并提供两阶段模型与关键指标。

  2. Microsoft Research71

    Microsoft Research 用 PDD Kit 形式化验证智能体编写的全栈 Web 应用

    Microsoft Research 与 GitHub Next 推出研究原型 PDD Kit,将用户意图转换为 Verus 形式化规范,约束编码智能体生成的代码,并在无法证明的部分回退到测试。

    推荐理由:文章以完整登录流程展示形式化验证如何约束智能体生成代码,并明确区分可证明部分、信任边界与测试覆盖。

11月5日周四
  1. Google Research62

    Google Research 提出并开源 Agile Deliberation 框架

    Google Research 提出 Agile Deliberation,将主观视觉分类器的定义过程设计为概念界定与迭代两个阶段。框架利用视觉语言模型主动呈现边界样本,把用户反馈接入自动提示词优化,并通过 18 次、每次 1.5 小时的真实用户实验测试 Healthy Food 与 Pay-to-Play 两类任务。

    推荐理由:文章用真实用户实验说明迭代式人机协作如何细化主观分类边界,并开放了实现代码。

10月30日周五
10月28日周三
  1. Google Research60

    Google Research 提出 LLM 持续学习 sleep 框架

    Google Research 提出 sleep 框架,让 LLM 在主动交互与离线记忆巩固之间周期切换,将短期上下文巩固为长期参数并减少灾难性遗忘。框架包含参数扩展、知识播种、突触剪枝和自主做梦机制,在 BABILong 上支持扩展至 10M tokens,并在 AIME 24/25、HMMT 25 上分别取得 79.2%、69.0% 和 46.1% 的准确率。

    推荐理由:框架将主动交互与离线记忆巩固交替,并用多类基准验证长期知识留存和复杂推理表现。

10月24日周六
10月22日周四
  1. Microsoft Research62

    Microsoft Research与合作者证明KLS猜想

    Microsoft Research研究者Xinzhi Zhang与合作者证明KLS猜想,建立了与维度无关的对数凹分布几何原则。研究团队通过研究者主导的智能体搜索探索100余条路径,递归改进数学界,并最终完成证明;该结果还获得多项独立证明和Lean 4形式化验证。

    推荐理由:文章交代了KLS猜想证明的关键递归方法、AI参与方式及独立验证,可用于理解人机协同研究复杂数学问题的路径。

10月17日周六
  1. Google Research77

    Google Research 提出面向自主湿实验室的 AI 智能体研究框架

    Google Research 展示 VERID 框架及三项研究,让 AI 智能体能够在湿实验室中执行实验、读取反馈并迭代设计分子。VERID 以实验室工作单元的语义数字孪生追踪设备、试剂和孔位状态,在执行前检查碰撞、耗尽孔位等风险。

    推荐理由:文章展示 VERID 框架和闭环实验如何让 AI 智能体在物理实验室中安全执行并优化分子设计流程。

10月15日周四
10月5日周一
  1. GitHub Blog · AI & ML70

    GitHub 发布开放 AI 代码审查基准 ReviewBench

    GitHub 发布研究预览版开放基准 ReviewBench,用于统一评估 AI 代码审查智能体。基准包含 219 个公开拉取请求,覆盖 19 种语言,并提供六项指标、公共排行榜及自托管评测工具。其黄金集由多来源发现、人工标注和 Claude Sonnet 5 评审构建,资深工程师独立复核的一致率为 96.6%;GitHub 称该基准的离线评测方向与生产实验一致。

    推荐理由:ReviewBench公开了数据、评分方法与提交流程,便于团队在统一条件下比较代码审查智能体并复现实验结果。

7月26日周日
5月8日周五
  1. Berkeley AI Research60

    Berkeley AI Research 综述自适应并行推理的推理扩展范式

    Berkeley AI Research 综述自适应并行推理(APR),让模型在推理时自主决定何时分解任务、启动多少线程及如何协调。文章比较 ParaThinker、GroupThink、Hogwild!

    推荐理由:文章系统梳理了让模型按问题难度动态决定并行度的研究路线,并比较推理引擎改造与客户端编排两类实现取舍。

4月20日周一
  1. Berkeley AI Research49

    Berkeley AI Research 提出 GRASP:面向长时程世界模型的梯度规划方法

    Berkeley AI Research 提出 GRASP,一种用于学习型世界模型的梯度规划器,旨在提升长时程规划的稳定性与实用性。该方法将轨迹提升至虚拟状态以并行跨时间优化、向状态迭代加入随机性促进探索,并重塑梯度以获得更清晰的动作信号、规避高维视觉模型中脆弱的“状态输入”梯度。

3月13日周五
  1. Berkeley AI Research55

    Berkeley AI Research提出SPEX与ProxySPEX大规模LLM交互归因方法

    Berkeley AI Research提出SPEX与ProxySPEX,用于在规模化LLM分析中识别关键交互。方法利用稀疏性、低度性和层级结构,以较少消融实验支持特征、数据及模型组件归因,ProxySPEX约以10x更少消融实验达到SPEX的性能。两者代码已集成至SHAP-IQ仓库,相关论文分别发表于NeurIPS 2025和ICML 2025。