Google Research 解读 ReasoningBank：让智能体从成功与失败经验中学习
Google Research 在 ICLR 论文中介绍 ReasoningBank，将智能体的成功与失败经验提炼为结构化推理记忆，以支持测试时自我演进。
全部AI 动态
全部动态
今日 63 条Google ResearchAI 评分5252
Google DeepMindAI 评分4343 Google DeepMind 携手行业领军企业，加速 AI 转型
Google DeepMind 与埃森哲、贝恩、BCG、德勤和麦肯锡合作，帮助企业规模化采用前沿 AI。合作伙伴将提前获得 Gemini 系列等前沿模型的访问权限，并直接与技术团队协作，开发行业专用 AI 解决方案。合作还将连接其领导层与客户 CEO 及董事会，帮助企业规划前沿 AI 的应用。
Berkeley AI ResearchAI 评分4848 GRASP：面向世界模型长时域规划的梯度方法解析
GRASP 是面向已学习世界模型的梯度规划器，通过改造优化过程，让长时域规划更具实用性与鲁棒性。它引入虚拟状态以跨时间并行优化，在状态迭代中加入随机性以促进探索，并重塑梯度，让动作获得清晰信号，避免高维视觉模型中脆弱的状态输入梯度。
Google ResearchAI 评分4949 Google Research 的 Simula 如何从第一性原理出发，以机制设计构建真实场景合成数据集
Google Research 的 Simula 以推理优先、无需种子数据的方法构建完整合成数据集，可分别控制覆盖、多样性、复杂度与质量。研究以 Gemini 2.5 Flash 为教师、Gemma-3 4B 为学生，在五个领域评估，完整系统均优于简化基线。提高数据复杂度有益于数学推理，却损害法律推理表现，数据设计需适配模型能力。
Google ResearchAI 评分4949 Google Research 用 AI 生成的合成神经元加速脑图谱绘制
Google Research 利用 MoGen 生成合成神经元形态，将 PATHFINDER 的神经元重建错误率降低了 4.4%。训练数据中加入 10% 的模拟数据后，改善主要来自错误合并减少；按完整小鼠脑规模估算，可节省相当于一名专家 157 年的人工校对工作。MoGen 已作为开源模型发布。
Google DeepMind精选AI 评分7373 Google 发布 Gemini 3.1 Flash TTS，以音频标签增强语音表达控制
Google 发布文本转语音模型 Gemini 3.1 Flash TTS，新增音频标签，可通过文本中的自然语言指令精细控制声音风格、语速和表达方式。模型原生支持多说话人对话及超过 70 种语言，在 Artificial Analysis TTS 排行榜获得 1,211 Elo，所有生成音频均嵌入 SynthID 水印。
推荐理由：音频标签把语气、语速和句中表达变化纳入文本输入控制，为多角色对话与本地化语音应用提供了更细粒度的创作方式。
Google Research精选AI 评分6161 Google Research 探索用 Vantage 生成式 AI 模拟环境评估面向未来的技能
Google Research 与纽约大学合作开发研究实验 Vantage，通过 AI 模拟团队对话评估学生面向未来的技能，英文版现已在 Google Labs 开放注册。
推荐理由：通过主动引入冲突等情境来收集技能表现，再用同一量规评价对话，为难以标准化测量的协作能力提供了可借鉴的评估路径。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini Robotics-ER 1.6，增强具身推理与仪表读数能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人空间推理、多视角理解和任务完成检测，并新增仪表读数能力。官方称其相关能力较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 改善，仪表读数结合视觉推理、图像放大、点位标注与代码执行，可处理压力表、液位计等设施巡检场景。
推荐理由：多视角任务完成判断与仪表读数案例，把具身推理的改进落到机器人重试决策和设施巡检这两个具体应用环节。
Google ResearchAI 评分5050 ConvApparel：衡量并缩小用户模拟器的真实性差距
Google Research 的 ConvApparel 数据集与评估框架用于衡量大语言模型用户模拟器与真实用户行为的差距。数据集包含超过 4,000 段服装购物对话、近 15,000 轮交互，参与者被随机分配给有帮助或刻意不配合的 AI 智能体。框架结合群体统计、类人评分与反事实验证，检验模拟器面对陌生情境时的反应是否可信。
Google ResearchAI 评分4646 Google Research 推出 PaperVizAgent 和 ScholarPeer：用 AI 智能体改进学术绘图与同行评审
Google Research 推出 PaperVizAgent 和 ScholarPeer，分别用于生成学术图表和自动评审论文。PaperVizAgent 在经人类图表校准的 LLM 评测中总分为 60.2，超过设定的人工基线 50.0。ScholarPeer 结合网络文献检索与技术主张核验，在并排评测中优于先进自动评审方案。
Google Research精选AI 评分6262 Google Research 评估 25 个 LLM 的行为倾向与人类偏好对齐程度
Google Research 提出行为倾向评估框架，对 25 个 LLM 的分析发现，模型既会偏离人类共识，也未充分体现意见分歧。研究将心理问卷转化为现实情境判断测试，每个情境收集 10 名标注者的行动偏好，并与模型回答分布比较；在人类意见分歧较大的情境中，所有受测模型均表现出系统性过度自信。模型自报倾向与情境中的建议行为也存在差异，例如自称低冲动性，却给出偏向冲动的建议。
推荐理由：将心理问卷转化为情境判断测试，为区分模型自述倾向与实际建议行为提供了可迁移的评估路径，而不只依赖自报答案。
Google DeepMind精选AI 评分8787 Google DeepMind 推出 Gemma 4，以 Apache 2.0 许可开放四种尺寸模型
Google DeepMind 发布 Gemma 4 开放模型系列，采用 Apache 2.0 许可，提供 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，面向高级推理与智能体工作流。
推荐理由：不同尺寸对应的硬件要求、上下文窗口与模态差异，为开发者在端侧离线运行和工作站部署之间选型提供了具体依据。
Google ResearchAI 评分5050 Google Research 研究如何构建更可靠的 AI 基准：多少名评分者才够？
Google Research 的研究发现，AI 基准每项仅用 1、3 或 5 名评分者往往不足，可靠评估通常需要每项超过 10 名评分者。
Mistral AIAI 评分5959 Mistral AI 解读 Spaces CLI 如何同时服务开发者与智能体
Mistral AI 分享内部平台工具 Spaces CLI 的设计实践，通过非交互参数、结构化数据和显式状态支持开发者与编码智能体。工具为交互输入提供对应参数，以插件注册表统一组件信息，并在初始化时生成 context.json 和 AGENTS.md，提供项目状态与操作规则。
Google DeepMind精选AI 评分7373 Google DeepMind 探索 AI 时代的鼠标指针，将 Gemini 交互融入 Chrome 与 Googlebook
Google DeepMind 展示由 Gemini 驱动的实验性 AI 指针，并将相关交互原则用于 Chrome 和 Googlebook。其设计结合指向位置、视觉与语义上下文及语音，让用户用“这个”“那个”等简短表达提出请求，实验演示可在 Google AI Studio 体验。
推荐理由：将指向位置、视觉上下文与语音结合的交互设计，为减少用户在不同应用间搬运内容和编写详细提示词提供了具体思路。
Google ResearchAI 评分5959 Vibe Coding XR：借助 XR Blocks 与 Gemini 加速 AI + XR 原型开发
Google 宣布 Vibe Coding XR 工作流，结合 Gemini 与基于 Web 的 XR Blocks 框架，称可在不到 60 秒内将自然语言转为具备物理交互能力的 Android XR 应用。
Google ResearchAI 评分5151 Google Research 介绍 TurboQuant：以极致压缩提升 AI 效率
Google Research 介绍向量压缩算法 TurboQuant，在 Gemma 和 Mistral 的测试中将 KV cache 量化至 3 bits，无需训练或微调且不损失模型准确率。
Google ResearchAI 评分4343 绘制现代世界地图：S2Vec 如何学习城市的语言
Google Research 的 S2Vec 通过自监督学习生成建成环境的通用嵌入向量，用于预测人口密度等地理指标。它将地理特征栅格化，再以掩码自编码学习空间关系，无需人工标签。评测中，其在零样本地理适应任务上通常是表现最佳的单一模型，但树木覆盖、海拔等环境任务仍需改进。
Mistral AI精选AI 评分7373 Mistral 发布 Voxtral TTS：4B 参数语音生成模型，支持 9 种语言
Mistral 发布文本转语音模型 Voxtral TTS，以 4B 参数支持 9 种语言的情感表达语音生成及零样本跨语言声音适配。官方称，在输入 10 秒声音样本和 500 个字符的典型条件下，模型延迟为 70ms；其人类评估显示，自然度优于 ElevenLabs Flash v2.5，音频质量与 ElevenLabs v3 相当。
推荐理由：原文将语音自然度的人类评估与具体输入条件下的延迟并列呈现，为企业权衡语音智能体的表达质量与响应速度提供了参考。
Google ResearchAI 评分5757 Google Research 在 The Check Up 展示医疗 AI 从研究走向真实诊疗场景的进展
Google Research 在今天的 The Check Up 活动中汇总医疗 AI 研究进展，涵盖个性化健康、临床辅助、开发者模型、公共卫生与生物医学发现。
Google Research精选AI 评分7171 Google Research 研究如何用机器学习改善乳腺癌筛查流程
Google Research 与 NHS 合作的两项 AIMS 研究显示，AI 独立阅片可提高乳腺癌检出能力，参与双阅片流程后的表现不劣于传统流程。发表于 Nature Cancer 的研究中，独立 AI 的癌症检出率从每 1,000 名女性 7.54 例提高至 9.33 例；以 AI 担任第二阅片者的研究估计可减少 46% 的人工阅片次数及 36–44% 的阅片时间。
推荐理由：两项研究区分了模型独立检出能力与人机协作后的实际表现，为评估医疗人工智能提供了兼顾工作量和仲裁误判的视角。
Mistral AIAI 评分5151 Mistral AI 推出 Forge，支持企业用自有知识训练定制模型
Mistral AI 推出 Forge，让企业基于专有数据构建并持续改进模型，支持预训练、后训练和强化学习。系统支持稠密与 MoE 架构及多模态输入，企业可在自身基础设施环境中运行模型，并使用内部基准、合规规则和领域任务进行评估。Mistral Vibe 等自主智能体可借助 Forge 微调模型、寻找最优超参数、调度任务和生成合成数据，Forge 则负责基础设施并监控相关基准是否出现性能退化。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4，整合推理、多模态与智能体编码能力
Mistral 发布 Mistral Small 4，以 Apache 2.0 许可开放，将推理、多模态和智能体编码能力整合进单一模型。该模型采用 MoE 架构，总参数为 119B，每个 token 激活 6B 参数（计入嵌入与输出层为 8B），支持 256k 上下文窗口、文本与图像输入，并可通过 reasoning_effort 调节推理强度。
推荐理由：将可调推理、图像输入与编码能力放进同一开放模型，为需要兼顾多类任务与部署效率的团队提供了减少模型切换的选型思路。
Mistral AIAI 评分5353 Mistral AI 与 NVIDIA 合作，计划共同开发前沿开源模型
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，并计划与 NVIDIA 共同开发前沿开源 AI 模型。Mistral AI 将贡献模型架构、训练技术、多模态能力及微调工具，NVIDIA 提供算力、模型开发工具和合成数据生成流水线。
Google ResearchAI 评分4646 Google Research 评测 LLM 回答超导研究问题的能力
Google Research 与康奈尔大学评测了 6 个 LLM 系统回答高温超导研究问题的能力，NotebookLM 与定制 RAG 系统总体表现领先。专家围绕 67 道问题进行盲评，两个领先系统均依赖经过质量控制的资料库。所有受测系统仍有改进空间，NotebookLM 的证据支持得分最高，但回答最不简洁。
Mistral AI精选AI 评分6464 Mistral AI 发布 Leanstral：面向 Lean 4 的开源编码与形式化证明模型
Mistral AI 发布 Leanstral-120B-A6B，面向 Lean 4 形式化仓库任务，以 Apache 2.0 许可开放权重，并接入 Mistral Vibe。
推荐理由：基于真实形式化仓库任务的评测同时列出得分与运行成本，为比较专用模型和通用编码智能体的证明工程取舍提供了依据。
Berkeley AI ResearchAI 评分4949 SPEX 与 ProxySPEX 如何大规模识别大语言模型中的交互作用
SPEX 与 ProxySPEX 利用稀疏恢复识别大语言模型中的关键交互作用，将可分析规模较以往方法提升数个数量级。ProxySPEX 进一步利用交互的层级结构，以约十分之一的消融次数达到 SPEX 的表现。情感分析测试中，SPEX 在输入扩展至数千个特征时仍保持较高归因忠实度。
Google Research精选AI 评分7272 Google 利用 AI 驱动的城市突发洪水预测保护城市
Google 在 Flood Hub 推出城市突发洪水预测，利用 AI 方法提前最多 24 小时预测城市地区的突发洪水风险。系统使用 Gemini 从公开新闻报道中提取洪灾时间与地点，形成 Groundsource 数据集，并结合全球气象数据训练采用 LSTM 单元的 RNN 模型。
推荐理由：利用新闻报道补足历史洪灾记录的做法，为缺乏传感器数据地区构建预警系统提供了参考，也呈现了数据覆盖对评估的限制。
Google Research精选AI 评分7171 Google Research 推出 Groundsource，利用 Gemini 将新闻转为洪灾历史数据
Google Research 推出 Groundsource 方法，利用 Gemini 从新闻提取洪灾信息，并开放包含 2.6 million 条历史事件记录、覆盖超过 150 个国家的数据集。
推荐理由：新闻记录可补充传统监测容易遗漏的局地短时洪灾，为历史数据稀缺地区的预测模型训练与验证提供另一类数据来源。
Google Research精选AI 评分6868 Google Research 探索 AMIE 对话式诊断 AI 在真实临床研究中的可行性
Google Research 与 Beth Israel Deaconess Medical Center 开展 AMIE 单中心前瞻性可行性研究，100 名成人患者在医生实时监督下完成诊前文字问诊，未触发安全停止。
推荐理由：研究将诊前问诊置于医生实时监督的真实流程中，并区分可行性与临床疗效，为理解医疗对话系统的评估边界提供具体参照。
Mistral AIAI 评分5959 Mistral 如何用 Vibe 构建自动编写 Rails 测试的智能体
Mistral 基于 Vibe 构建了自动生成和改进 Rails RSpec 测试的智能体，在包含 275 个源文件的代码库实验中实现测试通过率和平均行覆盖率均为 100%。
Mistral AI精选AI 评分7575 Mistral AI 发布 Voxtral Transcribe 2，覆盖批量与低延迟实时语音转写
Mistral AI 发布 Voxtral Transcribe 2，包括批量转写模型 Voxtral Mini Transcribe V2 和实时模型 Voxtral Realtime，均支持 13 种语言。
推荐理由：批量版的错误率与定价、实时版的延迟与开放权重条件，为语音工作流在成本、响应速度和部署方式之间的取舍提供了具体参照。
Mistral AI精选AI 评分6969 Mistral Vibe 2.0 发布，新增自定义子智能体与斜杠命令技能
Mistral 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选澄清、斜杠命令技能、统一智能体模式及自动更新。
推荐理由：自定义子智能体、执行前澄清与权限模式组合，为团队把终端编码自动化适配到具体任务和既有工作流程提供了可配置路径。
Mistral AIAI 评分4343 堆也会骗人：Mistral AI 排查 vLLM 内存泄漏
Mistral AI 排查 vLLM 内存泄漏，发现堆内存保持稳定，泄漏发生在堆之外。问题出现在启用图编译、使用 NIXL 的预填充与解码分离部署中，涉及 Mistral Medium 3.1，且仅在解码侧观察到。Heaptrack 未捕获泄漏，但测试前后的峰值 RSS 差异揭示了堆分析工具的观测盲区。
Berkeley AI ResearchAI 评分4848 Berkeley AI Research：信息驱动的成像系统设计
Berkeley AI Research 研究团队提出基于信息量评估与优化成像系统的框架，设计效果可媲美先进端到端方法。该方法仅用含噪测量和噪声模型估计互信息，在彩色摄影、射电天文学、无透镜成像和显微成像中均能预测下游性能。优化设计所需内存和计算更少，无需设计任务专用解码器。
Mistral AI精选AI 评分6666 Mistral AI 发布 Mistral OCR 3，提升手写、扫描件与复杂表格识别能力
Mistral AI 发布 Mistral OCR 3，官方称其在表单、扫描文档、复杂表格和手写内容上的整体胜率较 Mistral OCR 2 达到 74%。模型支持提取文本与嵌入图像，输出带 HTML 表格结构的 Markdown，价格为 $2 per 1,000 pages，Batch-API 提供 50% 折扣后为 $1 per 1,000 pages。
推荐理由：对文档处理流程而言，表格结构保留、批量价格与向后兼容信息提供了具体依据，可用于评估升级成本和接入方式。
Mistral AI精选AI 评分8080 Mistral AI 发布 Devstral 2 编码模型系列与 Mistral Vibe CLI
Mistral AI 发布 Devstral 2（123B）与 Devstral Small 2（24B）编码模型，并推出支持端到端代码自动化的开源助手 Mistral Vibe CLI。
推荐理由：两种规模模型的基准成绩、许可差异与硬件要求提供了具体选型依据，可用于权衡编码智能体的性能需求和本地部署条件。
Mistral AI精选AI 评分8080 Mistral 发布 Mistral 3，涵盖 Large 3 与 3B、8B、14B 小模型
Mistral 发布 Mistral 3 系列，包括 3B、8B、14B 的 Ministral 3，以及激活参数为 41B、总参数为 675B 的混合专家模型 Mistral Large 3，均采用 Apache 2.0 许可证。
推荐理由：从端侧稠密模型到大型混合专家模型均采用宽松许可证，并给出压缩格式与硬件部署条件，为不同资源预算下的模型选型提供参考。
Mistral AIAI 评分4444 Mistral AI：面向德国的 AI
Mistral AI 扩大对德国的长期投入，与 SAP 和 Helsing 推进战略合作，并计划在未来几个月开设德国办公室、扩充当地团队。与 SAP 的多年合作将打造面向德国和欧洲的主权 AI 技术栈，将模型整合至 SAP AI Foundation；与 Helsing 的合作将加速开发用于国防与安全的视觉-语言-动作模型。
Berkeley AI ResearchAI 评分4848 不依赖 TD 学习的强化学习：分治价值学习方法解析
研究团队将分治价值学习扩展到复杂的目标条件强化学习任务，探索不依赖 TD 学习的离策略 RL 算法。该方法将轨迹拆分为两段并组合其价值，理论上可将 Bellman 递归次数降至对数级，缓解长时序任务中的误差累积，但如何选择最优子目标仍是实现难点。