RIkEN AIP 18 篇论文被 EMNLP 2026 录用
RIKEN AIP 共有 18 篇论文被 EMNLP 2026 录用，其中 Main Conference 9 篇、Findings 7 篇、其他赛道 2 篇。论文覆盖探针鲁棒性、注意力机制、嵌入正则化、Mamba 位置记忆、Agent 技能攻击、MoE 压缩等多个方向。
全部AI 动态
全部动态
今日 41 条RIKEN AIPAI 评分1212
Hugging Face BlogAI 评分5151 ProvenanceGuard：面向 MCP Agent 的来源感知事实核查
Multiverse Computing 提出 ProvenanceGuard，在 MCP agent 回答后逐条核查 claim 与来源是否匹配，而非把所有证据混合后判断。测试中它从 139 条应被拦截的 claim 中拦下 138 条，并对来源识别正确的比例约 86%。该方法可对接 RARR 修复循环，在本地配置下每条回答约增加半秒开销。
MIT News · AIAI 评分3939 算法单一文化的影响取决于具体细节
MIT研究者系统评估了算法单一文化的主要质疑，发现系统排斥等论点并不成立，并证明单一文化会形成信息回声室、抑制探索。在招聘场景中，将多种算法捆绑成集成模型可克服此局限，有时表现甚至优于多元算法环境。
Nature · Machine LearningAI 评分3636 机器学习从基因组预测噬菌体-宿主相互作用，不依赖系统发育
研究者开发了一个不依赖系统发育的机器学习框架，仅从基因组序列预测菌株水平的噬菌体-宿主相互作用，在115,037个相互作用、949种细菌菌株和518种噬菌体的数据集上验证，可匹配现有物种特异性模型并指导噬菌体鸡尾酒设计。
Apple Machine Learning Research精选AI 评分6262 通信瓶颈：语言模型中树结构表达式序列化的往返研究
Apple ML 团队提出往返协议评估 16 个模型对树结构算术表达式的序列化与恢复，发现通道失真且不对称，最佳模型对组合可达 92.9%，约 73.6% 失败源自生成端，结构难度主导而非模型族，约 3600 条微调样本即可让开放权重模型超越未训练 Gemini-3.1-Pro。
推荐理由：通过生成与提取的往返协议揭示模型间序列化树结构的失真瓶颈，为改进模型通信提供可量化依据。
The DecoderAI 评分5858 20多位AI研究者警告自动化AI研究存在极端风险
Geoffrey Hinton、Yoshua Bengio和OpenAI研究负责人Jakub Pachocki等20多位研究者在新论文中警告，自改进AI可能引发智能爆炸，AI系统已编写大部分代码并可能在数年内自动化整个研发流程。论文呼吁政策制定者更深入了解AI研发自动化进程，并指出对齐问题尚未解决。
AIHubAI 评分3636 NTU Singapore 开发 AI 平台 PLATO 与 PhaseHub 预测相分离蛋白
NTU Singapore 团队开发 PLATO 数据库与 PhaseHub 分析平台，基于大语言模型挖掘 PubMed 文献并结合 MolPhase 算法，覆盖 5,118 条蛋白序列，其中 3,600 余条发生相分离、1,300 条未发生。研究发现真核生物相分离蛋白比例更高，且该比例随基因组增大趋于饱和。两平台已发表于 Molecular Plant。
Nature · Machine LearningAI 评分1212 ConTP 重塑转运蛋白功能空间以解析底物特异性
summary_zh: ConTP 重塑转运蛋白功能空间，在进化距离之外解析底物特异性。由 KAUST 与宁夏医科大学合作完成，发表于 Nature Communications Biology（2026）。
Nature · Machine LearningAI 评分2828 mHolmes 改进跨解剖尸体微生物组预测用于死后间隔估计
mHolmes 是一个基于 Transformer 的迁移学习框架，用于预测尸体微生物群动态。在 34 具尸体的 21 天每日纵向数据上训练，交叉解剖预测任务（如髋到面部）MAE < 2 天。SHAP 分析识别出 7 个细菌类别作为 PMI 相关特征，适用于不完整观测和断离遗体的法医学场景。
Apple Machine Learning ResearchAI 评分2222 Apple Machine Learning Research提出联邦变分不等式更快收敛率
summary_zh: Apple Machine Learning Research 提出 LIPPAX 算法，在联邦随机变分不等式上建立改进收敛率，在有界 Hessian、有界算子、低方差设定下缓解客户端漂移并提升保证。
Nature · Machine LearningAI 评分3434 物理信息机器学习 Pred-MutPRI 预测蛋白-RNA 复合物突变结合自由能变化
研究提出 Pred-MutPRI 框架，结合加权原子级相互作用网络、掩码 ESM-2 熵项与 AlphaFold3 局部有效应变描述符，用 XGBoost 回归预测蛋白-RNA 突变 ΔΔG。在序列不重叠、结构低重叠的盲测集上 PCC 达 0.705，优于现有预测器；数据集与 Python 包已公开。
Nature · Machine LearningAI 评分4646 SpaCEy 利用可解释图神经网络将组织空间模式与临床结局关联
summary_zh: SpaCEy 是一种基于图神经网络的可解释方法，用于在组织切片中发现与临床结局相关的空间重要区域。相比现有方法依赖预定义细胞类型标签或局部聚类，SpaCEy 能直接从连续分子测量中识别具有临床意义的连贯空间模式，并提供驱动结局的分子标记组合。
AIHubAI 评分5959 混合LLM压缩中的交互效应：压缩技巧并非简单叠加
研究在RTX 3080 Ti上测试Falcon3-1B、LLaMA-3.2-1B和Qwen2.5-1.5B的组合剪枝与量化，发现混合压缩在TruthfulQA上超出预期约7-14点，但在GSM8K和MMLU上反而下降16-20点，部分设置下GSM8K准确率降至零；效应在中等剪枝（20-30%）最明显，50%剪枝时减弱，量化单独使用即可实现约2-3倍内存缩减。
Nature · Machine LearningAI 评分1212 一种结构信息驱动的深度学习框架用于建模 TCR-肽-HLA 相互作用
Kai Cao 等人在 Nature Communications 发表一种结构信息驱动的深度学习框架，用于建模 TCR-peptide-HLA 相互作用。作者来自 Broad Institute of MIT and Harvard、Massachusetts General Hospital、MIT 等机构，研究获得 AstraZeneca、NIH、DOE 等资助。
Nature · Machine LearningAI 评分4141 ResolVI：解决空间转录组学中的噪声与偏差问题
summary_zh: ResolVI 是一个基于自动编码变分贝叶斯的概率框架，用于校正空间转录组数据中的分割与量化误差。它将观测计数建模为真实表达、邻近细胞扩散信号和背景噪声三部分，使用负二项分布和泊松分布分别建模，并通过高斯混合分布表示细胞状态的不确定性。
Apple Machine Learning ResearchAI 评分2828 Apple 压缩流式神经音频编码器：基于潜在空间蒸馏的端侧语音分词器方案
Apple 研究提出通过潜在空间蒸馏压缩流式神经音频编码器，以预量化潜在表示作为监督目标，仅训练学生编码器回归教师逐帧潜在值。2.8× 压缩下，蒸馏学生在五个教师-学生对上相对 WER 保持在 1.9% 以内，且同等容量独立训练分词器提升 3.9%。该方案覆盖两种分词接口，无需微调。
Nature · Machine LearningAI 评分3535 DR-GEM 实现单细胞嵌入与注释的自监督机器学习
DR-GEM 是一种自监督元算法，通过重构误差重新引导模型关注初始遗漏的模式，并利用平衡共识学习提升鲁棒性、过滤低质量数据。在合成与真实单细胞、空间转录组和 Perturb-seq 数据集上，DR-GEM 在获取可靠嵌入、恢复稀有细胞类型、过滤噪声、缓解细胞与患者层面代表性不足以及发现未见的遗传和空间特征方面优于现有方法。
Nature · Machine LearningAI 评分2626 UpTCR：统一渐进知识迁移基础模型用于稳健的 T 细胞受体-抗原结合识别
UpTCR 是一个用于 T 细胞受体-抗原结合识别的大语言模型，采用统一渐进知识迁移架构。作者来自江南大学、清华大学深圳国际研究生院、澳门大学、腾讯 AI for Life Sciences Lab 等机构，文章发表于 Nature Communications，2025 年 11 月投稿，2026 年 9 月接收并发表。
Apple Machine Learning ResearchAI 评分3434 半监督联邦 ASR 的实用方案：在线伪标签与服务器更新稳定化
Apple Machine Learning Research 提出半监督联邦 ASR 方案，通过在线伪标签与服务器端标注数据更新稳定化缩小与全监督联邦学习的差距。在 11 组对比中 9 组超越最强先验方法，域内平均提升 20.8%、跨域 10.0%。教师模型与锚定更新两条轴线相互耦合，锚定更新对数据增强和批量大小高度敏感。
Nature · Machine LearningAI 评分1212 优化放疗交付的人工智能技术
综述探讨AI在放疗流程中的应用，涵盖器官分割、剂量预测、治疗计划优化与结局预测。涉及深度学习、U-Net、扩散模型及大语言模型在放疗物理与临床中的实践与挑战。
Apple Machine Learning ResearchAI 评分3333 How to Guide Your Language Flow
summary_zh: 研究者提出 probe guidance 方法，利用冻结的扩散模型内部状态构建引导信号，无需推理时额外前向传播即可为流匹配模型提供可靠引导路径。
Nature · Machine LearningAI 评分3030 科学家无需展开即可破译烧焦古卷轴
研究团队用铅元素检测法替代碳基扫描，成功在保持卷轴卷曲状态下识别出内部文字。他们用埃及纸莎草、日本灯黑墨和高温炉复原了碳化卷轴，并通过中子与X射线断层扫描结合自定义展开程序完成破译。
Nature · Machine LearningAI 评分5858 生成式 AI 设计功能性硫辛化结构域以重编程非核糖体肽合成酶
研究提出结合预训练生成模型与迭代设计-构建-测试-学习（DBTL）流程，从头设计非核糖体肽合成酶（NRPS）中的硫辛化（T）结构域，并在 578 个重组 NRPS 变体中验证功能。
Nature · Machine LearningAI 评分2525 大语言模型时代的研究可复现性
summary_zh: 大语言模型的输出具有概率性，相同提示词可能产生不同结果，且模型权重与训练数据不公开，导致基于旧版闭源模型的研究难以精确复现。文章建议研究者记录所用模型与版本、完整提示词、硬件与软件配置及超参数等细节，并优先测试开源模型，以提升透明度与可复现性。
Hugging Face BlogAI 评分5050 UK AISI 与 EvalEval 合作让基准测试结果可复现
summary_zh: UK AISI 通过 EvalEval 的 Evaluation Cards 平台公开分享五个基准的评估结果，覆盖 Claude Opus 4/4.5/4.6、GPT-5/5.2/5.4 六个前沿模型，并附带 HealthBench、Humanity's Last Exam、SWE-Bench Pro 等评测的设置与配置信息。
Microsoft ResearchAI 评分4747 RetroChimera 规模化改进小分子合成预测
RetroChimera用学习排序融合R-SMILES 2与NeuralLoc的互补预测，改进小分子逆合成预测。10个高难度目标中，其完整路线被接受9条，de novo、editing与NeuralSym分别为5、4、2条。模型发表于Nature并开源实现与权重，能召回稀有反应，也能在专有数据集上零样本迁移和微调。
Hugging Face Blog精选AI 评分6262 像物理学家一样剪枝大语言模型：块移除作为约束二元优化问题
Multiverse Computing 将 LLM 深度剪枝重构为约束二元优化问题，等价于全耦合伊辛自旋玻璃，用 Hessian 能量作为下游质量代理，避免逐条评测。
推荐理由：把深度剪枝重新表述为伊辛自旋玻璃优化问题，可用廉价能量代理替代逐条评测，且与量化、低秩压缩等手段堆叠。
Nature · Machine LearningAI 评分2525 TangleDiff 通过深度学习纠缠设计生成具有可定制应力松弛行为的蛋白质水凝胶
TangleDiff 是一个深度学习框架，用于从头设计具有可编程特性的同源二聚体纠缠蛋白。其在 silico 成功率超过 70%，远高于当前模型约 1%。实验验证的 9 个同源二聚体中有 7 个成功形成水凝胶，且应力松弛动力学与指定的结合能相关。
Nature · Machine LearningAI 评分1818 贝叶斯双层算子学习结合低秩适配用于 PDE 逆问题的不确定性量化
summary_zh: 研究提出 B-BiLO 框架，在 PDE 逆问题中结合贝叶斯推理与双层局部算子学习，上层用 Hamiltonian Monte Carlo 采样后验参数，下层通过低秩适配（LoRA）微调神经网络近似解算子。
Google ResearchAI 评分3434 MilleMiglia：面向中段物流的真实实例生成器
Google Research 推出 MilleMiglia，一个 C++ 实例生成器，用于构建中段物流网络的真实基准。中段物流覆盖区域或大陆尺度的配送中心间运输，占物流成本大头且影响时效，但学术研究长期缺乏公开高质量数据。MilleMiglia 在 GitHub 开源，通过隐私保护的方式捕捉中段运输的多车辆接力、时间窗口与分拣同步等约束，为后续优化研究提供基础。
Nature · Machine LearningAI 评分2828 ReScale4DL：平衡像素与上下文信息以增强生物图像分割
ReScale4DL 系统评估了图像分辨率对生物图像分割的影响，在分辨率降至原始 6%-25% 的下采样图像上训练 popular architectures，分割准确率最多提升 25% mean IoU 或仅下降不到 5%。下采样同等比例提升了信息吞吐并降低存储与推理时间，为高效、可持续、低成本的生物成像流程提供实用指导。
Apple Machine Learning ResearchAI 评分3434 Dynamically Scaled Activation Steering（DSAS）方法解析
DSAS 是一种与方法无关的激活转向框架，通过自适应调节转向强度，在仅检测出不需要的行为时才进行干预。该方法在生成时计算上下文相关的缩放因子，可与现有转向方法联合优化，在毒性缓解与效用保持之间取得更好平衡。DSAS 适用于文本到图像扩散模型，计算开销小且能定位需要转向的 token。
Nature · Machine LearningAI 评分2626 ConvexGating 从单细胞细胞术聚类中推断门控策略
ConvexGating 从单细胞细胞术数据的聚类结果中推断最优门控策略，旨在将聚类得到的细胞群体转化为可用于分选的高纯度、低步骤门控方案。flow cytometry、mass cytometry（cyTOF）和 CITE-seq 等高维数据场景中，手动门控依赖操作者经验且存在跨操作者变异，而聚类方法虽能无偏分离细胞却难以直接转为分选策略。
Apple Machine Learning ResearchAI 评分5858 REVERSAL-BENCH：可逆性轴与重置预言机，测量无重置强化学习的悬崖
Apple ML Research 发布 REVERSAL-BENCH 基准，通过连续参数 ρ∈[0,1] 控制环境可逆性，并在八种操作设置、五种物理引擎中提供重置预言机与可恢复性标注。评估显示无重置智能体随 ρ 增大持续陷入不可恢复状态，而回合制智能体保持稳定学习；该失效由不可逆性驱动，而非障碍物复杂度，并存在于完整物理仿真与学习操作策略中。
Nature · Machine LearningAI 评分1212 阿尔茨海默病病理与微胶质细胞激活的死后海马体定量映射研究
summary_zh: 研究团队利用定量方法对死后海马体组织中的阿尔茨海默病病理特征与微胶质细胞激活进行映射分析。数据来自USC ADRC，使用NACC统一数据集，资助方包括NIH、NSF及Chan Zuckerberg Initiative等。
Nature · Machine Learning精选AI 评分6262 AI 衰老研究新工具：专用大语言模型与 17 项基准发布
Cell 今日发表报告，公布一套面向衰老生物学的人工智能系统，包含基于衰老数据训练的 LLM、17 项基准任务，以及将模型与代理（agent）整合的接口。作者用这些基准评估了专用 LLM 和 OpenAI、DeepSeek 等公司的通用大模型，发现专用模型在多数测试中表现更优。研究指出，衰老尚未有清晰定义，如何训练 AI 理解衰老仍是关键难题。
推荐理由：为衰老生物学专门定制 LLM 与 17 项基准，揭示专用模型在特定领域或优于通用大模型。
Nature · Machine Learning精选AI 评分7474 Paper2Agent：将科研论文转化为交互式 AI 智能体
Nature 报道了 Miao 等人提出的 Paper2Agent 框架，可自动将科研论文转化为具备问答、方法应用与协作能力的 AI 智能体，提升研究的可复现性与可复用性。
推荐理由：将静态论文转化为可交互的智能体，为研究复用与可复现性提供了新的技术路径。
Apple Machine Learning ResearchAI 评分3939 DACA-GRPO：扩散语言模型强化学习中的去噪感知信用分配
summary_zh: DACA-GRPO 是一种轻量级即插即用的 GRPO 训练增强方法，针对扩散语言模型强化学习中去噪步骤等权处理和均值场似然估计有偏的两大缺陷，引入去噪进度分数与分层掩码似然两个互补机制。
Google Research精选AI 评分6262 Retrieve-for-Train：绕过推理瓶颈，加速复杂AI搜索
Google Research提出Retrieve-for-Train框架，用离线强化学习发现属性对齐的查询扩展并编译为监督信号，再蒸馏到53.9M参数的扩散检索器，实现单次非自回归查询扇出。实验显示该方法在开放抽象检索和弱监督组合检索上均优于单查询搜索、零样本扩展和Best-of-N基线，同时实现12–20倍的推理加速。
推荐理由：用离线RL把查询分解编译成监督信号，再注入轻量扩散检索器，在保持集合级属性的同时把推理延迟压低一到两个数量级。
ScienceDaily · AIAI 评分3434 解决爱因斯坦问题的 Smith hat 形状揭示新的光学物理现象
summary_zh: 日本东京大学研究团队基于 Smith hat 单密铺形状在氮化硅薄膜上构建纳米光学结构，激光照射后产生手性衍射图样，表现出与传统准晶体不同的对称性控制光学响应。