Google Research 提出线性弹性缓存优化云成本
Google Research 在 CIDR 发表论文，提出线性弹性缓存，将页面驱逐建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小以最小化总拥有成本。在 Spanner 生产环境中测试数月，内存使用减少 15.5%，缓存未命中仅增加 5.5%，总成本降低约 5%，实际 I/O 成本影响仅 0.5%。
全部AI 动态
全部动态
今日 41 条Google ResearchAI 评分4040 Google ResearchAI 评分5858 Thinking to Recall: How Reasoning Unlocks Parametric Knowledge in LLMs
Google Research 论文指出，让大语言模型生成推理轨迹能解锁原本难以回忆的参数知识，即使面对简单单跳事实问题亦然。研究发现计算缓冲与事实启动两种互补机制，并指出推理中的幻觉中间事实会降低最终答案准确率。
Lilian WengAI 评分5858 Scaling Laws, Carefully：缩放律的实证回顾与拟合陷阱
Lilian Weng 回顾了深度学习缩放律的演进：从早期学习曲线幂律，到 Kaplan 等（2020）提出大语言模型缩放律，再到 Chinchilla（Hoffmann 等 2022）重新论证计算最优分配，并讨论数据受限与重复数据下的修正方案。Kaplan 认为应更大模型、更少数据；Chinchilla 主张模型与数据等比例增长；后续工作进一步指出嵌入参数计数、数据重复和拟合方法会显著影响结论。
ScienceDaily · AIAI 评分5656 香港大学团队展示可在近绝对零度运行的类脑芯片
香港大学研究团队在 SiC MOSFET 中实现负微分电阻效应，首次在 10mK 下用单晶体管复现生物神经元的高效脉冲活动。该芯片可集成于量子处理器附近，大幅降低低温系统热负荷，并有望用于深空探测。相关论文发表于 Nature Communications。
Google ResearchAI 评分5050 机器遗忘审计新框架：Regularized f-Divergence Kernel Tests
Google Research 提出 Regularized f-Divergence Kernel Tests 框架，用于更灵敏、准确地审计机器学习模型的机器遗忘效果，理论上控制假阳性率并使假阴性风险随样本量增加收敛至零。
ScienceDaily · AIAI 评分4848 Stroop 任务暴露 AI 注意力短板：GPT-4o、Claude 3.5 Sonnet 等模型在长列表下准确率骤降
GPT-4o 在 5 个词时准确率 91%，10 个词降至 57%，40 个词仅 15%；Claude 3.5 Sonnet 在 20 词内稳定，40 词时跌至 24%。GPT-5、Claude Opus 4.1、Gemini 2.5 也出现类似下降。AI 在颜色词冲突列表中难以抑制自动阅读倾向，准确率几近归零，而人类能保持稳定表现。
Amazon Science精选AI 评分7777 亚马逊研究提出意图执行差距框架并开源 Simple Strands Agent
亚马逊在 arXiv 发表论文 Dissecting model behavior through agent trajectories，提出意图执行差距（intent-execution gap）概念，指出智能体性能瓶颈在于 harness 将模型意图转化为动作并反馈执行结果的能力。
推荐理由：论文揭示了智能体性能瓶颈从模型推理转向 harness 执行转换，提出双向意图执行差距框架并开源 SSA harness。
Sebastian RaschkaAI 评分1616 LLM 研究论文清单：2026 年 1 月至 5 月
summary_zh: Sebastian Raschka 整理了 2026 年 1 月至 5 月他标记的 LLM 研究论文清单，涵盖架构与模型设计、高效训练与推理、稀疏注意力与长上下文、推理与测试时计算、强化学习、智能体系统、编码智能体、扩散语言模型及评测基准等类别。
Google Research精选AI 评分6666 Google Research发布PHRM系统：通过智能手机摄像头实现被动心率监测
Google Research在Nature发表PHRM研究，通过智能手机前置摄像头在日常使用中被动监测心率，跨肤色MAPE<10%，RHR估计MAE<5bpm达到可穿戴设备精度。研究基于35万+视频片段和近700名多样本参与者，覆盖浅色到深色皮肤群体，并公开了最大规模智能手机视频数据集及预训练PHRM-mini模型供合格研究者申请。
推荐理由：PHRM在大规模日常使用中实现跨肤色符合行业标准的心率监测，MAE低于5bpm的RHR估计达到可穿戴设备水平，为智能手机被动健康追踪设立了新基准。
Amazon Science精选AI 评分7373 Ground truth is a process, not a dataset
Amazon AGI 团队提出 audit-then-score 协议与 DeepFact-Bench、DeepFact-Eval 两套数据集，用于评估 AI 生成的研究报告。实验显示，未经辅助的专家在已知答案集上仅 60.8% 准确率，而经过四轮审核校准后升至 90.9%；DeepFact-Eval 基于 GPT-4.1 达 83.4%，优于传统事实核查系统与既有深度研究系统。
推荐理由：原文揭示了深度研究场景下静态基准的局限，为理解 AI 评估体系的演进方向提供了可迁移方法。
Amazon Science精选AI 评分6262 多样化推理轨迹教会大语言模型做出更好决策
亚马逊研究团队在ICLR发表论文，提出集合监督微调（SSFT）与全局分叉策略优化（GFPO），通过为不同推理模式分配全局分叉token来训练模型掌握多样化推理策略，并在推理时选择最优模式。AIME 2025、AIME 2024与LiveCodeBench-v5上Pass@1分别提升6.84、5.37与4.94个百分点，同时改善pass@k多样性且不损害单次准确率。
推荐理由：提出集合监督微调与全局分叉策略优化，在标准推理与编程基准上单次准确率提升5%至7%。
ScienceDaily · AIAI 评分3131 宾大突破：光-物质粒子（激子极化激元）驱动 AI 计算
宾大物理学家 Bo Zhen 团队开发出激子极化激元（exciton-polariton），实现全光开关，仅耗约 4 皮焦耳能量。传统光子芯片在非线性激活步骤需光-电转换，而该技术可避免这一瓶颈，有望降低大 AI 系统的能耗并支持未来芯片上的量子计算功能。
ScienceDaily · AIAI 评分4949 量子算法破解超大规模准晶体材料模拟难题
阿尔托大学研究团队开发了一种量子启发式算法，可在瞬间模拟包含超过 2.68 亿个位点的非周期量子材料，远超传统超级计算机能力。该算法将准晶体问题编码为量子多体系统，利用张量网络实现指数级加速，为拓扑量子比特和超摩尔超准晶体的设计铺路。研究目前仍处于理论模拟阶段，未来可适配至芬兰量子计算基础设施上的实际量子硬件。
ScienceDaily · AIAI 评分5858 Centaur 懂答案却不懂问题：新研究质疑其认知模拟能力
浙江大学研究者在 National Science Open 发表新研究，质疑 2025 年 Nature 提出的 Centaur 模型在 160 项心理任务上的表现。研究者替换提示词为“请选 A”，发现 Centaur 仍倾向输出原数据集的“正确答案”，表明其可能过度拟合训练数据，而非真正理解问题意图。
Google DeepMindAI 评分5959 Decoupled DiLoCo：分布式 AI 训练的新前沿
Google DeepMind 提出 Decoupled DiLoCo 分布式训练架构，将训练拆分为异步计算岛以隔离硬件故障。实验表明，该架构在 2-5 Gbps 广域网上训练 120 亿参数模型，性能与传统方法持平且速度快 20 倍以上，并能混合不同代 TPU 硬件。
ScienceDaily · AIAI 评分5858 UCL研究：量子AI在预测混沌系统上表现显著提升
UCL团队在Science Advances发表研究，将量子计算嵌入AI训练流程，用20-qubit IQM量子计算机提取不变统计特征来引导经典超算上的AI模型。混合方法在流体动力学预测中较标准AI精度提升约20%，内存需求降低数百倍，并在更长时序保持稳定。研究团队包括Maida Wang、Xiao Xue和Peter Coveney，资助方含UCL、EPSRC、IQM与莱布尼茨超算中心。
Google ResearchAI 评分5656 设计真实世界的合成数据集：机制设计与从第一原理推理
Google Research 提出 Simula 框架，将合成数据生成重构为机制设计问题，通过推理驱动实现可控制的数据集构建。论文发表于 Transactions on Machine Learning Research，在网络安全、法律推理、数学等五个领域最多生成 512K 数据点，全系统一致优于简单基线，且高质量数据比单纯增加数量更有效。
Google Research精选AI 评分6060 MoGen：基于点云流匹配的神经元形态生成以加速脑连接组重建
Google Research发布MoGen模型，通过点云流匹配生成合成神经元形态，用于训练PATHFINDER重建模型。加入10%合成数据后，鼠轴突重建错误率降低4.4%，主要减少合并错误，在全鼠脑规模上相当于节省157人年人工校对。MoGen及物种特异性模型已开源。
推荐理由：用合成神经元训练PATHFINDER，将重建错误率降低4.4%，在全鼠脑规模上相当于节省157人年校对工作。
ScienceDaily · AIAI 评分3333 哈佛研究：给机器人集群加入可控随机性可防拥堵
哈佛 SEAS 团队发现，在有限空间内为机器人集群的运动加入可控随机性，可减少拥堵并提升整体效率。研究结合数学建模、计算机仿真与真实轮式机器人实验，识别出"刚刚好"的噪声区间，使机器人偶尔碰撞后仍能保持稳态流动。该成果发表于 PNAS，或可用于优化机器人舰队设计及城市、交通等拥挤场景的管理。
ScienceDaily · AIAI 评分3434 瑞典查尔姆斯理工大学提出"巨型超原子"理论设计，有望解决量子计算退相干难题
summary_zh: 瑞典查尔姆斯理工大学研究人员提出"巨型超原子"（giant superatoms）理论设计，将巨型原子与超原子概念首次合并为一个系统。该设计通过多连接点自相互作用减少退相干、保持量子态稳定，并支持多个量子比特在一个单元内存储与控制量子信息。
Google ResearchAI 评分4343 Google Research 发布 PaperVizAgent 与 ScholarPeer 两款学术 AI 智能体
Google Research 推出 PaperVizAgent 与 ScholarPeer 两款学术智能体，分别用于生成论文配图和自动同行评审。
ScienceDaily · AIAI 评分4444 神经符号AI将能耗降低100倍且提升准确率
研究人员开发出神经符号AI系统，在Tower of Hanoi测试中成功率95%，传统系统仅34%；训练能耗降至标准VLA的1%，运行能耗降至5%，学习时间从一天半缩短至34分钟。该系统结合神经网络与符号推理，减少试错过程，相关研究将在ICRA 2026发表。
Google ResearchAI 评分5858 Google Research 评估大语言模型行为倾向与人类对齐
Google Research 提出基于情境判断测试的框架，评估25个大语言模型的行为倾向与人类对齐程度。研究发现小模型对齐率接近随机，大模型在共识较低时仍过度自信，且自我报告行为与实际行为存在偏差。
Together AI精选AI 评分6060 DBPlanBench：用 LLM 优化数据库查询执行计划
Together AI 发布 DBPlanBench，把 Apache DataFusion 的物理执行计划暴露给 LLM，通过紧凑 JSON 序列化和 JSON Patch 局部修改计划，避免重新生成整个计划。
推荐理由：将 LLM 引入物理计划优化，用语义推理弥补统计估计偏差，为数据库查询加速提供了可复现的新方法。
Google Research精选AI 评分6262 构建更好的 AI 基准：多少标注者才够用？
Google Research 提出森林与树的(N,K)权衡框架，研究在固定预算下标注条目数与每条目标注者数量的最优配比。实验基于毒性、DICES、D3code、Jobs 等真实主观数据集，发现每条目 3–5 个标注者常不足、多数票用广度策略、意见分布用深度策略，并开源了模拟器。
推荐理由：给出了(N,K)权衡的模拟框架和开源工具，读者可据此在有限预算下设计更可复现的评估方案。
Together AI精选AI 评分6464 弱模型如何通过分治策略在长上下文任务中表现优异
Together AI 发表 ICLR 2026 论文，提出研究长上下文 LLM 分治框架的理论方法。Planner 重写任务、Worker 并行处理文档分块、Manager 聚合答案，弱模型（如 Llama-3-70B、Qwen-72B）使用该框架可匹配或超越 GPT-4o 单次处理。
推荐理由：弱模型配合分治策略可在长上下文任务中追平 GPT-4o 单次推理，为工程落地提供低成本并行方案。
Google ResearchAI 评分5252 六大LLM在高温超导研究问题上的专家评估
Google Research与康奈尔大学合作评估了六种大语言模型在高温超导领域回答专家级问题的能力，发现基于精选文献库的NotebookLM和定制RAG系统表现最优。研究基于67道专家设计的问题，从六个维度评分，指出当前LLM在区分已证伪假设和把握文献时序方面存在不足。
ScienceDaily · AIAI 评分3131 科学家发现AI能提升人类创造力
斯旺西大学一项超过800人参与的在线实验显示，使用AI支持系统设计虚拟汽车时，受试者花更多时间、产出更好设计且参与感更强。系统采用MAP-Elites方法生成包含高效、非常规乃至故意缺陷方案的视觉画廊，多样化输出帮助参与者突破初始假设并鼓励冒险。
ScienceDaily · AIAI 评分6565 科学家推出史上最难AI评测Humanity's Last Exam，顶尖模型得分仍远低于人类
全球近1000名研究者联合发布Humanity's Last Exam（HLE），共2500题，覆盖数学、人文、自然科学、古语言等专业领域，旨在衡量当前AI系统的真实能力边界。
Together AI精选AI 评分6464 语音模型在街名转录上如何失败及应对方法
Together AI 发布 SF Streets 和 US Streets 两个新基准，测试发现 15 个主流语音模型对街名的平均转录错误率达 39%，非英语母语者比英语母语者准确率低 18 个百分点，导航偏差平均多 1.2 英里。
推荐理由：研究揭示了主流语音模型在街名转录上的显著误差，并给出小样本合成数据的改进方法，对导航和应急调度场景具有直接参考价值。
ScienceDaily · AIAI 评分5050 量子计算机实时追踪量子比特波动取得突破
尼尔斯·玻尔研究所团队结合商用硬件与自适应测量技术，将量子比特能量损失率的追踪速度提升至原有方法的约100倍。研究使用Quantum Machines的OPX1000 FPGA控制器，每次测量后更新贝叶斯模型，在毫秒级时间内完成估算。实验揭示了超导量子比特中此前未知的快速波动动力学。
ScienceDaily · AIAI 评分3535 宾州州立团队开发可编程智能合成皮肤，可隐藏图像并改变形状
宾州州立 Hongtao Sun 团队利用水凝胶和半色调编码 4D 打印技术，开发出可编程智能合成皮肤。该材料可通过热、溶剂或机械刺激改变外观、质地和形状，并能将图像编码进材料内：乙醇中透明，加热水或冰水后隐藏图像显现。单个薄片即可同时控制外观与形变，无需多层结构。
ScienceDaily · AIAI 评分6060 斯坦福团队展示微透镜光腔阵列，实现千级光腔量子比特并行读出
斯坦福大学物理学家团队在 Nature 发表论文，展示由 40 个光腔组成的阵列及超过 500 个光腔的原型，每个光腔容纳单个原子量子比特，通过微透镜将光聚焦到单个原子上，实现并行读出。研究指出该方案可扩展至百万量子比特的光腔网络，为分布式量子计算和量子数据中心提供基础。
ScienceDaily · AIAI 评分5555 瑞典查尔姆斯理工大学科学家利用噪声为量子计算机制冷
查尔姆斯理工大学研究团队在《Nature Communications》发表了一种基于噪声驱动的超导量子冰箱。该装置通过第三端口注入受控微波噪声，驱动人工分子在两个微波通道间实现热流输运，可测量低至阿瓦级（10^-18 W）的微小热流，并能根据条件充当制冷机、热机或热放大器。研究团队认为这一成果为在量子电路内部直接管理热量提供了新途径。
ScienceDaily · AIAI 评分3333 AI 自我对话学习更快更聪明
OIST 研究发现，让 AI 在训练中进行内部"自言自语"并结合短期记忆，能提升多任务灵活性与整体表现。新方法在序列反转、模式重建等复杂任务上增益明显，且可用稀疏数据训练，无需大规模数据集。研究团队计划将实验拓展至真实动态环境，探索家庭与农业机器人应用。
ScienceDaily · AIAI 评分6262 研究人员对10万人测试AI与人类创造力
蒙特利尔大学Karim Jerbi教授与Yoshua Bengio等合作在Scientific Reports发表研究，使用Divergent Association Task对比GPT-4、Claude、Gemini等模型与超过10万人的创造力表现。部分AI系统在发散语言创造力任务上超过人类平均，但最富创造力的人类仍显著优于所有AI模型。研究还发现AI创造力可通过温度参数和提示词调整。
ScienceDaily · AIAI 评分6262 人类大脑理解语言的方式可能比预期更像AI
一项发表于Nature Communications的研究发现，人类大脑处理口语时遵循逐步递进的过程，与GPT-2和Llama 2等大型语言模型的层次化处理方式高度相似。通过记录参与者聆听30分钟播客时的皮层脑电活动，研究人员发现早期神经信号对应AI的浅层处理，而深层语义区域如Broca区的响应则与AI深层特征对齐。研究团队还公开了完整的神经录音与语言特征数据集，供全球研究者使用。
ScienceDaily · AIAI 评分4242 研究人员警告量子计算机存在严重安全漏洞
summary_zh: 宾州大学研究人员指出量子计算机存在程序与编译器完整性无法验证、电路知识产权易被提取、串扰导致信息泄露等安全弱点。现有商业量子提供商缺乏端到端防护，经典安全方法不适用。
Berkeley AI ResearchAI 评分3232 Information-Driven Design of Imaging Systems
伯克利 AI 研究提出基于信息量的成像系统直接评估与优化框架，用噪声测量估计互信息以统一分辨率、噪声等质量指标。在颜色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计可预测解码器性能并指导设计优化，比端到端方法需更少内存与计算，且无需任务特定解码器。
Sebastian RaschkaAI 评分1212 LLM Research Papers: The 2025 List (July to December)
Sebastian Raschka 整理了 2025 年 7 月至 12 月的 LLM 研究论文列表，涵盖推理模型、RLHF、推理时扩展、架构、高效训练、多模态与数据集等类别。该列表为其 Substack 付费订阅者的附加内容，正文仅浏览摘要、少数全文精读。原文未给出具体模型、参数、分数或速度倍数。