Wasserstein Causal Forests 用于分布值结果的因果推断
该研究提出 Wasserstein Causal Forests（WCF），处理每个单元结果为概率分布的因果推断场景，定义了有限网格变换的平均与条件平均处理效应及参考距离对比。
#论文/研究
#论文/研究
今日 43 条arXiv · Statistics Machine LearningAI 评分3030 RIKEN AIPAI 评分1212 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。
Google ResearchAI 评分5757 Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller 框架，将图像生成去噪过程重构为连续控制问题，以轻量级转向阻尼器网络在灰盒环境下超越 LoRA。实验基于 Stable Diffusion v1.4 并在 HPS-v2 上评估，同时支持运行时调节控制强度。
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。
Nature · Machine Learning精选AI 评分6262 AI 可拓宽科学——但前提是机构停止奖励已可衡量的成果
Nature 评论指出，AI 使学者论文产出约为同行 3 倍、引用近 5 倍，但 AI 辅助研究覆盖的主题范围比非 AI 研究少 4.6%，70% 以上子领域均如此。问题不在技术，而在制度：现有激励让研究者集中于机构易评估的问题，而非开辟新方向。文中建议资助方补贴数据基础设施建设，并停止惩罚利用 AI 跨领域转型的研究者。
推荐理由：AI 提升个体产出却收窄探索范围，制度激励不匹配是根因，呼吁资助方补贴数据基础设施并停止惩罚跨领域转型。
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。
MIT News · AI精选AI 评分6666 MIT新配方帮助RNA疫苗耐高温
MIT研究人员借助AI算法优化脂质纳米颗粒辅料，使RNA疫苗在室温下可稳定保存一年，或在约37°C下稳定保存两个月。新冠mRNA疫苗在小鼠中产生的免疫应答与Moderna疫苗相当，且该方法同样适用于Pfizer配方和微针贴片递送。
推荐理由：AI算法用极少实验预测最佳辅料比例，显著加速了耐热RNA疫苗配方筛选。
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。
Amazon Science精选AI 评分6060 Reactor 与 Amazon Neuron Science 合作实现 Trainium 上的实时视频生成
Reactor 与 Amazon Neuron Science 团队合作，在 Trainium 上实现了基于 Rolling Forcing 的实时视频生成。团队采用以 NKI 为中心的底层优化，将 3D-RoPE 从 5 秒降至 1.8 毫秒，缓存拷贝从 23 毫秒降至 1.9 毫秒，并采用混合分片策略与模型代码合并，使管道仅用 11 GB 高带宽内存即达成 16 fps 以上的实时生成。
推荐理由：原文给出了具体优化路径与实测数据，读者可据此判断 Trainium 在实时视频生成上的可行性边界。
Nature · Machine Learning精选AI 评分6767 Anthropic AI 生物实验室在病毒中发现类 CRISPR DNA，后续如何发展
Anthropic 发布预印本，称其 AI 代理在巨型病毒基因组中发现了类似 CRISPR 系统的重复 DNA 序列。实验调用约 950 个 AI 代理自主探索数十亿蛋白质，耗时逾 21 小时，但目前尚未确定这些序列的功能，也未发现配套的 DNA 切割酶。
推荐理由：AI 代理在基因组数据中发现类 CRISPR 重复序列，展示了自动化挖掘分子工具的潜力，但功能尚未验证。
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。
MIT News · AI精选AI 评分6262 MIT McGovern 团队基于文本估计自杀风险
MIT McGovern Institute 团队在 Journal of Psychopathology and Clinical Science 报告了一种基于自定义自杀风险词典与机器学习模型的文本风险评估工具。
推荐理由：基于危机文本训练的轻量可解释模型，为高风险信号识别提供了可审计的替代方案。
Google Research精选AI 评分6060 Google Research 推出自动化一致长形式视频生成框架
Google Research 推出 Co-Director、CANVAS、A²RD 和 VQQA 等框架，自动化长形式视频生成，缓解语义漂移并提升多镜头叙事一致性。
推荐理由：Google Research 推出 Co-Director、CANVAS、A²RD 和 VQQA 等多代理框架，自动化一致的长形式视频生成，有效缓解语义漂移和特征漂移，提升多镜头叙事一致性。
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。
Nature · Machine Learning精选AI 评分6262 AlphaFold数据库新增数千种病毒蛋白复合物结构预测
AlphaFold数据库于9月24日新增超过8,000个病毒蛋白二聚体结构预测，涵盖23个含有人类感染成员的病毒家族，并作为“大流行防范门户”的一部分上线。
推荐理由：AlphaFold数据库新增病毒蛋白复合物预测，为传染病研究和疫苗设计提供了新的结构参考。
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。
Amazon Science精选AI 评分6262 Amazon Bio Discovery推进AI生物学：训练模型设计并表征抗体
Amazon Bio Discovery团队发表三篇论文，分别提出MochiBind结合力预测、CA-MAP可开发性预测和基于智能体的纳米抗体设计流程。MochiBind在跨抗原验证中比结构基线平均提升近10%配对准确率，并在CPU上约13秒完成20万对抗体评分。
推荐理由：三篇论文分别针对抗体设计中的结合力排序、可开发性预测和全流程设计验证，给出了可复现的评估框架与实验结果。
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 Learning精选AI 评分7272 AI 破解 Navier–Stokes 挑战：对物理学意味着什么
OpenAI 声称其最先进 AI 模型解决了 Navier–Stokes 方程相关的千禧年难题，证明该方程在某些情况下会产生奇点，即预测出物理上不可能的无限速度。物理学家和数学家正借助 AI 进一步理解湍流。
推荐理由：AI 证明 Navier–Stokes 方程存在奇点，为流体湍流研究提供了新的数学视角。