MIT CSAIL 团队发布 FloatForm 系统，由 21 厘米方形自主船组成，通过磁锁原结构实现自组装、拆解与重组，仅在精调位置时引入轻量中央规划器。实验中 8 个机器人完成构型转换并集体运输，仿真可扩展至 64 个；10 次试验中 4 机器人成功率为 90%、8 机器人为 70%。论文发表于 Nature Communications，源自与阿姆斯特丹合作的 Roboat 项目。
推荐理由：分布式水下机器人自组装为可编程水上基础设施提供了可扩展思路，对应急响应与公共空间重构有参考价值。
SensorFM 是一个大传感器基础模型，基于超过一万亿分钟、来自五百万参与者的无标注多模态可穿戴数据预训练，在心血管、代谢、睡眠和心理健康等35项判别任务上泛化，且通过 Agent classroom 可自动构建预测头。
Google Research在Nature Cities发表研究，在10个美国大城市开展为期6个月的实验，通过Google Maps将不到2%的出行引导至替代路线，使目标路段车速中位数提升约2%，燃料消耗下降0.5%–1.0%，全城受影响路段车速中位数提升约0.35%，高峰时段提升约0.5%，每年每城可减少数千吨CO₂e排放。
推荐理由：研究提供了大规模实证证据，说明即使少量出行协调也能带来全城速度和排放的改善。
IBM Research 发布开源基准 ScarfBench，包含 34 个应用、102 套框架实现、204 个迁移任务和约 151K 行代码，覆盖 Spring、Jakarta EE、Quarkus 之间的迁移。当前前沿智能体行为成功率不足 10%，构建成功率显著高于部署和行为验证成功率；智能体普遍高估自身构建结果，且反复回到配置层处理依赖与环境问题。
Together AI 在 ICML 2026 发布九篇论文，覆盖智能体、模型塑造、算法优化、系统优化与内核五个层级。DSGym 提供 1000+ 任务统一评估框架，ThunderAgent 提升 1.5–3.6 倍智能体吞吐，TTT-Discover 用开源 120B 模型在数学、GPU 内核、算法和生物领域取得新纪录。
推荐理由：九篇论文覆盖从智能体到 GPU 内核的完整栈，读者可据此判断哪些层是当前性能瓶颈。
巴塞罗那大学 ICCUB 团队在 Nature Astronomy 发表 CIGaRS 框架，通过模拟基推断（simulation-based inference）从 Ia 型超新星成像数据中提取宇宙学和天体物理信息，精度可比光谱红移测量，且能同时分析数万颗超新星。
Google Research在Pixel 9和10上部署冻结多Token预测架构，通过将MTP头附加到已冻结的Gemini Nano v3模型实现端侧加速。该架构利用零拷贝设计，MTP头直接交叉关注主模型KV缓存，在通知摘要和校对任务中提速50%以上，每实例节省130MB内存。
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%。
MIT 和 Microsoft 研究人员开发了 Murakkab 系统，开发者可用自然语言描述意图，系统自动选择模型、工具并动态配置硬件资源。测试显示，该方法在视频问答和代码生成任务中仅用约 35% 的计算量、27% 的能耗和不到 25% 的成本，同时满足性能要求。
推荐理由：原文给出了具体优化幅度和动态配置方法，读者可以据此评估云上 Agent 工作流的能效潜力。
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 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。
Together AI发布ParallelKernelBench（PKB）开源基准，包含87个来自真实代码库的多GPU内核生成问题，要求模型用CUDA内核替代PyTorch+NCCL并通过NVLink直接通信。
推荐理由：基准揭示前沿模型在多GPU内核生成上正确率与速度优势均有限，为分布式优化研究提供了可复现的测试平台。
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 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。
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。
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。
DeepMind 发布塞拉利昂预注册 RCT 结果，使用 Guided Learning 的学生数学成绩提升 +0.258 标准差，相当于 1.2-1.7 年学习进度；教师将 Gemini 融入约一半课堂的小组增益达 1.8-2.5 年。
推荐理由：在塞拉利昂的 RCT 显示 AI 辅导可带来 1.2-2.5 年学习进度增益，为教育 AI 的实证基础提供了关键数据。
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 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博客介绍AWS在数据中心部署的首个可扩展扁平网络RNG，采用准随机拓扑和ShuffleBox光互连设备，相比胖树架构减少69%路由器、吞吐提升33%、网络设备能耗降低40%。该网络于2024年底在爱尔兰上线，2026年4月成为AWS全球新建数据中心默认架构。
推荐理由：提供了可量化的网络性能提升和部署数据，读者可据此评估扁平化架构在云基础设施中的实际收益。
Google Research 发布零信任聚合协议，结合格密码学单次提交与可信执行环境证明，用于 Android SafetyCore 等隐私保护场景。新协议允许设备单条消息完成加密聚合，委员会机制辅助解密并注入差分隐私噪声，同时通过 TEE 证明确保协议按公开代码正确执行。
推荐理由：零信任架构将单次消息加密聚合与TEE证明结合，为大规模隐私分析提供了可验证的多层安全方案。
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%。
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。
斯坦福遗传学家 Gary Peltz 使用 Co-Scientist 从现有药物文献中筛选肝纤维化候选药，Co-Scientist 提出的三种候选药中有两种在人体肝细胞实验中阻断纤维化并促进肝细胞再生，其中抗癌药 vorinostat 阻断了 91% 的损伤应答。
推荐理由：原文给出 Co-Scientist 在肝纤维化药物筛选中的对比结果，读者可据此评估 AI 科研助手在真实实验中的辅助价值。
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。
Baycrest、多伦多大学和约克大学的研究显示，日常对话中的停顿、填充词（uh/um）及取词困难与执行功能显著相关，AI 分析语音可预测认知测试表现，且不受年龄、性别和教育程度影响。研究者认为自然语音或成为比传统纸笔测试更易重复的认知筛查工具，但需长期研究区分正常老化与疾病早期信号。
伯克利研究团队综述了自适应并行推理（APR）范式，提出模型可自主决定何时分解任务、生成多少并行线程以及如何协调。APR 通过特殊控制标记在推理时动态分配串行与并行计算，相比固定并行和多数投票等方法能减少冗余并避免上下文膨胀。文中对比了 Multiverse 等修改推理引擎与 ThreadWeaver 等保持引擎不变的系统设计，并讨论了基于关键路径的并行效率奖励和当前开放问题。
推荐理由：原文梳理了自适应并行推理的范式与推理系统实现差异，读者可据此理解不同并行策略在延迟和准确率上的权衡。
EPFL Philippe Schwaller 团队在 Matter 发表 Synthegy 框架，将大语言模型作为推理工具指导传统计算搜索。化学家以自然语言给出合成策略（如优先成环、避免保护基），系统评分并解释匹配度，双盲研究中 36 位化学家的评估与系统结果一致率为 71.2%。同一接口也可用于反应机理的电子步骤搜索与条件细化。
Google DeepMind 在 Science 发表 AI co-clinician 研究，提出三方照护框架，由医生监督下的 AI 代理辅助患者。在 98 个初级保健查询中系统仅 1 例出现关键错误，并在 OpenFDA RxQA 开放问答中超越前沿模型。
推荐理由：双盲评估与随机模拟实验为医疗AI协作提供了可复现的验证框架，读者可借此理解多模态能力边界与安全架构的设计取舍。
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 发布 ERA 辅助科研的预印本，展示其在流行病学、宇宙学、气候与神经科学四个领域的应用。在流感、COVID-19 和 RSV 预测中，ERA 达到或接近 CDC 顶级预测水平；与 Gemini Deep Think 结合推导出宇宙弦引力辐射的统一公式；利用 GOES East 卫星数据以 10 分钟间隔反演柱平均 CO2；在斑马鱼神经回路中发现可泛化的机制性解。
推荐理由：四类科学场景展示了 ERA 与 LLM 协作解决开放问题的潜力，为 AI 辅助科研提供可迁移方法。
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。
Google Research提出ReasoningBank框架，使智能体能从成功与失败经验中蒸馏推理模式并实现测试时自我进化。在WebArena和SWE-Bench-Verified上，基于Gemini-2.5-Flash的ReasoningBank相比无记忆基线分别提升8.3%和4.6%成功率。MaTTS通过并行与串行缩放进一步增强学习效果。
Berkeley 团队提出 GRASP，一种针对学习型世界模型的长时序梯度规划器。它通过提升轨迹到虚拟状态实现时间并行优化，在状态迭代中注入噪声探索，并重塑梯度以保留动作梯度、截断易受对抗攻击的状态输入梯度。在 Push-T 任务上，GRASP 在更长时间范围下取得了比 CEM、GD、LatCo 更高的成功率和更快的收敛速度。相关论文已发布于 arXiv。
推荐理由：GRASP 用梯度松弛与状态噪声探索解决长时序世界模型规划的病态优化问题，为当前大模型规划器提供了一条可复用的优化路径。
西北大学工程师用可打印的 MoS2 和石墨烯电子墨水在柔性聚合物上制造人工神经元，通过部分分解聚合物形成窄导电路径，产生类似神经元放电的电信号。实验显示这些信号在小鼠小脑切片上匹配生物神经元的时间与形状特征，可靠激活真实神经回路。研究发表于 Nature Nanotechnology，作者指出该技术有望推动脑机接口、神经假体及能效更高的类脑计算硬件。
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 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。
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。