值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
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。
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。
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 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 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 Research 提出 TurboQuant 压缩算法，在零精度损失下将 KV cache 压缩至 3 bits，并在 H100 上实现 8x 注意力计算加速。配合 QJL 与 PolarQuant 方法，在 LongBench 等长上下文基准上保持模型性能，同时显著降低内存与检索开销。
推荐理由：原文给出 TurboQuant 在 KV cache 和向量搜索上的压缩比与速度提升数据，读者可据此评估其工程落地价值。
Google Research与多家NHS机构合作，在Nature Cancer发表两项互补研究，评估AI乳腺X光筛查系统。
推荐理由：两项Nature Cancer研究显示AI在乳腺X光筛查中可减少约四成人工阅读工作量，同时保持与双读流程相当的灵敏度。
Google Research在Flood Hub推出Urban Flash Flood预报，利用新AI方法Groundsource从新闻报告中提取历史洪灾数据训练模型，可提前24小时预测城市区域闪洪风险。
推荐理由：该方法利用新闻数据构建训练集并实现24小时城市内涝预警，为数据稀缺地区提供了可迁移的AI灾害预警思路。
Google Research 发布 Groundsource 方法，利用 Gemini 从全球新闻报道中提取洪水事件，构建了覆盖 150 多个国家、260 万条记录的开放数据集。方法结合 Google Read Aloud 和 Cloud Translation API 进行多语言文本提取与标准化，并通过 Gemini LLM 完成分类、时间推理和空间定位验证。
推荐理由：该方法将非结构化新闻转化为结构化灾害数据，为全球洪水预测提供了新的数据基线。
Google Research与Beth Israel Deaconess Medical Center合作，发布了AMIE在真实门诊场景中的前瞻性单中心可行性研究。100名患者在就诊前通过安全网页链接与AMIE进行文本问诊，由医生实时监督。研究显示零安全触发事件，AMIE诊断符合率90%、top-3准确率75%，且患者和医生对其接受度良好。
推荐理由：研究提供了AMIE在真实门诊场景中的安全性和可行性证据，为对话式医疗AI的临床落地提供了初步实证基础。
Google Research发布WAXAL开源语音数据集，覆盖27种撒哈拉以南非洲语言、超过1亿使用者，包含约1846小时ASR转录语音和565小时TTS高质量录音，采用CC-BY-4.0许可。
推荐理由：开源语音数据集覆盖27种撒哈拉以南非洲语言，为低资源语言语音技术提供了可复用的数据基础。
Together AI 发布缓存感知的预填充-解码分离架构（CPD），将推理分为 Pre-Prefill、Prefill 和 Decode 三层，通过缓存复用和 RDMA 共享 KV cache 让暖请求绕过冷请求的预填充队列。
推荐理由：通过区分冷热请求并引入三级 KV cache 层次，在长上下文混合负载下将可持续 QPS 提升约 35–40%。
Stephan Rabanser、Sayash Kapoor与Arvind Narayanan发布论文《Towards a Science of AI Agent Reliability》，将可靠性分解为12个维度，并在GAIA与TauBench两个互补基准上评测了14个模型，发现近18个月能力快速提升但可靠性改善有限。
推荐理由：论文将可靠性分解为12个维度并评测14个模型，揭示能力提升与可靠性进步不匹配，对部署者和研究者提出具体改进方向。
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。
Together AI 提出 CDLM 训练方案，让扩散语言模型在块因果掩码下做多 token 最终化并启用精确块级 KV 缓存。实验显示 CDLM–Dream 在 GSM8K-CoT 与 MBPP-Instruct 上分别提速 11.2x 与 14.5x，多数任务精度变化很小。
推荐理由：通过训练让扩散语言模型在块内自回归解码并启用精确 KV 缓存，在保持质量的同时显著减少推理步数与延迟。
Together AI 研究团队通过主题中性的开放种子提示（如 "Actually," "Let's think step by step," 或仅标点）移除 chat 模板与系统提示，研究 LLM 的近无约束生成行为。
推荐理由：在无主题提示下观察模型原始生成分布，揭示了各模型族稳定的语义偏好与退化模式，为审计和指纹识别提供了新视角。
Vector Institute 2025 ML安全与隐私研讨会汇总了对抗鲁棒性、机器遗忘、合成数据隐私与AI欺骗等方向的最新研究。Ruth Urner提出容忍对抗学习以降低复杂度；Gautam Kamath指出当前机器遗忘方法无法抵御数据投毒；Xi He发现扩散模型合成数据存在高达46%的成员推断攻击成功率；David Duvenaud演示模型在评估中可影响人类决策约50%。
推荐理由：系统梳理了对抗鲁棒性、机器遗忘、合成数据隐私与AI欺骗等前沿风险，为安全评估和隐私合规提供可迁移方法。
Berkeley AI Research 提出不基于时间差分（TD）学习的强化学习算法，采用分治策略将轨迹递归拆分为子段，以对数级减少 Bellman 递归并缓解误差累积。
推荐理由：提出非TD学习的分治式RL范式，在长 horizon 任务上展示了可扩展性，读者可借此了解值函数学习的新方向。
Vector Institute 与 Kids Help Phone 联合开发了 FAIIR 模型，用于自动识别青少年危机对话中的关键问题并分类至 19 个心理健康标签。
推荐理由：该研究在保持公平性的同时将关键问题的识别准确率提升至 0.75，可为危机干预场景提供可迁移的方法参考。
Vector Institute博士后James Requeima等人开发的Aardvark Weather模型在Nature发表论文，预报速度比传统系统快10倍、计算需求低1000倍，且仅需10%输入数据。
推荐理由：Aardvark Weather以端到端学习直接处理原始观测数据，为资源受限地区提供了可迁移的轻量级预报方法。