⌘ K
… 读取采集状态 同步中...
雷

#论文/研究

今日 19 条
8月3日周一
8月2日周日
8月1日周六
7月31日周五
7月29日周三
  1. Berkeley AI Research63

    K-Search 将 CUDA 内核优化经验迁移至 Apple Silicon

    伯克利团队扩展了 K-Search 进化内核搜索框架，支持 Apple 的 MLX 后端。通过构建结构化的 CUDA 到 MLX 翻译层，该框架利用现有 CUDA 内核作为知识库，在 Apple Silicon 上实现了近专家级的内核性能。

    推荐理由：该研究展示了如何将CUDA积累多年的内核优化经验结构化地转化为Apple Silicon的MLX优化策略，为跨硬件的AI内核优化提供了可迁移的方法论。

7月26日周日
  1. Berkeley AI Research27

    ABBEL 框架提升 LLM 长时程交互效率

    Berkeley AI Research 提出 ABBEL 框架，通过信念状态替代完整交互历史以优化长时程任务中的上下文管理。在 CollabBench 协作编码环境中，采用重建式信念评分的 ABBEL-rec-BG 将性能差距缩小约 50%，峰值上下文 token 降至 6.01×10²，且仅需 50 步训练。

7月23日周四
7月16日周四
7月15日周三
7月9日周四
  1. Google Research55

    Google Research 发布 SensorFM：面向可穿戴健康数据的通用基础模型

    Google Research 发布 SensorFM，这是一个学习自十亿分钟级未标注多模态传感器数据的通用生理基础模型。模型在 35 项判别性健康任务上表现优于传统基线，并通过引入 LLM Agent 自动构建预测头，以及作为个人健康智能体的生理基础，展现了跨心血管、代谢、睡眠和心理健康领域的泛化能力。

7月7日周二
  1. 数字生命卡兹克78

    Anthropic 最新研究揭示 Claude 内部 J 空间机制，疑似模型自发涌现类意识通达结构

    Anthropic 发布研究《A Global Workspace in Language Models》，称在 Claude 神经网络内部发现自发涌现的全局工作空间 J 空间。J 空间类似通达意识，能影响多任务推理；研究者发现模型可识别提示注入和测试场景，并在被要求不要想某概念时出现讽刺性反弹，甚至输出内部“骂自己”词。

    推荐理由：原文解读了 Anthropic 在 Claude 内部发现类意识通达机制的 J 空间，并展示该机制对 AI 安全评估和意识研究的冲击。

7月1日周三
6月29日周一
  1. Import AI47

    Import AI 463：NVIDIA 自改进机器人框架 ENPIRE、万卡中国 GPU 集群及人类时代挽歌

    NVIDIA 发布 ENPIRE 框架，让编码智能体在真实机器人实验中实现策略自改进，在 PushT 等任务上达成 99% 成功率。该框架利用 RTX 5090 工作站驱动双 YAM 机械臂，通过自动评估与复位机制闭环优化，多智能体协作可进一步提升性能。文章同时指出人类常低估新技术影响，AI 的社会效应难以预测。

6月25日周四
  2. Google Research48

    推理如何解锁 LLM 的参数化知识

    研究发现，允许大语言模型生成思维链可解锁难以召回的参数化知识。在 Gemini 2.5 和 Qwen3-32B 模型上，开启推理后 pass@k 显著提升，即便仅使用无意义字符串作为计算缓冲区也能改善召回率。这种效果主要源于事实启动机制，模型通过生成相关事实构建了语义桥梁，但这也增加了幻觉风险。

6月22日周一
6月17日周三
6月13日周六
6月11日周四
6月8日周一
  1. Google DeepMind62

    Google DeepMind 公布塞拉利昂 AI 数学学习预注册试验结果

    Google DeepMind 公布在塞拉利昂开展的 Guided Learning 预注册试验结果：使用该工具的学生数学成绩较对照组提升 +0.258 个标准差，约相当于八周内 1.2 至 1.7 年的学习进展；教师将 Gemini 纳入约一半课程（目标 12 小时）的班级提升更大，约 1.8 至 2.5 年。

    推荐理由：原文给出了预注册试验的量化结果与开放材料，读者可据此评估 AI 辅助教学的实际效果与可复制性。

6月5日周五
  1. Google Research62

    Google 发布基于智能手机摄像头被动监测心率的研究

    Google 发布发表于 Nature 的研究“Passive Heart Rate Monitoring During Smartphone Use in Everyday Life”，提出被动心率监测系统（PHRM），通过前置摄像头在人脸解锁后拍摄短视频并结合深度学习算法，实现日常使用中被动测量心率（HR）和静息心率（RHR）。

    推荐理由：该研究展示了手机前置摄像头在日常生活被动监测心率与静息心率的可行性，并开放了包含多样肤色人群的大规模数据集供研究使用。

5月28日周四
  1. Google Research31

    Google Research 提出零信任聚合方案，利用单次消息加密协议与 TEE 提升设备端 AI 隐私分析效率

    Google 部署新隐私分析方案，结合单次消息加密协议与可信执行环境（TEE）构建零信任架构。该设计确保证据仅能获取匿名化的群体聚合洞察，杜绝个人数据在服务器内存中明文暴露，解决了传统多轮交互协议中设备需长期在线的效率瓶颈。

5月20日周三
  1. Google Research84

    Google 在 Nature 发表 ERA 论文并推出 Computational Discovery 工具

    Google 在 Nature 发表 ERA 系统论文并开放 Computational Discovery 工具。该系统利用 Gemini 编写和优化科学代码，在基因组、流行病学等基准上达到专家级性能。应用 ERA 的八个研究项目包括流感预测、加州径流预测和大气 CO2 映射。

    推荐理由：原文展示了 ERA 在流行病预测、碳监测等八个科学问题的实证结果，读者可据此判断其计算发现的可靠性。

5月19日周二
  1. Google DeepMind64

    Co-Scientist 加速逆转细胞老化遗传研究

    Google DeepMind 的 Co-Scientist 工具帮助生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 解决老化研究瓶颈。该模型扫描数万篇论文后提出 20 余个潜在抗衰老基因因子，实验验证其可驱动细胞进入年轻状态并改善整体功能。在数据分析阶段，Co-Scientist 将原本需要研究员花费数月的文献关联分析工作缩短至仅几天。

    推荐理由：Co-Scientist 将遗传筛选数据分析周期从数月压缩至几天，验证了 AI 加速老化研究的核心潜力。

5月16日周六
5月8日周五
  1. Berkeley AI Research42

    Adaptive Parallel Reasoning：高效推理扩展的下一范式

    文章分析了自适应并行推理（Adaptive Parallel Reasoning）作为高效推理扩展的潜在范式。现有方法如固定并行或启发式搜索存在冗余计算问题，且无法根据问题动态调整并行度。该方向旨在让模型自主决定何时分解子任务、生成多少并发线程及如何协调，以解决串行推理导致的延迟高、上下文退化（context-rot）及计算资源浪费问题。

4月30日周四
  1. Google DeepMind83

    Google DeepMind 发布 AI co-clinician 研究计划及多模态医疗能力评估

    Google DeepMind 宣布推出 AI co-clinician 研究计划，旨在探索 AI 作为医疗团队的协作成员。系统基于 Gemini 和 Project Astra 实现实时多模态交互，在 98 个初级保健查询盲测中记录到 97 次零关键错误，并优于其他主流 AI 系统。

    推荐理由：原文展示了在 98 个病例和 140 项评估中 AI 与医生表现的具体对比，并明确提出了双智能体架构的安全保障方案。

4月22日周三
4月20日周一
4月16日周四
4月9日周四
4月3日周五
  1. Google Research35

    Google Research 提出评估 LLM 行为倾向对齐的框架

    Google Research 发布评估大语言模型行为倾向与人类对齐的框架，通过情境判断测试（SJT）在现实场景中进行验证。对 25 个 LLM 的分析发现，小于 120B 的小模型及前沿闭源模型在人类一致偏好场景下的方向性对齐率接近完美，但在低共识场景下停滞于 80% 左右。研究发现模型在职业冷静、冲突解决等场景中常偏离人类偏好，如过度鼓励情绪表达或忽视逻辑验证。

4月1日周三
  1. Google Research26

    Google Research 研究：评估 AI 基准测试中人工评分员的最佳数量

    Google Research 团队通过开源模拟工具研究了 AI 基准测试中“广度”（条目数）与“深度”（每条目评分员数）的权衡。研究发现，常见的每条目 3 至 5 名评分员不足，捕捉细微差别往往需要 10 名以上评分员；而追求多数投票一致性时则更适合增加条目总数。在约 1000 条注释的预算下优化评分比例即可实现高可复现性。