AI · AGENTS · KNOWLEDGE
论文与研究速递
整理 AI 研究问题、论文方法与公开实验入口。
内容目录
共 61 条内容 · 显示 31–60技术动态论文与研究速递RRI：用对抗式元提示演化改进开放任务的奖励评分 该预印本提出递归奖励改进（RRI），在 proposer–solver 自改进循环中加入奖励攻击对抗者，通过让其写出钻 rubric 空子的答案并据此修订评分标准，缓解开放式任务中评分被利用的问题；在 HealthBench Professional 等基准上报告了相对基线提升，但摘要未提及同行评审与复现细节。技术动态论文与研究速递预印本提出 RSHD 方法：用失败轨迹回放恢复 GRPO 训练监督 一篇未经同行评审的 arXiv 预印本提出 Replay-Selected Hindsight Distillation（RSHD），在 GRPO 训练中把全部失败的分组转化为额外监督信号：策略为每个失败尝试写纠错笔记，再带笔记重解，仅当回放成功率高于原始分组时才采纳该笔记并蒸馏回常规策略。技术动态论文与研究速递HPC 作业调度中深度强化学习的统计评估 一篇 arXiv 预印本用两个真实 Slurm 工作负载轨迹和种子配对控制，评估带与不带动作掩码的 PPO、A2C、DQN 在 HPC 作业调度中的表现，发现掩码 DRL 并非普遍优于基线。技术动态论文与研究速递Google Research 提出多智能体长视频生成框架 Google Research 介绍一套面向长视频生成的多智能体编排框架，包含 AI video co-director、CANVAS、A²RD 与 VQQA 四个组成部分，旨在缓解多镜头叙事中的角色与场景漂移问题。技术动态论文与研究速递谷歌提出 Diffusion Controller：轻量"转向阻尼"网络统一图像生成控制 谷歌研究团队发布 Diffusion Controller 框架，把扩散模型的去噪过程视为连续控制问题，用一个轻量侧网络在冻结基座模型上动态施加引导，从而在不改模型权重的前提下提升提示词对齐度，并可适配闭源模型。技术动态论文与研究速递Google Earth AI 人群动态基础模型用于公共卫生的五项合作案例 Google Research 介绍 Earth AI 中的人群动态基础模型（PDFM），以自监督方式把搜索趋势、移动性与环境等信号压缩为位置嵌入，并在五项合作研究里作为即插即用输入增强既有流行病学模型。技术动态论文与研究速递Athanor：面向自主后训练研究的智能体原生系统 arXiv 预印本介绍 Athanor 系统，让前沿智能体在真实 GPU 上自主完成小模型后训练研究，104 小时内将 Qwen3-4B-Base 提升至接近官方 Instruct 版本。技术动态论文与研究速递Google Research 探索用生成式 UI 让教师自制互动学习模拟 Google Research 介绍一项研究实验：借助为教育优化的生成式 UI 与教学设计约束，让教师按课程目标生成互动式学习模拟；同时发布 30+ 个英文 STEM 学习互动样例库，并启动学校试点。技术动态论文与研究速递MilleMiglia：面向中程物流的真实实例生成器 Google Research 发布开源 C++ 实例生成器 MilleMiglia，用于生成中程物流的合成基准，弥补该环节缺乏公开高质量数据的空白。技术动态论文与研究速递Probe-and-Resume：仅在终点调用批评者来评估智能体执行 这篇 arXiv 预印本研究终端式计算机使用环境中 MCTS 测试时搜索为何难以提升任务成功率，并提出只在智能体认为已完成时才调用批评者的 Probe-and-Resume 设计，在 Terminal-Bench 2.1 上报告成功率提升 8.4 个百分点。技术动态论文与研究速递跨人群基因组预测中的迁移学习：并非数据越多越好 Google Research 博客介绍一项基于英国生物银行（UKB）与日本生物银行（BBJ）的实证研究，考察将欧洲人群多基因风险评分迁移到非欧洲人群时的表现：目标人群样本量小的时候迁移学习有增益，但样本量增大后反而可能降低准确率。技术动态论文与研究速递Kolab：面向长周期工作流的人机协作基准 arXiv 预印本提出 Kolab 数据集，用 115+ 小时、50 名 40 种职业从业者的屏幕录制，考察人类与智能体在长周期专业任务中的协作，发现前沿模型倾向高估专家对智能体产出的采纳与协作质量。技术动态论文与研究速递微软研究院：用机器学习预测电网空间天气风险 微软研究院博客介绍一套端到端机器学习流水线，利用太阳风观测与AE/Dst指数预报，结合地质电导率等局地信息，为美国本土66,935座变电站生成30—60分钟提前的GIC风险估计。技术动态论文与研究速递CleanRM：用少量干净反馈校准噪声偏好数据 一篇预印本提出 CleanRM，用少量干净反馈通过最优传输估计逐样本噪声比例，并据此训练无偏奖励模型，用于改进 RLHF 对齐。技术动态论文与研究速递All-in-One Memory：面向记忆智能体的过程奖励强化学习 一篇未经同行评审的 arXiv 预印本提出 All-in-One Memory（AiO-Mem），将记忆的检索、写入与停止决策统一到共享证据状态的奖励空间中，用过程奖励模型与 PA-DAPO 优化记忆策略，摘要称在长上下文记忆基准上提升答案准确率。技术动态论文与研究速递Google Research 发布 Science One Framework：用证据链减少自主研究中的幻觉 Google Research 介绍实验性研究原型 Science One Framework，通过 Chain-of-Evidence（证据链）在设计上绑定每条论断与其证据，并配套 CoE Audit 自动化审计协议，用于检查 AI 生成论文的引用、分数与代码一致性。技术动态论文与研究速递MemScope：通过局部化代码修复实现智能体记忆架构进化 arXiv 预印本提出 MemScope 框架，利用执行的原始轨迹与运行时记忆状态定位失败点，对现有智能体记忆架构做受限的原地代码修补；在 GAIA、xBench、ALFWorld 上报告了相对基线的提升，论文未经同行评审。技术动态论文与研究速递Google Research 发布 GlucoFM：面向连续血糖监测的双流基础模型 Google Research 介绍了 GlucoFM，一个轻量级自监督连续血糖监测（CGM）基础模型，采用双流设计分别建模缓慢血糖趋势与短期波动，在糖尿病风险、胰岛素抵抗、β细胞功能障碍等任务上报告了优于 GluFormer 的表现。技术动态论文与研究速递AgentHands：为 XR 空间对话生成同步手势的智能体原型 Google Research 在 CHI 2026 发布 AgentHands 研究原型，让 XR 中的对话智能体在说话时同步做出指向、比划和警示手势，把抽象语音指令落到用户周围的三维空间里。技术动态论文与研究速递潜在链式推理是否真的在推理：一个统一分类法的预印本研究 arXiv 预印本提出用统一分类法区分潜在思维链"表示什么"与"模型如何使用它"，并在 21 组模型-任务配置上通过删除链、替换内容与探针分析检验其因果作用，发现可读的中间状态不足以证明推理发生。技术动态论文与研究速递Google Research 提出 ME-POIs：用出行数据增强地点表示 Google Research 介绍 ME-POIs 框架，将静态文本元数据与匿名聚合出行模式结合，为地点生成同时编码身份与功能节奏的嵌入表示，并报告在多个地点属性预测任务上的相对提升。技术动态论文与研究速递微软研究播客：AI 评估、多轮对话退化与长流程任务失败 微软研究院播客对话 Jennifer Neville，讨论面向真实使用场景的 AI 评估、多轮对话性能下降、长流程知识工作中的意外失败，以及隐私保护的数据分析方式。技术动态论文与研究速递基于条件对比外推的在线策略蒸馏方法 CCE-OPD arXiv 预印本提出 CCE-OPD，通过屏蔽问题条件的对比评估与有界对数概率对比，缓解在线策略蒸馏中教师偏好无效续写的问题，并在诊断集和多数学基准上报告了改进。技术动态论文与研究速递研究：多轮多方对话中智能体承诺的解除权限 一篇 arXiv 预印本论文研究助手在多方对话中作出承诺后，谁有权解除该承诺，并在受控聊天环境中测试多个模型的表现。技术动态论文与研究速递Google Research：前沿大模型的事实错误更多源于“回想失败”而非“未编码” Google Research 提出知识画像框架与 WikiProfile 基准，将事实状态区分为编码与回想。结果显示，Gemini-3、GPT-5 等前沿模型约 95–98% 的事实已被编码，但仍有 26–34% 无法直接回想；长尾事实与反向提问的困难主要属于回想问题，思考过程可部分恢复已编码但难以直接调用的事实。技术动态论文与研究速递Google 研究将 AMIE 扩展至实时视频问诊 Google Research 介绍 AMIE（Video），通过异步多智能体架构在模拟视频问诊中实现与初级保健医生相当的评估表现，但研究完全基于模拟场景与受训患者演员，尚未经真实患者验证。技术动态论文与研究速递基于评分标准的LLM评估存在不确定性：共形加权方法提出 一篇arXiv预印本提出URW框架，用共形校准为评分标准中的每项准则赋予不确定性权重，以改善LLM评估中的偏好判断与下游强化学习对齐。该工作为未经同行评审的预印本，结论尚待验证。技术动态论文与研究速递AutoOnboarder：让编码智能体自动调优 LLM 智能体 一篇未经同行评审的 arXiv 预印本提出 AutoOnboarder，由“入职者”编码智能体自动调整基础模型、提示词与 harness 源码，在基因组测序预授权表单提交任务上，据称能以最多约 29 倍更低成本达到或超过某 Gemini Flash 基线，但最终表现波动较大。技术动态论文与研究速递Google Research 发布 SymptomAI：会话式症状评估智能体的全国规模研究 Google Research 公布一项基于 Gemini Flash 2.0 的会话式症状问诊与鉴别诊断智能体 SymptomAI 研究，在 13,917 名参与者中开展随机对照，临床专家在超过 50% 的案例中更偏好其鉴别诊断列表，且其优势在临床医生自身信心最低的病例上最为明显；研究同时将诊断结果与 Fitbit 可穿戴生物信号进行对照分析。技术动态论文与研究速递医疗流程 LLM 智能体升级可靠性审计基准：扰动受控的工作流状态失效评估 一篇未经同行评审的预印本提出以 400 个合成医疗工作流片段评估智能体在证据缺失、过时、冲突或延迟时的动作选择可靠性，发现干净输入下准确率高但升级动作遗漏严重，规则控制器虽能改善却对改写表述缺乏泛化。