Google Research 三个月实地实验：AI 辅助提升专利撰写产出，但初级律师无辅助判断力未同步提升
Google Research 在 NBER 发布专利撰写三个月实地实验，将 Google Labs 未发布的 AI 专利写作助手（现属 Gemini Notebook）随机分配给 11 家律所的 133 名律师。
推荐理由：三个月专利撰写实地实验区分了AI带来的即时产出提升与无辅助判断力的变化，为理解AI对专业能力的影响提供了少见的长期证据。
#数据/训练
Google Research精选
Hugging Face Blog精选 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和反馈驱动的推理流程，让模型在 IOI 2026 和 IMO 2026 均达到金牌水平。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可复用其训练与推理流程。
Google Research Google Earth AI 的 PDFM 地理空间基础模型如何用于全球公共卫生
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，将自监督预训练的"地点"嵌入向量作为即插即用输入接入现有流行病学流程，无需任务特定微调。
Google精选 Google Earth AI 联合全球卫生伙伴发布公共卫生预测研究
Google Research 与全球卫生伙伴发布新研究论文，展示 Google Earth AI 如何结合环境信号、卫星影像、移动数据和 AlphaEarth Foundations、Population Dynamics Foundation Model（PDFM）等基础模型，并搭配地理空间推理智能体原型，帮助公共卫生团队预测疾病暴发。
推荐理由：Google 与 WHO 等机构用 Earth AI 在刚果（金）埃博拉疫情中实测地理空间推理智能体，展示公共卫生预测从被动响应转向主动预防的路径。
MIT Technology Review · AI 如何将 AI 智能体接入企业知识
MIT Technology Review 对 300 名数据与 AI 高管的调研显示，企业平均仅约 34% 的 agentic AI 项目能进入生产环境，知识、上下文缺失与遗留数据系统是主要失败点。
Google Research Google 发布基于 TEE 的新一代联邦学习系统，Gboard 已采用
Google 宣布推出基于可信执行环境（TEE）的新一代联邦学习系统，通过远程可验证的 TEE 提供可审计的数据匿名化保证，并已用于 Gboard 的英语和日语下一词预测模型。
Hugging Face Blog Hugging Face 发布 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建的 AutoSynthData 能把企业智能体的能力短板转化为训练数据：它利用目标模型的失败案例和更强教师的成功轨迹定位待学能力，再生成并校验新任务，课程随模型进步动态调整。该方法在 EnterpriseOps Gym 数据集上进行了演示，生成的任务需满足可行性、真实性和难度三项属性，并通过一致性、可靠性和完备性的验证器筛选。
Microsoft Research 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院开发了一套端到端机器学习流水线，利用 L1 太阳风观测和 AE、Dst 指数预报，结合各变电站纬度与地质电导率，为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
Google DeepMind精选 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，在数字模型和合成出的实体蛋白质上均可验证，同时保持其生物功能。
推荐理由：DeepMind 把水印从数字内容延伸到合成生物，读者可了解其原理与生物安全筛查中的定位。
Google Research Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 发布 Diffusion Controller 框架，将扩散模型去噪过程重构为连续控制问题，通过轻量"转向阻尼器"网络在不改动基座模型权重的前提下调控生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持仅凭最终奖励分数进行微调，可作用于黑盒或灰盒的闭源模型。
Microsoft Research 微软研究院在 Nature 发布逆合成模型 RetroChimera，并开源实现与权重
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型由 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 组成，通过学习式集成与重排序融合两者互补优势。
Berkeley AI Research Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互摘要
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的递归摘要隔离为自然语言"信念状态"并对其内容进行监督评分。在 CollabBench 协作编码任务上，采用基于重构的信念评分后，ABBEL 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 长度也显著低于全上下文设置。
字节 Seed精选 字节 Seed 发布 EdgeBench 评测集，发现环境学习新 Scaling Law
字节 Seed 发布用于衡量真实世界环境学习的超长程评测集 EdgeBench，包含 134 个真实任务，横跨六大能力领域，Agent 在每个任务上可持续工作至少 12 小时。
推荐理由：字节 Seed 开源 EdgeBench 并给出环境学习曲线，读者可了解 Agent 长程学习如何被量化。
Berkeley AI Research GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的"状态-输入"梯度，使基于学习动力学（世界模型）的长时程规划变得可行。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI Research Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Berkeley AI Research 伯克利提出信息驱动成像系统设计框架，可跨四类成像任务预测性能
伯克利 AI 研究团队提出一种直接基于信息量评估和优化成像系统的框架，用互信息量化测量对物体的区分能力，并仅从含噪测量与噪声模型估计该指标。在 NeurIPS 2025 论文中，该方法在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化后的设计达到端到端方法水平，同时所需内存和算力更少，且无需任务专用解码器。