Google Research发布10项研究进展，展示AI如何放大人类创造力
Google Research在Research@ 2026活动上发布了10项研究进展。内容包括：1）Google Earth AI扩大早期访问，提供地理空间分析和预测能力。
阅读原文 来源：Google Research
推荐理由原文列出了10项具体研究进展，涵盖地理空间分析、多智能体协作、医疗AI、边缘芯片等多领域，读者可了解Google Research近期的技术布局和工具开放情况。
#原创研究
Google Research一手精选 Google Research一手精选 Google Research 发布 Deep Review：基于代理的技术文档分析系统
Google Research 发布 Deep Review，一个基于代理的 AI 系统，旨在对复杂技术文档进行严格的反馈和验证。该系统通过四阶段流程（文档分段、自适应预算分配、深度平行验证、全局综合）检查逻辑一致性、数学陈述并提供改进建议。
阅读原文 来源：Google Research推荐理由Deep Review 作为一个基于代理的 AI 系统，通过四阶段流程提供技术验证和逻辑检查，现已向全球用户开放并提供 API 集成，具备显著的降低人工审稿负担的潜力。
Google Research一手 Google Research：Putting Earth AI to work：地理空间代理助力地球最大挑战
Google Research发布了地理空间推理代理系统及两个新基准测试。代理系统连接Gemini与Earth AI基座模型，支持多步推理和自主训练自定义预测模型。
阅读原文 来源：Google ResearchHugging Face Blog一手精选 HiRO-ACEv2：以极低成本模拟 3km 分辨率极端天气
HiRO-ACEv2 发布新的下采样模型 HiROv2，可同时预测多种高分辨率场，捕捉更广泛的极端天气。在给定粗分辨率 X-SHiELD 数据时，HiROv2 将高分辨率统计特征匹配精度提升至 3%，即使是千万分之一级别的极端事件。
阅读原文 来源：Hugging Face Blog推荐理由HiRO-ACEv2 通过新的下采样模型 HiROv2，实现了在极端天气事件上高精度模拟，且成本仅为 X-SHiELD 的 1/300，为研究人员提供了生成高分辨率极端天气数据的经济方案。
Solana News一手 Solana Geo-Aware Leader Schedule 参数分析：σ与γ的权衡与最优取值
该研究分析了Solana geo-aware leader schedule的两个关键参数σ（STAKE_FLOOR）和γ（RUN_LENGTH），旨在平衡交易 handoff latency 降低与网络安全风险。
阅读原文 来源：Solana NewsGoogle DeepMind一手 Google DeepMind 发布 Gemini 4 Argon：负责任与安全的深度工作模型
Gemini 4 Argon 发布，专为深度工作和复杂现实任务（编码、金融、法律、网络安全、科学）设计，网络防御能力达前沿水平。在 Fairwind Program 与内部安全团队测试期间，Wiz 利用 Argon 发现医院软件关键漏洞，帮助保护数十万患者记录。
阅读原文 来源：Google DeepMindAWS Machine Learning Blog一手 Natural language security queries at Orca Security using Amazon Bedrock
Orca Security 与 AWS 联手在 Amazon Bedrock 上构建了名为 Discovery AI 的自然语言查询代理，将自然语言转化为 Sonar 查询，实现查询成本下降 90%，输入 Token 下降 93%，延迟下降 75%。
阅读原文 来源：AWS Machine Learning Blog
Microsoft Research一手 模拟学生学习，提升AI辅导效果
Microsoft Research提出了StudentSim系统，旨在通过训练个性化学生模拟器来评估和改进AI辅导系统。该系统利用公开的、去标识化的学习记录训练模拟器，评估维度包括行为一致性和对指导的响应能力。
阅读原文 来源：Microsoft Research
OpenAI News一手 Asana 利用 GPT-6 Astra 在浏览器测试中将模型成本降低 76 倍
Asana 在浏览器自动化测试中使用 GPT-6 Astra，使代理成本降低 76 倍、速度提升 5 倍。该方案旨在为客户提供更具能力的模型。
阅读原文 来源：OpenAI News
Google Research一手精选 Google Research：AI辅助是否增强或侵蚀专业专长？
Google Research在专利起草领域进行三个月田野实验，随机分配AI工具访问权给133名专利律师。实验发现：在10天和90天的起草任务中，AI工具均显著提升了 drafting scores（0.34 SD和0.38 SD），主要通过减少差评和增加良好评分实现，但优秀评分无变化。
阅读原文 来源：Google Research推荐理由实证研究通过三个月田野实验，揭示了AI辅助在专业领域提升短期产出与长期技能形成的冲突：初学者短期表现提升但未转化为持久专业判断，资深者则通过AI作为‘逻辑审计员’强化了基础专业知识。
Microsoft Research一手精选 Agent Lightning v1.0：3,500 行轻量化 Agentic RL 框架，支持真实 harness 训练
Microsoft Research Asia 发布 Agent Lightning v1.0，这是一个约 3,500 行代码的轻量化 Agentic RL 框架。
阅读原文 来源：Microsoft Research推荐理由Agent Lightning v1.0 发布轻量化的 Agentic RL 框架，展示了通过真实 harness 训练的方法和 Kubernetes 原生部署，读者可了解该框架如何解决传统 RL 重实现成本高、行为偏差大的问题。
Microsoft Research一手 What AI gets wrong and what failure teaches us
Jennifer Neville, Microsoft Research partner research manager。
阅读原文 来源：Microsoft Research
Google Research一手精选 Google Research 发布地球 AI 星基地模型，用于全球公共卫生
Google Earth AI 的星基地模型 PDFM 通过自监督学习将搜索趋势、人流、建筑环境和环境指标压缩为地点嵌入，无需任务专属微调即可在疫情预测、慢病监测等多健康领域匹配或超越传统输入。
阅读原文 来源：Google Research推荐理由PDFM 通过自监督学习将搜索趋势、人流、建筑环境和环境指标压缩为地点嵌入，无需任务专属微便即可在疫情预测、慢病监测等多健康领域匹配或超越传统输入，展示了地理空间基座模型在公共卫生领域的可复用性。
Google Research一手精选 Google发布智能体隐私与安全研报：基于语境完整性的治理框架
Google发布研报《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》，基于语境完整性理论扩展智能体行为的语境安全。
阅读原文 来源：Google Research推荐理由本文提供了首个系统性的框架，将语境完整性理论扩展到智能体行为的安全与隐私，读者可以据此理解当前智能体系统的核心挑战与治理路径。
GitHub Blog: AI & ML一手精选 ReviewBench：AI 代码评実开放基准
ReviewBench 是一个基于 1.039 亿真实 Pull Request 的 AI 代码评実基准，包含 219 个跨语言的公开 PR，提供 grounded 与 augmented 等六项评估指标，支持按严重程度和类别切片评估。GitHub 利用该基准评估 Copilot 代码评実，预测了线上实验结果，展现出良好的线下线上一致性，并公开发布基准与评估方法，供社区自行评估与迭代。
阅读原文 来源：GitHub Blog: AI & ML推荐理由ReviewBench 作为一个新的 AI 代码评� benchmark，提供了多维度的评估指标和可复用的评估方法，帮助开发者评估和对比代码宐�智能体的性能，是一篇值得阅读的技术解析。
Hugging Face Blog一手精选 The Agent Said It Was Done. The Database Disagreed.
Microsoft 和 Hugging Face 联合发布 ThinkingBox 基准，用于评估 AI 代理在业务工作流中的可靠性。基准通过在 507 个 stateful 工作流中各重复运行 20 次，测量代理留下的数据库状态和副作用，而非仅依赖其生成的文本。
阅读原文 来源：Hugging Face Blog推荐理由ThinkingBox 基准揭示了 AI 代理在 507 个业务工作流中 20 次重复运行后的可靠性差异，展示了 pass@1 与 pass@20 的巨大落差，并提供可直接在 OpenEnv 上运行的基准工具。
Google AI 官方博客一手 Google AI 官方博客 2026 年 9 月 AI 新速递
Google 在 2026 年 9 月发布了多款 AI 产品与模型更新。Gemini 4 Argon 作为新一代前沿模型，具备 100 万 token 输出上限，专为网络安全防御等重负载任务设计，目前通过 Fairwind 计划向可信任的网络安全专家试点发布。
阅读原文 来源：Google AI 官方博客Google Research一手精选 谷歌研究：联邦数据可验证私有学习
谷歌发布联邦学习新系统，利用可信执行环境（TEE）实现可验证的数据匿名化。系统通过TEE协调数据上传、密钥管理和训练执行，仅在TEE内部处理加密数据，并将访问策略发布至公开透明日志。Gboard已采用该系统，实现英日语下一词预测模型的训练速度显著提升和隐私保证增强。该架构将计算从设备卸载至服务器，并支持可重现的构建和外部审计。未来将探索结合加速器和LLM推理等更复杂的工作负载。
阅读原文 来源：Google Research推荐理由原文介绍了利用TEE技术实现联邦学习可验证隐私保护的技术架构，展示了如何在保证隐私的同时提升训练效率，读者可了解该技术在实际产品中的落地实践。
Hugging Face Blog一手 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 发布 AutoSynthData 框架，利用目标模型的失败和更强教师的成功经验生成训练任务。
阅读原文 来源：Hugging Face Blog
Microsoft Research一手 Microsoft Research 发布空间天气风险预测系统，覆盖 66,935 美国变电站
Microsoft Research 发布基于机器学习的空间天气风险预测系统，覆盖美国本土 66,935 个变电站。系统结合极光电流（AE）和暴风暴雨时间（Dst）预测、地质导电率及变电站纬度，生成 30-60 分钟的预警。
阅读原文 来源：Microsoft Research
Google Research一手精选 Google Research：Diffusion Controller 统一并简化 AI 图像生成
Google Research 发布 Diffusion Controller 框架，将扩散模型的生成过程重构为连续控制问题。该框架通过轻量级的转向阻尼网络，在不修改核心模型权重的情况下实现精细的图像控制。
阅读原文 来源：Google Research推荐理由原文提出了Diffusion Controller框架，通过重构扩散过程为连续控制问题，提供了轻量级的转向阻尼网络，在灰盒和白盒环境下均显著优于LoRA等基线，展示了统一的数学控制范式。
Microsoft Research一手 Introducing Quine: An AI research system designed for the complexity of biology
Microsoft Research 发布 Quine，这是一个旨在为生物学创建多模态世界模型的 AI 研究系统。该系统通过与哈佛布罗德研究所合作，预测驱动治疗状态转变的化合物并进行实验验证。Quine 系统结合了生物学世界模型与交互式工具套件，支持科学家进行推理、工具调用和文献检索，旨在跨模态、跨尺度推进生物医学研究，目前处于研究阶段，不具备临床诊断能力。
阅读原文 来源：Microsoft ResearchMicrosoft Research一手 Microsoft Research Asia – Singapore 一周年：推动研究、合作与人才实现现实影响
Microsoft Research Asia – Singapore 成立一周年，旨在连接微软前沿 AI 研究与新加坡顶尖大学、政府及产业生态。实验室聚焦四大支柱：下一代 AI 模型与智能体、领域专属 AI、AI 原生研究实践及人才生态。通过医疗等领域的合作，已将基础研究转化为实际应用，并持续推动 AI 在医疗、金融等领域的落地。
阅读原文 来源：Microsoft Research
Microsoft Research一手 RetroChimera：微软研究团队在 Nature 上发布的开源分子合成预测模型
Microsoft Research 在 Nature 上发布开源模型 RetroChimera，该模型结合 R-SMILES 2（Transformer）与 NeuralLoc（GNN）两大子模型，通过学习重排机制融合其互补优势。
阅读原文 来源：Microsoft Research
Mistral AI一手精选 Mistral 完成 30 亿欧元融资，估值超 210 亿欧元
Mistral 完成 30 亿欧元融资，估值超 210 亿欧元。Samsung Electronics 领投，该轮融资将扩展前沿研究、扩大算力容量并加速国际化进程。公司现已在 20 个国家运营，支持包括 Airbus、ASML、HSBC 在内的 125 家全球企业的使命关键 AI 转型。其全栈开放权重方案旨在让组织在不暴露数据的前提下保持对模型、算力和生产系统的控制。
阅读原文 来源：Mistral AI推荐理由Mistral 完成 30 亿欧元融资，估值超 210 亿欧元，作为全栈开放权重 AI 的代表，其技术路线和商业化进程值得关注。
Ethereum Foundation Blog一手 Hegotá EIP 62提案评级榜：EF Protocol 联合发布首份统一视图
EF Protocol 联合发布了 Hegotá 62 个 EIP 的首份统一评级榜，涉及 397 个 tier grade，平均每个 EIP 6.4 个 grade。评级体系包含 S、A、B、C、DFI 与 TBD 五个等级，S 级定义叉分必须交付，A 级高 priority 预期交付，B 级需单独考虑且需满足原型、签署与规则三大要求。
阅读原文 来源：Ethereum Foundation Blog
Ethereum Foundation Blog一手 Ethereum 基金会发起更好代码挑战 推进基于哈希的 SNARKs 机器验证安全边界
Ethereum 基金会与 Yukon、zkSecurity 联合发起 open autoresearch challenge better.codes，目标通过公开协作推进 koalaIRS12 Reed–Solomon proximity problem 的机器验证下界至 128 bits。
阅读原文 来源：Ethereum Foundation Blog
Berkeley AI Research一手 From CUDA to MLX: How K-Search Brings Decades of Kernel Expertise to Apple Silicon
Berkeley Sky Lab 将 K-Search 进化引擎移植至 Apple MLX 框架，通过结构化 CUDA 到 MLX 的翻译层实现 CUDA 内核自动迁移。
阅读原文 来源：Berkeley AI Research
Berkeley AI Research一手 Teaching LLMs to Update Beliefs for Efficient Long-Horizon Interaction
研究提出了ABBEL框架，通过信念状态压缩交互历史以解决LLM长程任务上下文膨胀问题。在协作代码生成任务CollabBench中，ABBEL利用重构信念评分机制可将相较全上下文模型的性能差距缩减约50%，并将训练步骤减少一半；在Combination Lock测试中，该方法展示了信念更新与行动选择相结合的有效性。
阅读原文 来源：Berkeley AI Research
Berkeley AI Research一手 Adaptive Parallel Reasoning：高效推理的下一个范式
文章分析了平行推理的最新进展，重点探讨了自适应并行推理。研究指出，现有方法多由外部决定并行结构，缺乏模型自主决策能力。文章介绍了从固定并行到自适应控制的演进，涵盖了Fork-and-join、Tree of Thoughts、GroupThink以及Hogwild! Inference等方法，并讨论了模型如何根据问题复杂度自主决定并行程度与线程数量。
阅读原文 来源：Berkeley AI Research
Berkeley AI Research一手 Identifying Interactions at Scale for LLMs
Berkeley AI Research 提出 SPEX 与 ProxySPEX 两种算法，利用稀疏恢复与层级结构，在大幅减少 Ablation 成本的情况下，识别 LLM 中关键的高阶交互。SPEX 在数千特征规模下实现了现有方法难以企及的忠实度表现，ProxySPEX 则通过层级假设使计算成本降低约 10 倍，显著提升了特征、数据及模型内部组件的可解释性分析效率。
阅读原文 来源：Berkeley AI Research
Berkeley AI Research一手精选 信息驱动的成像系统设计
研究人员提出基于互信息的成像系统评估框架，该框架可直接从测量数据量化系统的区分能力，预测四个领域（色彩摄影、射电天文学、无透镜成像、显微镜）下游任务性能。该方法通过概率模型估计测量分布，避免了传统指标割裂的问题，并利用理噪升高信息指标的方法优化成像系统参数，在滤波器设计实验中与端到端优化持平，无需解码器即可实现系统级优化。
阅读原文 来源：Berkeley AI Research推荐理由原文提出基于信息论的成像系统评估框架，通过互信息直接量化测量的区分能力，并展示在四个领域预测下游任务性能，为系统设计提供统一指标。