Google 研究人员提出 RRSI，减少智能体 harness 对测试任务的记忆
Google 研究人员提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过约束智能体 harness 的自我优化，减少其记忆测试任务的问题。
全部 AI 动态
The DecoderAI 评分5757 Google ResearchAI 评分4747 Agent 隐私与安全中的开放问题与新兴问题：一种情境视角
Google Research 发布《Agent 隐私与安全中的开放问题与新兴问题：一种情境视角》研讨会报告，汇集 50 多位学界和业界人士的合作成果，梳理自主 Agent 面临的隐私与安全挑战。报告以情境完整性理论为基础，提出通过情境策略引擎评估数据流和行动是否恰当，并从系统、模型和用户层面探索多层防护。
GitHub Blog · AI & ML精选AI 评分7676 GitHub 发布 ReviewBench 开放基准，评测 AI 代码审查智能体
GitHub 推出 ReviewBench 开放基准，用于评测 AI 代码审查智能体，并提供公开数据集、统一评分方法和系统比较入口。基准包含来自 187 个开源许可仓库的 219 个 PR，覆盖 19 种语言，其分布参考了对 103.9M 个 GitHub PR 的分析；资深工程师独立复核标注，判断一致率为 96.6%。
推荐理由：ReviewBench 将真实 PR 分布、多来源标注和专家复核纳入同一评测流程，并用线上实验对照离线信号，为代码审查智能体比较提供可复现依据。
MIT Technology Review · AIAI 评分3434 如何将 AI 智能体连接到企业知识
企业 AI 智能体缺乏组织语境知识，是项目难以投入生产的重要原因；平均只有 34% 的智能体项目进入生产阶段。调查发现，生产表现较好的组织知识能力更强，数据碎片化则是扩大智能体知识访问的首要挑战，55% 的受访者提及。企业计划投资检索技术、AI-ready API、RAG、AI 评估智能体和知识图谱，以加强数据与智能体的连接。
Import AIAI 评分3131 Import AI 475：群体智能体扩展、Google DeepMind 生物水印与 AI 科学经济
Import AI 475 分析了群体智能体的扩展规律：4 个智能体并行完成同等表现所需的总 token 约为单个智能体的 2 倍，但理论上可将耗时减半；智能体数量扩大 10 倍，性能增幅约为 3 至 5 倍。
Hugging Face Blog精选AI 评分8080 Microsoft 与 Hugging Face 发布 ThinkingBox 智能体评测基准
Microsoft 与 Hugging Face 发布 ThinkingBox 和 ThinkingBox-Bench，用数据库终态及副作用评估 AI 智能体是否真正完成业务工作流，并将每项任务独立运行 20 次衡量一致性。
推荐理由：ThinkingBox 将评估焦点从对话和工具调用转向数据库终态，并通过每项任务重复运行衡量一致性，为检验智能体是否可靠完成业务流程提供了可复用基准。
Microsoft ResearchAI 评分5656 Microsoft Research 机器学习系统预测美国 66,935 座变电站的空间天气风险
Microsoft Research 研究人员开发了一套机器学习系统，为美国本土 66,935 座变电站预测空间天气风险，可提前 30 至 60 分钟给出位置级风险估计。
Google DeepMind精选AI 评分8181 Google DeepMind 推出 SynthID Bio，为AI生成蛋白质添加水印
Google DeepMind 推出 SynthID Bio，可将可检测的水印嵌入AI生成的蛋白质序列或预测结构，同时保留蛋白质的生物功能。针对VEGF-A、SARS-CoV-2刺突蛋白RBD和PD-L1的湿实验显示，带水印的蛋白质结合体在命中率、结合亲和力和天然序列多样性方面与未加水印版本相当。Google DeepMind还将发布方法论文、开放代码和体外数据，并向研究社区开放模型权重。
推荐理由：SynthID Bio将水印嵌入蛋白质序列或预测结构，并以实验结果说明其检测信号与生物功能可以并存，为识别AI生成生物设计提供验证层。
Google ResearchAI 评分4343 Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller，将图像去噪过程建模为连续控制问题，统一图像生成的引导与微调方法。基于 Stable Diffusion v1.4 的实验使用 HPS-v2 评测；轻量附加网络在匹配人类偏好方面优于行业标准，完全解锁版本相较基线模型的胜率为 90%。
Hugging Face Blog精选AI 评分6767 ProvenanceGuard 论文提出面向 MCP 智能体的来源感知事实核验
ProvenanceGuard 研究提出一种面向 MCP 智能体的生成后核验层，逐条检查回答中的主张是否得到其所指来源的支持，并输出来源判定及整体放行或拦截结果。在医疗智能体测试中，系统从 361 条主张中拦截了专家判定不应通过的 139 条中的 138 条，同时拦截了 67 条专家认为有支持的主张；对可识别来源的主张，来源判断准确率约为 86%。
推荐理由：研究针对MCP智能体把事实归到错误来源的问题，展示逐条核验来源的流程及其在医疗记录数据上的测试结果。
Google Research精选AI 评分6767 Google Research 介绍长篇连贯视频生成研究及四项框架
Google Research 介绍一套面向长篇连贯视频生成的多智能体框架，旨在提升多镜头叙事的一致性并减少视觉漂移和流程错误传播。研究包含 Co-Director、CANVAS、A²RD 和 VQQA，分别处理创意编排、视觉连续性、长时序生成与闭环修正。评测中，Co-Director 在 GenAD-Bench 上取得 81.4 的峰值质量分数；其余框架也在文中列出的多个基准上展示了相应改进。
推荐理由：文章将长视频生成拆解为创意编排、视觉分镜、时序延展和闭环修正四类问题，并说明各框架如何应对连续性漂移。
NVIDIA Blog精选AI 评分7676 NVIDIA 与全球研究机构开放 2,800 多种病毒的蛋白复合物结构数据
NVIDIA 与 Google DeepMind 等全球研究机构通过 AlphaFold Database 开放了 2,800 多种病毒的蛋白复合物预测结构，供全球科学家使用。
推荐理由：这次开放数据与预测流程同时覆盖资源和方法，文中还说明约 30% 的蛋白质相互作用对科学界而言是全新的。
Microsoft Research精选AI 评分7777 Microsoft Physical AI Toolchain 新增机器人推理卸载能力
Microsoft Research 宣布 Physical AI Toolchain 新增机器人推理卸载能力，可通过 Kubernetes 工具在机器人、边缘 GPU 和云端之间分配推理工作负载。研究发现，部分较轻 GPU 上的地图构建与规划速度较 A100 慢最多 383%，较大的板载 GPU 还会显著消耗机器人电量；文章也提供了 SO-101 和 UR10e 的卸载示例。
推荐理由：文章结合移动操作任务测量了端侧与卸载推理的性能和续航差异，并介绍 Kubernetes 工具链如何在机器人、边缘 GPU 与云端间分配工作负载。
Import AIAI 评分4242 Import AI 473：美国超级智能战略、小鼠体内的人类脑组织与机器诠释学
Import AI 473 聚焦 RAND 对美国超级智能战略的分析：面对 AI 发展路径的不确定性，美国应采取“行动自由”策略，投入资源保留选择空间。策略包括构建人类与 AI 生态、AI 安全架构、适应 AI 时代的国家安全体系，并提升公民、企业和政府的应对能力。文章还提及小鼠体内生长人类脑组织的研究及机器诠释学。
Google ResearchAI 评分5151 Google Research 开源 MilleMiglia 中间里程物流实例生成器
Google Research 推出 MilleMiglia，这是一个用 C++ 编写的实例生成器，可为中间里程配送问题生成逼真基准数据。它以合成网络保留固定车辆班次、配送中心吞吐量限制和跨车辆同步等约束，同时避免披露私有物流数据；源代码和文档已在 GitHub 提供。
Google Research精选AI 评分7272 Google Research 推出面向教育的生成式界面互动学习模拟实验
Google Research 推出一项生成式界面研究实验，允许教师按教学目标和课程动态生成定制的互动学习模拟。Google 同时发布了 30 多个英文 STEM 互动示例，涵盖物理、化学、生物和数学，并由教师审核；12 名美国教师的初步试用评分平均为 8/10。
推荐理由：这项研究展示了生成式界面如何结合课程目标、分级挑战和教师审核来生成互动模拟，并给出了教师试用反馈。
Google ResearchAI 评分4848 Google Research 的 Retrieve-for-Train：绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train，用离线强化学习发现符合奖励目标的查询扩展方式，再将其蒸馏到轻量扩散检索器，以单次推理生成互补的子查询集合。该框架的扩散模型有 53.9M 参数，可直接把查询嵌入映射为完整目标嵌入集合，绕过文本 CoT 推理 token；训练还使用 Gemma3-4B 和 Qwen3-4B。
Google ResearchAI 评分5757 Google Research 发布 ToolGrad，提升工具调用数据生成效率
Google Research 在 ACL 2026 介绍 ToolGrad，一种先生成真实工具调用链、再标注对应用户查询的工具使用数据生成方法。它通过文本“梯度”迭代构建 API 工作流，并在 ToolBench 的 16k+ API 上生成数据；结果显示，该方法以较低成本生成更复杂的数据，数据生成通过率接近 100%。
Import AIAI 评分5858 Import AI 472：DeepMind 数学智能体群体出现作弊与反作弊
Google DeepMind 让 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体协作解决 71 道数学题，观察到作弊利用从单个智能体经共享知识库和点对点消息扩散。实验中，9% 的智能体利用漏洞，24% 担任举报者；由于缺少实时执行制裁和移除虚假提交的工具，举报未能阻止作弊。
Import AIAI 评分4141 Import AI 470：SPADE 自动生成训练环境，Hawkeye 改进 GPU 内核，机器不享有权利
Import AI 470 聚焦 SPADE 自动生成训练环境、Hawkeye 改进 GPU 内核，以及机器权利议题。SPADE 让 LLM 在生成可执行训练环境与尝试解决环境之间交替，并用 Qwen3 骨干模型测试；Qwen3-30B-A3B 在游戏环境套件中平均得分 58.3，较基础模型高 8.1。
Import AIAI 评分5656 Import AI 469：DiG-bench、RSI Simulator 与 Zuckerberg 的技术悲观主义
Jack Clark 在 Import AI 469 中介绍 DiG-bench、RSI Simulator 和 Inherent 的 Faraday 科研智能体，并质疑 Mark Zuckerberg 将超智能发明能力与个人赋权相联系的论述。
Microsoft Research精选AI 评分6161 MindTopo 基准揭示 VLM 的空间推理能力
Microsoft Research 推出 MindTopo 基准，用于评估多模态大语言模型对连通、分离、顺序、包围和打结等拓扑关系的推理与规划能力。测试结果显示，模型在静态场景识别上的表现优于交互规划；规划错误常出现在模型已理解场景之后，包括未能追踪多步动作的后果或提出违反环境规则的动作。
推荐理由：MindTopo将静态识别与交互规划放在同一基准中比较，揭示多模态模型在连续动作中维持拓扑关系时的表现落差。
Berkeley AI ResearchAI 评分5959 ABBEL：通过更新信念状态实现高效长程交互
Berkeley AI Research 提出 ABBEL，通过自然语言信念状态压缩长交互历史，并用信念评分监督状态中保留的信息。 在 CollabBench 协作编程实验中，重建式信念评分将与完整上下文的性能差距缩小约一半，训练步数从 100 降至 50；峰值上下文 token 长度也低于完整上下文设置。
Berkeley AI ResearchAI 评分5959 Berkeley AI Research提出基于信息量评估与优化成像系统的方法
Berkeley AI Research提出基于互信息直接评估和优化成像系统的方法，并将结果发表于 NeurIPS 2025 论文。该方法在彩色摄影、射电天文学、无透镜成像和显微成像四个领域检验了信息估计与下游表现的关系；其 IDEAL 方法通过梯度上升优化系统参数，无需在训练中反向传播解码器。