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%。
#推理
Google ResearchAI 评分4343
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。
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。