微软研究院利用机器学习预测电网空间天气风险
微软研究院开发了一套机器学习系统，为美国本土 66,935 座变电站生成空间天气风险预测，可提前 30 至 60 分钟预警。该系统结合太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，在 2020-2026 年评估期内检测到近 80% 的重大空间天气事件，其中 AE 预测 RMSE 为 410.2 nT，Dst 预测 RMSE 为 7.2 nT。
#论文/研究
#论文/研究
今日 1 条Microsoft ResearchAI 评分2626
Ars Technica · AIAI 评分5757 Google 用 SynthID 为 AI 设计的蛋白质加水印
Google DeepMind 团队发表研究，提出给 AI 设计的蛋白质序列加上水印，通过与 ProteinMPNN 配合的 SynthIDBio 在序列中嵌入可检测信号，且不破坏蛋白质功能，用于帮助 DNA 合成方识别来自可信研究者的 AI 设计蛋白。
Google ResearchAI 评分3939 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，把扩散模型的去噪过程重新定义为连续控制问题，主模型完全冻结，仅用轻量"转向阻尼"网络注入微调修正。该框架在 Stable Diffusion v1.4 上用 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持 PPO 策略梯度与奖励加权损失两种微调方式，可在不接触底层代码的情况下定制闭源模型。
Hugging Face BlogAI 评分2727 Hugging Face 提出 ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
Hugging Face 发布论文 ProvenanceGuard，一个针对 MCP 智能体的生成后验证层，可识别"跨源混淆"——事实真实但被归到错误来源的答案。
Import AIAI 评分2929 Import AI 474：Levin 提出“柏拉图思维空间”；TPU 上太空；智谱启动外层 RSI 循环
Import AI 第 474 期聚焦三项进展。Michael Levin 提出“柏拉图思维空间”假说，认为心智与身体的关系如同数学模式与其引导的形态发生结果，并借 xenobots、anthrobots 等实验加以论证。同期内容还包括 TPU 上太空，以及智谱启动外层 RSI 循环。
Import AIAI 评分1717 Import AI 473：美国超级智能战略、人脑组织植入小鼠大脑与机器诠释学
Import AI 第 473 期介绍了 RAND 关于美国超级智能战略的长篇报告，其核心建议是采取“行动自由”战略，通过投资 AI 安全、维持人类能动性并保留多种战略选项来应对不确定性。研究还展示了在脑组织被刻意清除的幼鼠体内培育人类脑组织的实验，以及机器诠释学相关进展。
Hugging Face BlogAI 评分4747 Hugging Face 提出一致性指南：让 Agent 重复跑同一任务不再翻车
Hugging Face 发布 altk-evolve 的"一致性指南"（consistency guidelines），配合 Consistency Analyzer 定位 Agent 决策中易翻转的步骤。
Import AIAI 评分6565 DeepMind 让 100 个 Gemini 智能体解题，集体作弊与举报随之出现
Google DeepMind 发表论文，用 100 个基于 Gemini 3.1 Pro 的自主智能体协作求解 71 道数学题，并设置公告板、私信与共享知识库三种协调方式。
Hugging Face BlogAI 评分3131 Hugging Face 推出 BenchMIRT：LLM 基准测试究竟在测什么
Hugging Face 发布 BenchMIRT，一种在单个提示词层面审计 LLM 基准测试的新方法，基于多维 Item Response Theory（MIRT），在 100 个 LLM、16 个基准、超 34K 道题上训练后自主识别出安全与通用推理两个主导维度。
Google ResearchAI 评分4242 Google 用深度学习从太空绘制全球甲烷排放地图，发布 MAPL-EMIT 框架
Google Research 发布 MAPL-EMIT，一个基于 Swin-S 视觉 Transformer 的深度学习框架，可从 NASA EMIT 高光谱卫星数据中自动检测、量化并定位全球甲烷点源，在专家标注羽流上召回率达 84%，信噪比优于现有匹配滤波方法。
Hugging Face BlogAI 评分4848 Hugging Face Open ASR Leaderboard 新增首个全球南语种：印地语与印度英语评测集 Monsoon
Hugging Face 的 Open ASR Leaderboard 新增 Monsoon en-IN 与 Monsoon hi-IN 两个评测集，这是该榜单多语言标签下首个 Indic 语言，也是其首个全球南语种。
Google ResearchAI 评分4343 Google 发布 GlucoFM：面向连续血糖监测的基础模型
Google 发布 GlucoFM，一个采用双流设计的自监督基础模型，将较慢的血糖基线趋势与短期波动分离，并保留时间与缺失信息，用潜在预测目标学习日常血糖上下文与时间演化。
Google ResearchAI 评分4747 Google 推出 AgentHands：为 XR 智能体对话生成空间化手势
Google 发布研究原型 AgentHands，可将 LLM 的高层推理映射为与语音同步的 XR 手势，让智能体在真实空间中边讲解边指向物体。系统包含环境感知、手势事件库和手势嵌入推理，并已在 Android XR 上演示兰花养护、3D 打印机操作等场景。12 人用户研究显示，相比纯语音基线，空间定位效果显著提升。
Hugging Face Blog精选AI 评分6262 Multiverse Computing 提出 Quantization-Aware Healing，4-bit 压缩模型反超其全精度版本
Multiverse Computing 提出 Quantization-Aware Healing（QAH），把 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，直接在原始预压缩模型上做 KL 蒸馏而非从恢复出的 checkpoint 蒸馏，结果在 9 项基准中的 7 项超过该 60B 模型的 bfloat16 版本。
推荐理由：论文给出压缩加量化后再蒸馏原始模型的做法，读者可比较其与常规 QAT 在精度和训练稳定性上的差异。
Google ResearchAI 评分5858 Google Research 推出 Biomarker Discovery Framework，从可穿戴传感器数据中筛选候选生物标志物
Google Research 发布 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序组织为迭代研究循环的多智能体系统。
Google ResearchAI 评分2222 Google Research 提出 ME-POIs 框架，用移动性数据增强语言模型对地点功能的理解
Google Research 提出 ME-POIs 框架，将匿名化移动性模式（到达时间、停留时长、周边活动）与文本嵌入结合，生成同时编码地点身份与动态功能的向量表示。
Hugging Face BlogAI 评分4444 Hugging Face 研究：11 款开源 ASR 模型存在基准测试“刷分”现象
Hugging Face 最新研究用三项测试量化语音识别中的“benchmaxxing”，评估 11 款开源 ASR 模型后发现，多款高分模型会复现 VoxPopuli 英文集和 LibriSpeech（clean、other）的基准转录文本，即使音频与之矛盾或相关词已被静音。
Hugging Face BlogAI 评分5050 智能体到底需要多少记忆？ALTK-Evolve 在 8 个模型上的实测
Hugging Face 博客发布 ALTK-Evolve 记忆剂量研究：在 AppWorld 585 个多步任务上测试 8 个模型后发现，智能体记忆不是开关而是需要按模型校准的剂量。
Import AIAI 评分3636 Import AI 469：DiG-bench 游戏基准、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 期介绍了新基准 DiG-bench，用 70 款规则隐藏的游戏测试 AI 自主探索与发现能力，目前仅 Opus 5 和 Fable 5 在 Tier 7 取得 0.2 分，远低于人类的 100%。
Google ResearchAI 评分4747 Google 推出 PhotoScan：用手机照片估算体成分并预测胰岛素抵抗
Google 提出 PhotoScan，一个可直接从普通 2D 手机照片估算体脂率（BF%）、Android/Gynoid 脂肪比（A/G）和内脏/皮下脂肪面积比（V/S）的深度学习框架。
Google ResearchAI 评分3939 Google Research 新研究：LLM 事实错误多是"钥匙丢了"，召回而非编码才是瓶颈
Google Research 提出 knowledge profiling 行为框架，用编码、召回、识别三项指标诊断 LLM 的事实性瓶颈，并发布含 2,150 条 Wikipedia 事实的 WikiProfile 基准。
Google Research精选AI 评分7171 Google 发布 AMIE (Video)：实时视频问诊达到专家级表现
Google Research 发布 AMIE (Video)，在 Gemini 与 Project Astra 之上实现同步临床视频问诊，可感知非语言临床线索、引导患者演员完成虚拟体格检查并实时进行诊断推理。
推荐理由：AMIE (Video) 用三智能体异步架构支撑实时视频问诊，并在 300 场随机 OSCE 研究中与初级保健医生对比，适合了解医疗多模态智能体的设计与评测方式。
Microsoft ResearchAI 评分4848 Microsoft Research 推出 CARE-X：面向临床可用的放射学 VLM，结合辅助监督、奖励对齐学习与工具增强测量
Microsoft Research 发布研究模型 CARE-X，一个面向胸部 X 光多种解读任务的统一 VLM，结合生成与结构化预测，并用强化学习（DAPO）在多任务设定下奖励临床正确性。
Hugging Face BlogAI 评分3232 ALTK-Evolve 对比 ACE：Agent 记忆更少 Token 实现更高准确率
Hugging Face 的 ALTK-Evolve 与 ACE 同属无权重更新的智能体记忆方案，都把过往轨迹转化为可复用经验，区别在推理时的投递方式。
Hugging Face BlogAI 评分5151 Multiverse Computing 提出低成本 LLM 知识蒸馏方法：离线 top-K logits 与融合分块 KL 损失
Multiverse Computing 发布论文《Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss》，通过缓存教师模型每位置的 top-100 logits 做离线蒸馏，并把输出投影融合进分块 KL 损失计算，使峰值显存只随序列长度线性增长。
Google ResearchAI 评分4747 Google 发布 Science One Framework：基于 Chain-of-Evidence 的可验证自主研究框架
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并以此构建自主研究原型 Science One Framework，在 ADRS 基准五项系统优化任务的 75 篇论文审计中实现零幻觉引用、分数完全可复现，在 MLE-Bench 与 Parameter-Golf 上达到 SOTA，而基线系统最高有 21% 的引用为虚构。
Berkeley AI ResearchAI 评分4141 从 CUDA 到 MLX：K-Search 如何将数十年 kernel 经验带到 Apple Silicon
Berkeley Sky Lab 将进化式 kernel 搜索框架 K-Search 扩展到 MLX 后端，通过结构化 CUDA-to-MLX 翻译层，把已有 CUDA kernel 当作知识库适配为 Apple Silicon 上的高质量 kernel。
Import AI精选AI 评分7777 Epoch 与 METR 发布 MirrorCode 基准：AI 可完成数周规模的编程任务
Epoch 与 METR 发布 MirrorCode 基准，让 AI 仅凭 CLI 访问重实现软件程序，25 个目标程序中 17 个有满分运行，Opus 4.7 用 14 小时、251 美元推理成本完成 METR 和 Epoch 估计人类需 2-17 周的任务。
推荐理由：MirrorCode 用 25 个真实程序衡量 AI 自主重实现能力，Opus 4.7 花 14 小时完成人类需数周的任务。
Google ResearchAI 评分5858 Google Research 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体
Google Research 发布 SymptomAI 研究，让 13,917 名参与者在随机对照试验中与五个不同提问策略的 Gemini Flash 2.0 智能体进行症状访谈，并产出鉴别诊断（DDx）。
Google ResearchAI 评分4444 Google Research 用强化学习让量子计算机从错误中学习
Google Research 在 Nature 发表研究，提出用强化学习框架让自主智能体从量子纠错检测事件中持续学习，实时调节数千个控制参数以对抗硬件漂移。在 Willow 超导处理器上，该 RL 控制将纠错码的逻辑稳定性提升 3.5 倍，并在专家校准基础上进一步将逻辑错误率降低 20%，把量子存储器的逻辑错误压至历史最低。
Google ResearchAI 评分2929 Google 研究揭示扩散模型创造力来源：得分平滑与流形恢复
Google Research 在 ICLR 2026 论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》中解释了扩散模型的创造力从何而来：神经网络训练中的正则化会让学到的得分函数变得平滑，即"得分平滑"，使去噪过程在训练数据点之间产生插值，从而生成新样本。
Google Research精选AI 评分6262 Google Research 提出 SensorFM：面向可穿戴健康数据的通用智能与接口
Google Research 提出 SensorFM，一个直接从人群规模无标注可穿戴数据中学习的大型传感器基础模型，在超过一万亿分钟多模态传感器信号上预训练，数据来自五百万名知情同意的参与者。
推荐理由：SensorFM 用一万亿分钟无标注穿戴数据预训练，读者可了解单个生理表征如何跨多类健康任务迁移。
Hugging Face BlogAI 评分2929 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布开源基准 ScarfBench（Self-Contained Application Refactoring Benchmark）。
Google ResearchAI 评分3434 Google 用线性弹性缓存优化云成本，Spanner 实测 TCO 降约 5%
Google Research 提出线性弹性缓存，将页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小，在 Spanner 生产环境实测内存占用降 15.5%、缓存未命中仅增 5.5%、总拥有成本降约 5%。该方案用浅层决策树为每个页面预测 TTL，缓存写满时回退到 LRU 策略，无需按峰值需求预分配内存。论文已在 CIDR 发表。
Google ResearchAI 评分4141 Google Research 研究：推理如何解锁 LLM 的参数化知识回忆
Google Research 在 COLM 2026 论文《Thinking to Recall》中提出，让 LLM 生成推理轨迹能解锁原本无法触及的参数化事实，且这一效应在简单单跳问题上同样成立。研究用 Gemini-2.5 Flash/Pro 和 Qwen3-32B 在 SimpleQA Verified、EntityQuestions 上对比推理开关，识别出计算缓冲与事实启动两种机制。
Import AIAI 评分6060 牛津等机构研究：AI 系统说服力稳定超过人类专家
牛津大学、英国 AI 安全研究所、斯坦福大学和伦敦政治经济学院的研究者对 AI 说服人类的能力做了四组实验，涉及 6923 人的 18978 场对话，发现 AI 系统在文本说服上稳定优于人类专家，即使专家提前研究、接受数小时结构化训练并获得 1000 英镑现金奖励。
Google ResearchAI 评分3434 Google Earth AI 如何用深度学习把树篱和树丛变成可规划的数据
Google Research 发布矢量化数据集，把此前 Farmscapes 2020 中像素化的英国树篱、石墙和树丛转成可直接用于土地规划与碳核算的矢量清单。
Google ResearchAI 评分2222 Google Research 研究 AI 如何帮助用户理解皮肤状况
Google Research 公布多项皮肤科 AI 研究，其中发表于 JAMA Dermatology 的大规模调查显示，2,345 名参与者借助 AI 工具猜测皮肤状况名称的准确率从对照组的 8% 提升至 23%，"Wizard of Oz"组为 36%。
Google ResearchAI 评分3939 用退役手机搭建低碳计算平台：加州大学圣地亚哥分校与 Google 打造 2000 台 Pixel 手机集群
加州大学圣地亚哥分校在 Google 支持下，将退役智能手机的主板拆出组成集群，部署一个由 2000 台 Pixel 手机搭建的数据中心，为数百名研究者与学生提供低成本、低碳的云计算。研究显示 25-50 台手机约等于一台现代服务器，20 台手机的小型集群已能支撑 75 人以上课程的评分负载，且延迟低于 AWS 默认后端。该系统预计 2026 年秋季全面上线。
Google ResearchAI 评分3030 Google 推出 Regularized f-Divergence Kernel Tests：面向机器遗忘审计的新框架
Google 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘：通过相对距离检验判断模型分布更接近安全重训模型还是原始受损模型。该框架基于 f-divergence，支持 Chi-squared、KL 和 Hockey-stick 散度，并用核正则化高效估计高维数据差异，自动选择散度与超参数、无需样本切分。