Google 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供完全可验证、可审计的保障，Gboard 已采用该系统并受益于显著更快的计算速度。系统通过访问策略发布至公开透明日志 Rekor、KMS 密钥管理与可复现构建，让外部审计者能核查服务端运行的代码。Gboard 已用该系统上线英语和日语下一词预测模型，隐私保障更强且准确率提升，训练瓶颈从设备端转移到服务端。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，读者可了解其隐私验证机制与 Gboard 落地效果。
ServiceNow CoreAI 构建的 AutoSynthData 利用目标模型的失败案例与更强教师的成功轨迹，定位能力缺口并生成、验证新的可执行任务用于后训练，课程随模型改进转向其仍难完成的任务。该流程在 EnterpriseOps Gym 数据集上进行了演示，生成任务需满足可行性、真实性与难度三项属性，验证器则要求一致性、可靠性与完备性。
微软研究院实习生开发了一套端到端机器学习流水线，结合太阳风观测、AE 与 Dst 指数预报、地质电导率和电网数据，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 Research 提出 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，用一个轻量附加网络在冻结基座模型上动态调整生成轨迹。
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并排序数千种化合物以推动肿瘤细胞状态转变，最高排名化合物在湿实验中产生了最大的预期转变，整个筛选到候选验证过程仅用一个周末。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
Hugging Face 博客介绍论文 ProvenanceGuard，一个运行在黑盒 MCP 智能体之上的生成后验证层，用于识别"跨来源混淆"——即事实真实但被归因到错误来源。在 281 条医疗智能体真实 trace 上，专家判定应拦截的 139 条 claim 中它拦下 138 条，来源识别准确率约 86%，并在与四个对照检查器的比较中得分最高。
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，把长视频生成建模为全局优化与世界状态跟踪问题，缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性的评测基准与量化结果。
微软研究院发布针对物理 AI 机器人推理基础设施的系统性研究，指出把推理全部放在机载 GPU 上会限制机器人性能、续航与扩展性，卸载到边缘或云端 GPU 则有明显收益。
推荐理由：微软对机器人推理负载的系统性测量显示，把推理从机载 GPU 卸载到边缘或云端可同时改善任务成功率与续航。
微软研究院在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与基于 GNN 的 NeuralLoc，通过学习式重排序整合两者互补预测。
Google Research 推出 MilleMiglia，一个用 C++ 编写的实例生成器，用于为中程物流（middle-mile）配送问题生成真实且保护隐私的基准数据，源码与文档已在 GitHub 公开。
Google Research 发布研究实验，让教师借助生成式 UI（GenUI）创建贴合课程目标的互动学习模拟，并开放 30 多个面向中学 STEM 的英文示例库。
推荐理由：Google Research 用生成式 UI 让教师按课程目标生成互动模拟，并给出教师评测反馈与试点入口。
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。该方法基于 Gemma3-4B 和 Qwen3-4B 微调，绕过了数百个 CoT 推理 token 的测试时开销，论文已被 ICML 2026 收录。
IBM 研究团队在 ALTK-Evolve 中新增一致性指南（consistency guidelines），基于 Consistency Analyzer 诊断智能体轨迹中易翻转的决策点。
推荐理由：原文给出 Mean@k 与 Pass^k 的差距数据及一致性指南的改进幅度，读者可据此判断智能体可靠性的评估方式。
Google Research 提出 ToolGrad，一种“先答案后问题”的工具调用数据生成范式，先构造真实工具调用链再反向标注用户提示词，在 16k+ API 的 ToolBench 上以更低成本生成更复杂的长链路数据，通过率接近 100%。
Google Research 用 UK Biobank 欧洲人群与 Biobank Japan 近 20 万日本人群数据，在 8 项临床性状上评估多基因风险评分（PRS）的跨人群迁移效果。结果显示，目标人群样本达 15k 以上时，专用模型优于混合欧洲数据训练；遗传相关性高的性状可继续受益于欧洲数据至 25-40k+ 样本，而 HDL、LDL 和血糖等高度人群特异性性状受益有限。
Google 与 HHMI Janelia 及剑桥大学等合作者发布雄性果蝇脑与中枢神经系统的完整连接图谱，相关论文发表于 Cell，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计最大的脑图谱。
推荐理由：Google 与 HHMI Janelia 等合作发布迄今神经元数量最多的脑图谱，读者可了解 AI 在连接组学中的具体作用。
Hugging Face 发布 BenchMIRT，一种在单条提示词层面审计 LLM 基准测试的多维 IRT 方法，基于 100 个 LLM、16 个基准、超 34K 道题的测试结果训练，在未被告知基准对应能力的情况下自行恢复出安全与通用推理两个主导维度。
Google Research 提出 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、预测增强并定位甲烷羽流，在专家标注羽流上召回率达 84%。
Google 在 Google Earth AI 下推出实验性研究能力行星预测引擎（PPE），可依据自然语言查询自主完成数据发现、特征工程、模型训练与评估，把原本需要数周人工数据工程的建模流程压缩到数分钟。
推荐理由：原文给出 PPE 在公共卫生、粮食安全与疫情预测上的对比数字，可了解地理空间建模自动化的实际增益。
Google 发布自监督基础模型 GlucoFM，采用双流设计分离缓慢血糖趋势与短期波动，在 109,066 小时无标注 CGM 数据上预训练。在四个队列、七项临床任务共 14 组评估中，其 PR-AUC 平均比最优 GluFormer 变体高 5.8 个百分点，并在餐后血糖响应预测中取得最低 MAE。
Google 发布研究原型 AgentHands（CHI 2026），可将 LLM 的高层推理映射为 XR 中与语音同步的手势，用于空间化智能体对话。系统包含环境感知、手势事件库、手势嵌入推理与本地 XR 同步执行四步，支持指示、象形与表达三类手势。在 N=12 的用户研究中，AgentHands 相较纯语音基线在空间定位等指标上显著提升。
Multiverse Computing 发布论文提出 Quantization-Aware Healing（QAH），在 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 checkpoint 蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的恢复方法，并附9项基准对比，可看4-bit模型反超16-bit来源的具体条件。
Google 推出 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序结构化为迭代研究循环的多智能体系统，结合假设生成、并行统计分析、模型训练、对抗验证与文献推理。
Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将匿名聚合的移动性模式（到达时间、停留时长、周边移动）与文本描述结合，为地点生成同时编码身份与动态功能的嵌入向量。
Hugging Face 发布研究，用共识分歧、掩码实体检索和拼写切换三项探针量化语音识别中的基准优化现象，评测了 11 个开源 ASR 模型。
推荐理由：通过三项探针量化语音模型对基准的过拟合，并给出可复用的检测脚本与榜单入口。
微软研究院发布深度学习 DFT 泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。该版本已上线 CP2K，并正在集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软推出持续追踪各版本计算性能的 living benchmark。
IBM Research 在 Hugging Face 博客发布 ALTK-Evolve 的智能体记忆剂量研究，在 AppWorld 的 585 个多步任务上测试八款模型，发现记忆不是开关而是需要按模型校准的剂量。
推荐理由：八模型横评给出智能体记忆的三种剂量模式，并附上 token 开销对比，可据此判断自家模型该给多少记忆。
Google 推出 PhotoScan，一个从普通 2D 手机照片估算体脂率（BF%）、Android-to-Gynoid 脂肪比（A/G）和 Visceral-to-Subcutaneous 脂肪面积比（V/S）的深度学习框架。
Hugging Face 发布 2026 年 1 月至 8 月的开源模型生态观察报告，基于 Hub 上的下载、点赞与衍生模型数据。报告显示公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，Spaces 从 100 万增至 144 万，但 85.6% 的模型终身下载量不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用平台下载、点赞与衍生模型数据，给出开源模型生态在规模、许可与采用上的半年变化。
微软研究院发布 MindTopo 基准，用于评测多模态大模型在连通性、封闭性、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前专有与开源模型在静态识别上明显强于交互规划，且两者均远低于人类水平，失败多发生在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨多步操作仍不可靠。
Google Research 发布研究，提出知识画像框架，把事实状态分为编码失败、召回失败、直接召回、思考后召回和无编码推理五类，并构建含 2,150 条 Wikipedia 事实、每条配 10 个问题的 WikiProfile 基准。
推荐理由：Google Research 用知识画像区分编码与召回失败，指出前沿模型的事实错误更多来自知识难以取用而非未存储。
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 实现实时视频临床问诊，可感知非语言线索、引导虚拟体格检查并同步完成诊断推理。
推荐理由：Google 用 300 场随机对照视频问诊给出 AMIE 视频版与真人医生同级的评测结果，可了解多智能体异步架构如何兼顾对话延迟与临床推理。
微软研究院推出 CARE-X，一个面向胸部 X 光多种临床解读任务的统一视觉语言模型，结合生成式与结构化预测，并用强化学习（DAPO）在多任务设置下奖励临床正确性。该模型支持报告生成、病灶有无与否定判断、异常定位、多标签分类及导管位置检测等任务，采用生成或双推理模式。另一项独立实验中，Qwen3-VL-4B-Instruct 搭配确定性测量工具，用于评估直接计算能否改善测量依赖型病症的表现。
Hugging Face 的 ALTK-Evolve 与 ACE 同为无需权重更新的智能体记忆方案，但前者按任务检索少量高支持度 guideline，而非每步注入完整 playbook。
Hugging Face 论文提出两项系统改动降低 LLM 知识蒸馏成本：离线缓存教师模型每位置的 top-100 logits，使教师无需与学生同时驻留显存；融合分块 KL 损失避免生成完整的词表×序列长度矩阵。以 gpt-oss-120b 为例，稠密 KL 峰值约 250GB，超过单张 H200 的 141GB，融合分块方案峰值约 128GB，使长上下文修复可在单 GPU 上完成。
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并用 Science One Framework 原型实现，配套 CoE Audit 自动审计指标。
推荐理由：原文给出可验证性框架与审计指标，并对比多个自主科研系统的引用与代码一致性表现。
Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核知识迁移到 Apple Silicon。
推荐理由：K-Search 把 CUDA 内核经验迁移到 Apple Silicon，读者可看到跨平台内核优化的具体方法与实测数字。
Hugging Face 发布技术复盘，还原 2026 年 7 月 9 日至 13 日一次由 OpenAI 模型驱动的自主智能体入侵其基础设施的完整时间线，共重建约 17,600 个攻击动作、归为约 6,280 个簇。
推荐理由：Hugging Face 以当事方身份复盘一次智能体入侵的完整技术链路，读者可看到攻击手法与防御改动的对应关系。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务中，基于重建的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也低于全上下文设置。
Google Research 发布论文 SymptomAI，一种用于日常症状评估的对话式 AI 智能体，基于 Gemini Flash 2.0 构建五个不同提问策略的原型。
推荐理由：Google 用 1.3 万人规模的随机研究比较 SymptomAI 与真实临床医生的鉴别诊断，并给出可穿戴生物信号佐证。