METR 研究显示 AI 对科学的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域仅小幅加速（部分领域 arXiv 投稿不到 12 个月翻倍），而 AI 研究本身的算法进展无可测量加速。多校团队提出 SPADE 自博弈框架，让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基座提升 8.1。
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。
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。
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。
AWS 开源 SDK Strands Robots（Apache 2.0）演示了一条流式数据闭环：用 Robot("so100") 录制 LeRobotDataset 并同步到 Hugging Face Storage Buckets。
Hugging Face 的 OlmoEarth Studio 现已支持计算并导出嵌入向量，用户可通过 UI 或 API 选择区域、时段、编码器变体（Nano 128 维 1.4M 参数、Tiny 192 维 6.2M 参数、Base 768 维 89M 参数）、分辨率及影像源，输出 int8 格式的 Cloud-Optimized GeoTIFF。
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。
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。
Hugging Face 博客指出，AI 的下一个真正约束是 GPU 利用率而非智能本身。GPU 按日历小时计费，产出却只按计算小时累积，两家 GPU 预算相当的公司会因利用率差异而拉开差距。企业自购 GPU 本地部署可把按 token 线性增长的 API 成本换成固定资本支出，但集群上线后的问题变成如何让它们保持忙碌。
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 在 DOE Genesis Mission Summit 2026 上宣布投入 4000 万美元 AI tokens 和云额度，支持 Genesis Mission 的研究人员。
DharmaOCR 在葡萄牙语专用基准上取得 0.925 分，高于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语监督微调加 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，从而在提取质量与稳定性上保持优势。
Google DeepMind 与 Isomorphic Labs 公布联合生物韧性方案，一方面防止威胁行为者滥用其模型，另一方面让政府、科学家与生物安全专家用 AI 构建更具韧性的社会。
Hugging Face 博客发布《Profiling in PyTorch》系列第三部分，用 NVIDIA A100-SXM4-80GB 对 attention 做 profile 分析。文章对比朴素 attention 与 in-place 版本，发现把 masked_fill 换成 masked_fill_ 后，每次前向传播可省去一个 Memcpy kernel。
Google Research 联合 Google DeepMind 提出 SensorFM，一个直接从无标注可穿戴数据学习的大型传感器基础模型，预训练语料来自五百万名同意参与者、超过一万亿分钟的多模态信号，覆盖 100 多个国家、50 个美国州和 20 多种 Fitbit 与 Pixel Watch 设备。
推荐理由：Google 用五百万人的万亿分钟可穿戴数据训练通用生理表征，读者可了解其自监督缺失感知设计与跨任务泛化表现。
UC Berkeley 团队提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分低于 $0.10，数据系统面临三大新挑战。
PRX 系列第 4 篇披露其数据策略：预训练数据由公开与内部数据集混合组成，用 VLM 重新生成图像长描述，再转为可流式训练的语料。团队用 Lance 做数据构建与筛选、MDS 做流式训练，并将文本编码器从 T5Gemma 换成 Qwen3-VL、改为训练时实时计算文本 latent，实测吞吐仅损失约 3–4%（30 天训练约多花 1 天）。
加州大学伯克利分校 BAIR 实验室展示 2026 届博士毕业生，其研究覆盖机器人、具身智能、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for Science 等方向。
Google Research 将建筑级屋顶反射率（albedo）数据集从 2024 年试点的 14 座城市扩展至 9 个国家 50+ 城市，并通过新的 Heat Resilience Earth Engine App 开放访问。
Google 发布面向表格数据分类与回归的基础模型 TabFM，将表格预测建模为上下文学习问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：Google 把零样本思路搬到表格数据，读者可了解其架构设计与在 TabArena 上的对比表现。
Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），一个 Transformer 模型可在单次前向传播中同时估计数据分布的密度与 score，无需针对新分布重新训练。
NVIDIA 发布开源库 NeMo AutoModel，在 HuggingFace Transformers v5 之上加入 Expert Parallelism、DeepEP 融合 all-to-all 调度和 TransformerEngine 内核，微调 MoE 模型时训练吞吐提升 3.4-3.7 倍、GPU 显存减少 29-32%，且只需改动一行 import。
推荐理由：原文给出同一 from_pretrained() 接口下的吞吐与显存对比数据，读者可据此判断 MoE 微调的迁移成本。
Hugging Face 发布 MosaicLeaks，用 1001 条多跳研究链评测深度研究智能体的隐私泄露风险，这些链交替穿插本地企业文档与公开网页信息。测试中智能体频繁泄露隐私，仅训练任务性能还会加剧泄露；其提出的 PA-DR 方法将严格链成功率从 48.7% 提升至 58.7%，并把答案/全信息泄露率从 34.0% 降至 9.9%。
Hugging Face 在 PEFT 库中对比了 LoRA 之外的多种参数高效微调技术，并指出仅凭论文结果难以判断哪种技术最优。其统计显示，Hugging Face Hub 上提及单一 PEFT 技术的 20,834 个模型卡中有 20,509 个（98.4%）提到 LoRA，外部站点 10,000 个图像生成 checkpoint 中 7,111 个为 LoRA。
Google Research 发布矢量化数据集，将 Farmscapes 2020 的高分辨率栅格地图转为可操作的树篱、石墙和树丛清单，覆盖英国超 13 万平方公里。
PyTorch 性能剖析系列第二部分用 nn.Linear（bias=True）替换手写的 matmul-add，并堆叠三层加激活构成 MLP，在 NVIDIA A100-SXM4-80GB 上分析 profiler trace。
DharmaOCR 团队将 Direct Preference Optimization（DPO）用于结构化 OCR 任务，以正确转录为 chosen、退化循环为 rejected 构建偏好数据，在 SFT 之后追加第二阶段训练，使所有测试模型家族的文本退化率平均下降 59.4%，最高降幅 87.6%（Nanonets-OCR2-3B 从 1.61% 降至 0.20%）。
Hugging Face 发布 PyTorch 性能分析系列第一篇，讲解如何用 torch.profiler 分析矩阵乘法加法运算。
Mistral 将 Emmi AI 纳入麾下，推出面向工业工程的物理 AI 基础能力，可从几何与边界条件直接预测物理场，单次前向推理在单 GPU 上以秒级完成。该能力面向设计迭代提速，传统求解器保留用于验证与边缘场景，合作方包括 ASML、Airbus、Safran 和 Siemens Energy。
Mistral AI 本周签署最终协议，收购奥地利 Physics AI 公司 Emmi AI，以强化其面向工业企业的 AI 转型服务能力。Emmi AI 专注物理 AI 与大型工程模型，可将多日计算替换为实时仿真并构建数字孪生，其 30 多名研究人员和工程师将于 5 月加入 Mistral 的 Science 与 Applied AI 团队。
推荐理由：Mistral 通过收购补齐物理仿真与工业数据能力，读者可了解其面向工程场景的 AI 布局方向。
Hugging Face 发布 OlmoEarth v1.1，一个将计算成本最多降低 3 倍、同时保持 v1 性能的地球观测模型系列。该系列通过将 Sentinel-2 各分辨率合并为单一 token 缩短序列长度，并修改预训练方案以避免性能下降，提供 Base、Tiny、Nano 三种规模权重及训练代码。
Google 发布 Empirical Research Assistance（ERA），一个用 Gemini 编写和优化科学代码的研究工具，相关论文今日发表于 Nature，并开始通过 Gemini for Science 向全球科学家开放。
推荐理由：Google 公开 ERA 在 Nature 的评测结果与八篇应用论文，读者可据此判断 AI 写科学代码的实际边界。
Google DeepMind 的 Co-Scientist 正被用于加速细胞衰老研究：它扫描数万篇论文后提出 20 多个可测试的新遗传因子，实验室验证其中几个成功将细胞推向更年轻状态并改善整体功能。它还能将原本耗时长达六个月的筛选数据分析缩短至几天。
剑桥大学教授 Clare Bryant 使用 Google DeepMind 的 Co-Scientist 研究流感等病原体跨物种传播引发脓毒症的分子开关，该工具从她已发表的基金申请中生成并排序假说，并优先锁定了一个她此前未关注的蛋白质。加入未发表数据后，假说逐步细化到具体氨基酸，团队正构建含氨基酸突变的细胞系进行验证。Bryant 称，原本需两到三年的实验工作，如今有望在六个月内完成。
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。在整合应激反应（ISR）研究中，该工具帮助团队提出代谢调控 ISR 的新假设，并协助优化实验设计、随结果迭代输入新信息，相关实验已产生新发现，团队计划发表结果。