大厂专区
机构 * Google Research（谷歌研究院） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 该研究提出可训练健康年龄（CHA）与传感器世界模型（SensorWM），整合为智能体反事实指导系统生成个性化12周健康计划，经评审验证其在计划质量、依从性及临床安全性上均优于传统方法。
设计有效的基于监控器的干预措施以缓解强化学习中的奖励黑客行为
机构 * MATS ； Google DeepMind（谷歌DeepMind）
AI总结 本研究针对强化学习中的奖励黑客行为，引入三个Qwen3-4B的真实黑客环境，分析监控器的规避问题，提出改进监控器的方法，可降低奖励黑客率。
Comments Accepted at NeurIPS 2026
机构 * New York University（纽约大学） ； Sapienza University（罗马第一大学） ； Google Research（谷歌研究院） ； EPFL（洛桑联邦理工学院）
AI总结 该研究提出统一势方法，为带1比特反馈的上下文搜索和双边交易获阶数紧算法，将迹平方根势对偶适配最坏情况，获$O(\sqrt{d})$遗憾算法，改进了此前的$O(d\log d)$与$O(d6^d)$保证。
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； YouTube, Google（谷歌YouTube） ； University of Colorado Boulder（科罗拉多大学博尔德分校）
AI总结 针对视频重构图的主观性与多合理感兴趣区域问题，提出实时概率框架BayesCrop，通过高斯混合模型与锚点传播策略实现高效多裁剪，在多基准上表现优异且达112 FPS实时吞吐量。
Comments This paper is accepted by WACV 2027. We plan to publicly release the source code at https://github.com/steven413d/BayesCrop
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Cornell University（康奈尔大学） ； LA General Hospital（洛杉矶综合医院） ； Google（谷歌） ； Arizona State University（亚利桑那州立大学）
AI总结 该研究对比DeepSeek-R1/V3、GPT-5/4o的短篇小说心理深度，发现推理相关质量差异小，LLM-as-a-Judge评估会掩盖读者主观性，无普遍推理优势。
机构 * University of Maryland（马里兰大学） ； Google Research（谷歌研究）
AI总结 本文提出MV-IVF多向量检索索引，基于MV-Lloyd算法构建，通过优化搜索与量化加速，在BEIR、LoTTE基准上实现比基线更优的延迟、吞吐量与规模特性。
视觉与计数：复杂度孪生体揭示多模态大语言模型在图表上的失效之处
机构 * Google（谷歌）
AI总结 该研究针对多模态大语言模型在图表计数中的失效问题，通过区分视觉读取与计数计算，发现模型计数错误多由答案大小而非复杂度决定，且多视图读取可提升计数精度。
Comments 8 pages main text + 96 pages appendix (107 pages in total, including references)
机构 * University of Washington（华盛顿大学） ； Google（谷歌） ； Google Research（谷歌研究）
AI总结 本文通过100人调查研究通用AI的社会情感用途，提出8种状态解释AI对关系能力的影响，构建关系能力框架并展望AI在人类连接中的合适角色。
机构 * Mila – Québec AI Institute（米拉-魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本研究针对无监督环境设计（UED），发现自适应课程下智能体存在训练相关病理，提出稳定学习者的干预方法，可提升长时性能与零样本泛化，确立学习者可训练性为UED的互补设计原则。
AtariBench：评估视觉语言模型在Atari游戏玩法中的时空推理能力
机构 * University of California San Diego（加利福尼亚大学圣地亚哥分校） ； Google DeepMind（谷歌DeepMind） ； Peking University（北京大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究人员推出AtariBench基准，评估VLMs在20款Atari游戏中的时空推理能力，发现当前最先进VLMs存在序列决策脆弱等局限，该基准为开发动态环境下的VLMs提供测试平台。
Comments 26 pages, 14 figures. Accepted to NeurIPS 2026, Evaluations and Datasets Track
病毒式传播场景与教育、商业领域中LLM图像生成与编辑的应用有何不同？一项隐私保护的描述性分析
机构 * Google（谷歌）
AI总结 本研究基于Urania框架（具备差分隐私保障），对210万条使用Nano Banana模型的对话聚类分析，对比五大类用例的21项特征，揭示病毒式传播与教育、商业场景中LLM图像生成编辑应用的差异。
机构 * Princeton University（普林斯顿大学） ； Google Research（谷歌研究院） ； ByteDance（字节跳动） ； MIT（麻省理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Texas A&M University（德克萨斯农工大学）
AI总结 针对自适应数据分析与对抗鲁棒性的开放问题，提出统一的分层估计-校正-学习框架，在插入删除流上实现了近空间最优的对抗鲁棒算法，匹配插入-only的空间下界且优于现有结果。
机构 * École Polytechnique, IP Paris（巴黎综合理工学院, 巴黎IP大学） ； CITA, University of Toronto（多伦多大学CITA研究中心） ； Google DeepMind（谷歌DeepMind） ； LIX, CNRS, École Polytechnique, IP Paris（法国国家科学研究中心LIX实验室, 巴黎综合理工学院, 巴黎IP大学）
AI总结 本研究针对天体物理中混沌三体动力学的ML方法开展基准测试，设计稳定性与轨迹预测任务，对比ML方法与天体物理准则，发现长时程轨迹预测仍具挑战。
Comments Accepted at the NeurIPS 2026 Workshop on Sim2Science: ML with Imperfect Scientific Models
机构 * Google DeepMind（谷歌DeepMind） ； Google Quantum AI（谷歌量子AI）
AI总结 研究人员在Lean定理证明器中构建量子程序库，让大语言模型智能体合成并验证量子程序，在多项科学应用上实现性能提升，缩短了实用量子计算的实现路径。
机构 * Google Research（谷歌研究院） ； UC San Diego（加州大学圣地亚哥分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本研究突破$n/2$量子查询阈值，构造需$n/2+\u03a9(n^{1/3})$次查询的对称布尔函数，给出汉明重量恢复算法，确定相关问题最优附加阶。
Comments 57 pages, 2 figures
机构 * Google Quantum AI（谷歌量子人工智能） ； Computer Science and Artificial Intelligence Laboratory, MIT（麻省理工学院计算机科学与人工智能实验室）
AI总结 本文提出两项量子算法贡献，分别突破经典解码和局部约束限制，利用量子解码器及直方图局部约束的稳定性，为最优多项式交集变体提供高效算法。
机构 * Global Technology Applied Research, JPMorganChase（摩根大通全球技术应用研究） ； Harvard University（哈佛大学） ； Google Quantum AI（谷歌量子人工智能） ； Sandia National Laboratories（桑迪亚国家实验室）
AI总结 本研究分析解码量子干涉测量在循环码上的性能，证明最小权重解码在非二元域上NP困难，并给出经典解码器下的上下界，排除部分量子优势，但发现DQI在正则Max-k-Cut实例上仍能高效实现非平凡满足率。
Comments 27 (main) + 24 (appendices) pages, 2 figures, 2 tables
机构 * Google Quantum AI（谷歌量子人工智能） ； Institute of Physics, École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院物理研究所）
AI总结 本文提出基于反应性函数的量子误差缓解新方法，通过零噪声外推与可调误差消除，显著降低采样成本并克服传统外推偏差。
机构 * University of Technology Nuremberg（图腾技术大学努尔堡分校） ； Google（谷歌） ； CISPA Helmholtz Center for Information Security（信息安全赫尔姆霍茨中心CISPA）
AI总结 提出一种自监督方法，利用野外物体视频和SfM噪声相机位姿，通过共享粗规范网格学习密集对应，无需标注即可涌现规范框架，在类别级位姿估计上达到竞争性精度。
Comments Accepted at NeurIPS-2026
机构 * Korea Institute of Science and Technology（韩国科学技术研究院） ； Seoul National University（首尔大学） ； Google Research（谷歌研究院）
AI总结 通过异步推理和约束解码实现自回归策略的实时执行，在保证低延迟的同时提升任务完成速度，实验表明其性能优于流匹配策略。
Comments Published as a main conference paper at CoRL 2026
机构 * Google DeepMind（谷歌DeepMind） ； CERMICS Paris, France（巴黎CERMICS研究所） ； ENPC, CNRS, IPP Marne-la-Vallée, France（巴黎-马恩拉瓦尔大学、国家科学研究中心、IPP马恩拉瓦尔分校） ； Google Research Paris, France（巴黎谷歌研究）
AI总结 提出正则化大邻域搜索（RLNS），将LNS启发式转化为MCMC采样器，实现无需全局求解器的端到端学习。
机构 * Google DeepMind Amsterdam（谷歌深Mind阿姆斯特丹） ； Amsterdam University of Amsterdam（阿姆斯特丹大学）
AI总结 本文提出双速率扩散方法，通过交错执行高容量上下文编码器和轻量解噪模型，加速扩散模型推理，同时保持样本质量，在ImageNet基准上实现性能与计算成本的平衡。
机构 * Tsinghua University（清华大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； University College London（伦敦大学学院） ； Google Deepmind（谷歌DeepMind）
AI总结 本文提出Sobolev正则化最大均值差异（SrMMD）梯度流，通过梯度惩罚改善MMD目标的非凸性，提供连续和离散时间下的全局收敛性保证，且无需依赖等周假设。该方法适用于生成建模和采样任务。
Journal ref 40th Conference on Neural Information Processing Systems (NeurIPS 2026)
字节级语言模型中的Scratchpad补丁：解耦计算与补丁大小
机构 * Google DeepMind（谷歌DeepMind） ； The University of Hong Kong（香港大学）
AI总结 本文提出Scratchpad补丁方法，通过在每个补丁中插入临时缓存来优化字节级语言模型的计算效率，提升模型质量并减少KV缓存和推理计算需求。
Comments 31 pages, 15 figures
机构 * Google DeepMind Gatsby Unit, University College London（谷歌深Mind加布兹单位，伦敦大学学院） ； Tübingen AI Center, University of Tübingen（图宾根人工智能中心，图宾根大学） ； University College London（伦敦大学学院）
AI总结 本文提出在优化神经网络时，利用线性最后一层权重的闭式解，通过交替梯度下降和闭式更新提升回归任务性能。
机构 * Google DeepMind（谷歌DeepMind）
AI总结 本文探讨了专家数学家使用AlphaEvolve进行高级问题研究的流程，提出意图生成与意义构建的协作框架，强调AI工具应作为协作而非黑箱助手。
机构 * University of Waterloo（滑铁卢大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Google Research（谷歌研究） ； Google（谷歌） ； Columbia University（哥伦比亚大学）
AI总结 本文研究了隐私过滤器，提出余数过滤器统一现有方法，并展示自然过滤器通过精确隐私会计提升效用，同时揭示自然隐私过滤器非免费，且在特定条件下可实现免费。
机构 * Distill ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Amazon（亚马逊） ； Rice University（莱斯大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出AutoCSF算法，通过过滤增强压缩静态函数，以高效处理偏斜分布的数据集，提供理论保证和空间优化。
Comments 12 pages
机构 * Google Research（谷歌研究） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Melbourne（墨尔本大学）
AI总结 本文提出利用跨语言不一致性来提高混合专家语言模型的知识定位能力，通过对比成功和失败的激活桶，识别关键专家。实验表明，仅禁用约20个专家，模型在40%的情况下无法正确回答。
Comments NeurIPS 2026, https://openreview.net/forum?id=LAPZ4kgdnc
AblationBench：评估实证AI研究中消融实验的自动规划
机构 * Google Research（谷歌研究）
AI总结 提出AblationBench基准套件，包含作者消融和审稿人消融两个任务，用于评估语言模型在AI研究中规划消融实验的能力，实验表明当前最佳模型仅能识别45%的原始消融，低于人类水平。
Comments Findings of the EMNLP 2026; Project page: https://ablation-bench.github.io/
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈