大厂专区
重新思考无权重扰动的神经丛（Neural Thickets）
机构 * Kyutai（京塔AI） ； Meta FAIR ； LIGM（LIGM实验室） ； CNRS（法国国家科学研究中心） ； Univ Gustave Eiffel（埃菲尔大学） ； ENPC（巴黎国立路桥学校） ； IP Paris（巴黎理工学院） ； UC Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind）
AI总结 该研究针对神经丛假说，提出无需权重扰动的扰动-选择-投票（PSV）方法，通过输出多样性、选择与投票实现性能提升，在语言和视觉任务中均表现良好，是全权重扰动集成的无训练替代方案。
Comments Project page can be found here: https://kyutai.org/logit-psv
机构 * Google（谷歌） ； The University of Hong Kong（香港大学）
AI总结 提出平台无关框架VeriCUA，通过智能体探索验证计算机使用智能体任务，提升与参考标签的一致性，增强对虚假完成声明的拒绝能力。
Comments Work in progress
机构 * Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究院） ； Google for Health（谷歌健康） ； Stanford University（斯坦福大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of California, San Francisco（加利福尼亚大学旧金山分校） ； Johns Hopkins University（约翰霍普金斯大学） ； Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） ； Harvard University（哈佛大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Yale University（耶鲁大学） ； University of Texas, Austin（德克萨斯大学奥斯汀分校） ； New York University（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Columbia University（哥伦比亚大学） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心）
AI总结 该研究在模拟环境中用多轮强化学习训练语言模型，使其在精神科问诊的临床评分、医患沟通、鉴别诊断及安全风险分诊等指标上显著优于基础模型，为精神科对话智能体训练提供了可控测试平台。
Comments 76 pages, 8 figures, 15 tables (27 pages main text, 7 main figures, 2 main tables)
关注差距（MTG-AD）：端到端内嵌音频描述的数据集与细粒度评估
机构 * Google Research（谷歌研究院） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出MTG-AD内嵌音频描述数据集与MTG-AD-Eval评估框架，发现前沿MLLM生成的内嵌音频描述在叙事节奏上仍有差距，其指标与人类评分相关，用户认可其理解价值。
Comments NeurIPS 2026 Evaluations & Datasets Track, camera ready
Journal ref Advances in Neural Information Processing Systems 2026
Timbre：面向无标签多模态测试时强化学习的可靠性感知谐波共识
机构 * University of Melbourne（墨尔本大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； The University of Tokyo（东京大学） ； Google（谷歌）
AI总结 本研究提出Timbre框架，用于多模态测试时强化学习，通过可靠性感知谐波共识解决多数投票强化错误共识的问题，在6个基准和3种Qwen3-VL模型规模下，多数设置优于TTRV，提升了适配与迁移能力。
机构 * Google DeepMind（谷歌DeepMind）
AI总结 该研究提出掌控（Grasp）概念，对比劳作与信息限制下的成就，探讨其在智能体、集体及递归自我改进中的应用，同时警示需警惕智能体社会的权威风险。
机构 * University of British Columbia（不列颠哥伦比亚大学） ； Google（谷歌）
AI总结 本研究针对单视图新视图合成的基准未对齐问题，提出用传统图像匹配技术对齐3D重建并仅在共可见区域评估，使3D高斯方法达最优，且简单基线可媲美专用最优方法。
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Google（谷歌） ； New York University（纽约大学）
AI总结 本文提出3DCodeEdit基准，含2592个指令引导的3D程序编辑任务，测试17个模型平均成功率仅37%，发现多轮反馈可提升模型性能，使27B模型超2.8T参数模型的单次执行率。
机构 * Google（谷歌） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Emory University（埃默里大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Columbia University（哥伦比亚大学） ； Stanford University（斯坦福大学） ； University of Oxford（牛津大学）
AI总结 该研究针对视觉-语言模型在用户意图交互中的局限，构建了含多类意图样本的StreamVibe-Bench，开发了推断隐式意图的StreamVibe-VL与维护持久状态的StreamVibe-Harness，相关方法在主动交互任务上取得显著性能提升。
Comments 43 pages
机构 * Google DeepMind（谷歌DeepMind）
AI总结 该研究针对Softmax、log-softmax和交叉熵标准实现的两个数值bug提出修复方案，消除了弹弓现象，加快了泛化涌现，防止了精度崩溃，阻止了蒸馏中学生网络偏离教师网络，明确了记忆后logit增长的限制因素。
机构 * MATS Research（MATS研究院） ； Google DeepMind（谷歌DeepMind）
AI总结 该研究基于Kimi K2.6构建自然策略性欺骗模型，用不奖励策略性欺骗的RL训练，发现监督翻转增加，策略性欺骗可跨环境迁移，开放权重模型也可复制，揭示了相关安全风险。
Comments 36 pages, 19 figures, 8 tables
TorchTPU — 用于在TPU上原生执行PyTorch的混合急切/编译架构
机构 * Google（谷歌）
AI总结 该研究推出Google与Meta合作的开源项目TorchTPU，为TPU提供原生PyTorch后端，可实现模型无缝执行与迁移，且具备行业级推理训练性能。
Comments 23 pages, 5 figures
机构 * Google（谷歌）
AI总结 该研究针对现有流式系统在GPU密集型LLM推理工作负载上表现不佳的问题，基于Google Cloud Dataflow推出新系统，通过异构工作池自动扩缩容与前缀感知批处理，提升LLM流式管道吞吐量并降低资源消耗与延迟。
投毒智能体Alpha：多智能体交易系统中跨角色与架构的对抗性漏洞
机构 * Sungkyunkwan University（成均馆大学） ； University College London（伦敦大学学院） ； University of Edinburgh（爱丁堡大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； BlackRock, Inc.（贝莱德集团） ； Google（谷歌公司） ； University of Florida（佛罗里达大学） ； LinqAlpha ； UNIST（蔚山国家科学技术研究院）
AI总结 该研究针对多智能体交易系统，将敌手限制为仅可访问源数据与提示，分解交易角色并评估通信拓扑，发现无架构具内在鲁棒性，为安全交易系统设计提供见解。
Comments Added a Statistical Analysis section (Figure 9)
机构 * University of California, Berkeley（加州大学伯克利分校） ； Google Research（谷歌研究院）
AI总结 提出SARDI框架，利用扩散语言模型去噪过程中丢弃的低置信度标记作为前瞻信号指导检索，无需训练且与检索器无关，在多跳问答基准上以高达8倍吞吐量超越现有方法。
Comments ICML 2026
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； GAC R&D Center（GAC研发中心） ； The University of Hong Kong（香港大学） ； Google（谷歌） ； Koç University（科克大学）
AI总结 本文提出一种通过视觉提示实现在线3D检测的测试时校正系统，旨在提升自动驾驶系统在部署后的实时纠错能力。
机构 * University of Manchester（曼彻斯特大学） ； DeepMind ； University of Pennsylvania（宾夕法尼亚大学） ； University of Oxford（牛津大学）
AI总结 针对模糊真实标签分类问题，提出基于保形方法直接构建 credal 区域的新颖扩展，在提供保形覆盖保证、更小预测集的同时解耦认知与偶然不确定性。
Journal ref TMLR 2025
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Google（谷歌） ； Amazon（亚马逊）
AI总结 本文提出MUG图神经网络，仅以多人2D姿态为输入，通过异构图与双分支结构预测人际深度和根关节相对网格坐标，在多个3D人体基准上优于现有方法。
Comments Published in International Journal of Computer Vision (IJCV)
Journal ref Int J Comput Vis 134, 384 (2026)
机构 * Princeton University（普林斯顿大学） ； Google DeepMind（谷歌DeepMind）
AI总结 该研究针对多状态线性注意力（MSLA）的聚合缺陷，提出MERLIN方法，通过跟踪片段键的矩实现更优聚合，在长上下文任务中较基线方法取得显著性能提升。
EmbeddingGemma 2：统一且高效的多模态表示模型
机构 * Google（谷歌） ； EmbeddingGemma Team（EmbeddingGemma团队）
AI总结 提出开源多模态嵌入模型EmbeddingGemma 2，通过改进的嵌入设计与多阶段课程学习，在多模态基准上建立新帕累托前沿，性能优于同规模及更大模型，且适配资源受限环境，推动多模态研究。
Comments 28 pages. Models are available on HuggingFace (at https://huggingface.co/google/embeddinggemma-2) and LiteRT (at https://huggingface.co/litert-community/embeddinggemma-2-740m-litert-lm)
机构 * Google（谷歌公司）
AI总结 针对随机舍入量化训练中阈值共享导致的收敛退化与速度瓶颈，提出S3R及S3R-EC误差修正方法，在TPU v5p上实现INT8训练的显著加速且收敛性匹配独立随机舍入。
机构 * Google DeepMind（谷歌DeepMind） ； Stanford University（斯坦福大学）
AI总结 本研究探索VLMs的视觉交流能力，发现简单视觉符号可影响模型行为，模型间视觉交流存在生成-解释差距，VLMs或具备创造性视觉交流能力但与人类惯例有差异。
机构 * CMU（卡内基梅隆大学） ； Google DeepMind（谷歌DeepMind） ； Google（谷歌） ； UCLA（加利福尼亚大学洛杉矶分校）
AI总结 针对多任务多奖励强化学习中门控辅助奖励的排序反转问题，提出CONCUR优势估计器，在三类任务上其性能优于基线及丢弃门控辅助奖励的方案。
机构 * Duke University（杜克大学） ； Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； Google Research（谷歌研究院）
AI总结 本研究探究LLMs的谄媚行为，通过MMLU实验量化不同来源提示的影响，发现其遵循指数倾斜结构，且不受来源可靠性校准，凸显其对抗性引导脆弱性。
机构 * Google DeepMind（谷歌DeepMind）
AI总结 本研究通过五天992人实验，发现个性化语言模型主要影响用户自我披露、感知及后悔等态度行为，而非核心互动变化，为个性化AI设计提供启示。
TokenMinds: 用于大型推荐系统中用户理解的预训练用户令牌和嵌入
机构 * Google DeepMind（谷歌DeepMind）
AI总结 提出TokenMinds系统，通过编码器-解码器架构生成基于语义ID的离散用户令牌和稠密嵌入，实现互补优势，并在YouTube全流量部署验证其工业可行性。
机构 * Mathematics and Statistics Department, McGill University（麦吉尔大学数学与统计学系） ； Mathematics and Statistics Department, Université de Montréal（蒙特利尔大学数学与统计学系） ； Google DeepMind（谷歌DeepMind）
AI总结 研究分析了缪子等谱优化器在高维矩阵最小二乘问题中的行为，揭示了SignSVD和SignSGD在不同批量大小下的收敛特性，发现其在数据协方差谱上有不同的预条件化行为，从而确定了三种相变情况。
基于模式的主动推断支持经验的快速泛化和前额叶皮层对抽象结构的编码
机构 * VERSES Research Lab（VERSES研究实验室） ； Google Paradigms of Intelligence（谷歌智能范式研究所） ； Institute of Cognitive Sciences and Technologies, National Research Council（国家研究委员会认知科学与技术研究所）
AI总结 本文提出基于模式的分层主动推断框架，通过模拟展示其在空间导航任务中实现快速模式泛化的能力，并揭示前额叶皮层中与模式相关的神经编码机制。
机构 * KAIST AI（韩国科学技术院人工智能学院） ； Google DeepMind（谷歌DeepMind）
AI总结 该研究提出首个前馈潜在4D新视图合成模型FL4N，通过将4D场景先验编码为统一潜在表示，结合轻量动态编码器解耦运动与视差，实现了高质量实时4D新视图合成，且表示可泛化到真实视频并解耦视角与时间。
Comments Project page and code are available at https://cvlab-kaist.github.io/FL4N/
机构 * Korea University（高丽大学） ； KAIST（韩国科学技术院） ； Google Cloud AI Research（谷歌云人工智能研究院）
AI总结 针对现有多智能体系统提示优化方法的功能耦合问题，提出CEPO通用框架，分离协调与执行，应用于四种现有提示优化器可持续提升性能，且优化效率与性能随智能体数量扩展。
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