Google（谷歌）

Characterizing High-Capacity Janus Aminobenzene-Graphene Anode for Sodium-Ion Batteries with Machine Learning

表征高容量Janus氨基苯基石墨烯阴极用于钠离子电池的机器学习

Claudia Islas-Vargas, L. Ricardo Montoya, Carlos A. Vital-José, Oliver T. Unke, Klaus-Robert Müller, Huziel E. Sauceda

机构 * Google DeepMind（谷歌DeepMind） ； BIFOLD -- Berlin Institute for the Foundations of Learning（BIFOLD——柏林学习与数据基础研究所） ； Department of Artificial Intelligence, Korea University, Anam-dong, Seongbuk-gu, Seoul 02841, Korea（韩国大学人工智能系） 纠错

AI总结 通过机器学习和密度泛函理论研究氨基苯基Janus石墨烯的钠存储机制，揭示其高容量、低电压和快速离子传输特性，为钠离子电池提供新材料方案。

Comments 8 pages, 5 figures, research article

One Model, Two Markets: Bid-Aware Generative Recommendation

一个模型，两个市场：基于竞价的生成推荐

Yanchen Jiang, Zhe Feng, Christopher P. Mah, Aranyak Mehta, Di Wang

机构 * Harvard University（哈佛大学） ； Google Research（谷歌研究） 纠错

AI总结 本文提出GEM-Rec框架，整合商业相关性和 monetization 目标，通过控制令牌和竞价感知解码机制实现动态优化，确保高价值物品生成。

Reasoning or Rhetoric? An Empirical Analysis of Moral Reasoning Explanations in Large Language Models

推理还是修辞？对大型语言模型中道德推理解释的实证分析

Aryan Kasat, Smriti Singh, Aman Chadha, Vinija Jain

机构 * TCS AI Practice（TCS人工智能实践） ； UT Austin（德克萨斯大学奥斯汀分校） ； Amazon GenAI（亚马逊生成人工智能） ； Google GenAI（谷歌生成人工智能） 纠错

AI总结 研究通过分析LSTM对道德困境的回应，探讨其是否具备道德发展阶段的真正进展，发现其表现出后常规推理，且存在道德解耦现象，揭示了对成熟道德推理的修辞模仿。

Comments 32 pages, 34 figures, 7 tables

Architecting Trust in Artificial Epistemic Agents

在人工智能认知代理中构建信任

Nahema Marchal, Stephanie Chan, Matija Franklin, Manon Revel, Geoff Keeling, Roberta Fischli, Bilva Chandra, Iason Gabriel

机构 * Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究） 纠错

AI总结 本文探讨了大规模语言模型作为认知代理的影响，提出通过构建信任、对齐人类认知目标和加强社会认知基础设施，确保AI系统的可靠性与包容性。

Agentic AI and the next intelligence explosion

代理AI与下一次智能爆炸

James Evans, Benjamin Bratton, Blaise Agüera y Arcas

机构 * Paradigms of Intelligence Team, Google（谷歌智能范式团队） ； University of Chicago（芝加哥大学） ； Santa Fe Institute（圣菲研究所） ； Antikythera, Berggruen Institute（安提基特拉与伯格格林研究所） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文探讨代理AI如何通过模拟内部思想社会解决复杂任务，提出智能爆炸将不再是单一硅基脑，而是复杂社会结构。

Comments 4 pages

Do LLMs Understand Collaborative Signals? Diagnosis and Repair

大语言模型理解协作信号吗？诊断与修复

Shahrooz Pouryousef, Ali Montazeralghaem

机构 * Google（谷歌） 纠错

AI总结 本文研究大语言模型在推荐任务中处理协作信息的能力，通过检索增强生成方法提升其推理性能，实验表明在提供清晰信息时LLM优于传统矩阵分解模型。

Proximal Point Nash Learning from Human Feedback

基于人类反馈的近端点纳什学习

Daniil Tiapkin, Daniele Calandriello, Denis Belomestny, Eric Moulines, Alexey Naumov, Kashif Rasul, Michal Valko, Pierre Menard

机构 * CMAP, CNRS, École Polytechnique, IPP（CMAP、CNRS、巴黎高等学院、IPP） ； LMO, Université Paris-Saclay（LMO、巴黎萨克雷大学） ； Google DeepMind（谷歌DeepMind） ； Duisburg-Essen University（杜伊斯堡-埃森大学） ； HSE University（俄罗斯高等经济大学） ； Mohamed Bin Zayed University of AI（穆罕默德·本·扎耶德人工智能大学） ； LRE EPITA（EPITA LRE） ； Hugging Face ； Isara Labs（Isara实验室） ； ENS Lyon（里昂大学） 纠错

AI总结 本文提出Nash Prox算法，通过近端点框架稳定纳什学习过程，解决传统RLHF中偏好结构建模不准确的问题，并在大语言模型训练中验证其有效性。

An evolutionary perspective on modes of learning in Transformers

Transformer中学习模式的进化视角

Alexander Y. Ku, Thomas L. Griffiths, Stephanie C. Y. Chan

机构 * Google DeepMind（谷歌DeepMind） ； Department of Psychology, Princeton University（普林斯顿大学心理学系） 纠错

AI总结 研究通过控制任务环境稳定性与提示可靠性，探讨Transformer中永久参数优化与上下文学习策略的适应性差异及任务依赖的策略转换机制。

List Sample Compression and Uniform Convergence

列表样本压缩与统一收敛

Steve Hanneke, Shay Moran, Tom Waknine

机构 * Department of Computer Science, Purdue University（普渡大学计算机科学系） ； Departments of Mathematics, Computer Science, Data and Decision Sciences, Technion（技术学院数学、计算机科学、数据与决策科学系） ； Google Research（谷歌研究） 纠错

AI总结 研究列表学习中统一收敛和样本压缩原则的适用性，发现统一收敛仍等价于可学性，但样本压缩在特定标签空间下不成立。

Does This Gradient Spark Joy?

梯度是否带来喜悦？

Ian Osband

机构 * Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出Delightful Policy Gradient方法，通过引入Kondo门机制，根据学习价值与计算成本比值选择是否进行反向传播，提升训练效率。

Expected Reward Prediction, with Applications to Model Routing

预期奖励预测，及其在模型路由中的应用

Kenan Hasanaliyev, Silas Alberti, Jenny Hamer, Dheeraj Rajagopal, Kevin Robinson, Jasper Snoek, Victor Veitch, Alexander Nicholas D'Amour

机构 * Stanford University Inception Labs（斯坦福大学Inception实验室） ； Stanford University Cognition Labs（斯坦福大学Cognition实验室） ； Google DeepMind（谷歌DeepMind） ； University of Chicago（芝加哥大学） 纠错

AI总结 本文研究了基于响应级奖励模型预测模型对特定提示的适应性，提出了一种简单有效的预期奖励预测路由方法，实验证明其在模型路由中的优越性。

Comments ICML 2025 Workshop on Models of Human Feedback for AI Alignment

Architectural Backdoors for Within-Batch Data Stealing and Model Inference Manipulation

针对批量数据窃取和模型推理操纵的架构后门

Nicolas Küchler, Ivan Petrov, Conrad Grobler, Ilia Shumailov

机构 * ETH Zurich（苏黎世联邦理工学院） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出一种新型后门，通过利用批量推理技术实现大规模用户数据窃取和模型响应操控，提出确定性缓解策略以保障用户隐私和系统安全。

Comments This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML) 2026. The final version will be available on IEEE Xplore