Google（谷歌）

Polynomial-Time Algorithm for Thiele Voting Rules with Voter Interval Preferences

多项式时间算法用于带有选民区间偏好泰勒投票规则的委员会计算

Pasin Manurangsi, Krzysztof Sornat

机构 * Google Research（谷歌研究院） ； AGH University, Poland（波兰AGH科技大学） 纠错

AI总结 本文提出了一种多项式时间算法，用于在选民区间域上计算任意给定的泰勒投票规则下的最优委员会。该算法解决了10年来的开放问题，并利用新的结构结果证明了在选民区间偏好下，最优总泰勒得分是委员会大小的凹函数。

Comments 30 pages

Understanding Performance Gap Between Parallel and Sequential Sampling in Large Reasoning Models

理解并行采样与顺序采样在大推理模型中的性能差距

Xiangming Gu, Soham De, Larisa Markeeva, Petar Veličković, Razvan Pascanu

机构 * Google DeepMind（谷歌DeepMind） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文研究大推理模型中并行与顺序采样性能差异，发现并行采样表现更优，提出探索不足是主要原因。

Comments Under review

TFRBench: A Reasoning Benchmark for Evaluating Forecasting Systems

TFRBench：用于评估预测系统推理能力的基准测试

Md Atik Ahamed, Mihir Parmar, Palash Goyal, Yiwen Song, Long T. Le, Qiang Cheng, Chun-Liang Li, Hamid Palangi, Jinsung Yoon, Tomas Pfister

机构 * Google（谷歌） ； University of Kentucky（肯塔基大学） 纠错

AI总结 TFRBench通过多智能体框架评估预测系统推理能力，提升预测准确性，验证了其在时间序列预测中的有效性。

Beneath the Surface: Investigating LLMs' Capabilities for Communicating with Subtext

表层之下：研究LLMs在使用隐喻沟通中的能力

Kabir Ahuja, Yuxuan Li, Andrew Kyle Lampinen

机构 * Google DeepMind（谷歌DeepMind） ； University of Washington（华盛顿大学） 纠错

AI总结 本文研究语言模型是否能利用隐喻进行沟通，并引入四个新评估套件。发现前沿模型倾向于过于直白的沟通，但在某些情况下能通过共同基础减少直白线索，但难以推断隐含的共同基础。

PaperOrchestra: A Multi-Agent Framework for Automated AI Research Paper Writing

PaperOrchestra：一个用于自动化AI论文写作的多智能体框架

Yiwen Song, Yale Song, Tomas Pfister, Jinsung Yoon

机构 * Google（谷歌） 纠错

AI总结 PaperOrchestra通过多智能体框架将非结构化研究资料转化为可提交的LaTeX论文，包含全面的文献综述和生成的视觉内容，通过PaperWritingBench基准测试显著优于现有自动写作系统。

Comments Project Page: https://yiwen-song.github.io/paper_orchestra/

Generative AI for Video Trailer Synthesis: From Extractive Heuristics to Autoregressive Creativity

生成AI用于视频预告片合成：从提取启发式方法到自回归创造力

Abhishek Dharmaratnakar, Srivaths Ranganathan, Debanshu Das, Anushree Sinha

机构 * Google LLC（谷歌有限责任公司） 纠错

AI总结 本文综述了自动视频预告片生成领域从启发式提取到深度生成合成的转变，探讨了自回归Transformer、LLM协同流程和文本到视频基础模型等生成技术，并讨论了高保真神经合成的伦理挑战。

Comments 7 pages, 3 figures, accepted in WSDM 2026

The Illusion of Latent Generalization: Bi-directionality and the Reversal Curse

潜在泛化的幻觉：双向性与反转诅咒

Julian Coda-Forno, Jane X. Wang, Arslan Chaudhry

机构 * TUM, Helmholtz Munich（慕尼黑工业大学, 亥姆霍兹慕尼黑中心） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文研究了自回归语言模型在反向顺序检索中的失败现象，比较了双向监督目标与传统掩码语言模型在四个基准测试中的表现，发现反向准确性依赖于明确将源实体作为预测目标的训练信号，而非单一方向无关的表示。

Comments ICLR 2026 Workshop on Representational Alignment (Re-Align)

Journal ref ICLR 2026

MINERVA-Cultural: A Benchmark for Cultural and Multilingual Long Video Reasoning

MINERVA-Cultural: 一个用于文化和多语言长视频推理的基准

Darshan Singh, Arsha Nagrani, Kawshik Manikantan, Harman Singh, Dinesh Tewari, Tobias Weyand, Cordelia Schmid, Anelia Angelova, Shachi Dave

机构 * Google DeepMind（谷歌DeepMind） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出MINERVA-Cultural基准，旨在解决现有视频评估中文化偏见问题，通过多语言多文化视频数据和原生语言问题，推动视频推理模型的发展。

Comments Accepted to CVPR 2026

Image Diffusion Preview with Consistency Solver

图像扩散预览与一致性求解器

Fu-Yun Wang, Hao Zhou, Liangzhe Yuan, Sanghyun Woo, Boqing Gong, Bohyung Han, Ming-Hsuan Yang, Han Zhang, Yukun Zhu, Ting Liu, Long Zhao

机构 * Google DeepMind（谷歌DeepMind） ； The Chinese University of Hong Kong（香港中文大学） ； Seoul National University（首尔大学） 纠错

AI总结 本文提出ConsistencySolver，通过强化学习优化的轻量高阶求解器，提升图像扩散预览的质量与一致性，减少推理步骤，提高交互效率。

Comments Accepted by CVPR 2026

MedGemma Technical Report

MedGemma 技术报告

Andrew Sellergren, Sahar Kazemzadeh, Tiam Jaroensri, Atilla Kiraly, Madeleine Traverse, Timo Kohlberger, Shawn Xu, Fayaz Jamil, Cían Hughes, Charles Lau, Justin Chen, Fereshteh Mahvar, Liron Yatziv, Tiffany Chen, Bram Sterling, Stefanie Anna Baby, Susanna Maria Baby, Jeremy Lai, Samuel Schmidgall, Lu Yang, Kejia Chen, Per Bjornsson, Shashir Reddy, Ryan Brush, Kenneth Philbrick, Mercy Asiedu, Ines Mezerreg, Howard Hu, Howard Yang, Richa Tiwari, Sunny Jansen, Preeti Singh, Yun Liu, Shekoofeh Azizi, Aishwarya Kamath, Johan Ferret, Shreya Pathak, Nino Vieillard, Ramona Merhej, Sarah Perrin, Tatiana Matejovicova, Alexandre Ramé, Morgane Riviere, Louis Rouillard, Thomas Mesnard, Geoffrey Cideron, Jean-bastien Grill, Sabela Ramos, Edouard Yvinec, Michelle Casbon, Elena Buchatskaya, Jean-Baptiste Alayrac, Dmitry Lepikhin, Vlad Feinberg, Sebastian Borgeaud, Alek Andreev, Cassidy Hardin, Robert Dadashi, Léonard Hussenot, Armand Joulin, Olivier Bachem, Yossi Matias, Katherine Chou, Avinatan Hassidim, Kavi Goel, Clement Farabet, Joelle Barral, Tris Warkentin, Jonathon Shlens, David Fleet, Victor Cotruta, Omar Sanseviero, Gus Martins, Phoebe Kirk, Anand Rao, Shravya Shetty, David F. Steiner, Can Kirmizibayrak, Rory Pilgrim, Daniel Golden, Lin Yang

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

AI总结 MedGemma 是基于 Gemma 3 的医学视觉-语言基础模型，具备强大的医学理解和推理能力，在医疗多模态问答、胸部X光分类等任务中表现优异，同时保持通用能力，为医疗AI发展提供基础。

Comments Fix references

Advancing AI Research Assistants with Expert-Involved Learning

通过专家参与学习推进AI研究助手

Tianyu Liu, Simeng Han, Hanchen Wang, Xiao Luo, Pan Lu, Biqing Zhu, Yuge Wang, Keyi Li, Jiapeng Chen, Rihao Qu, Yufeng Liu, Xinyue Cui, Aviv Yaish, Yuhang Chen, Minsheng Hao, Chuhan Li, Kexing Li, Yinsheng Lu, Xinyu Wei, Qinzhe Xing, Antonia Panescu, Mengbo Wang, Vibha Annaswamy, Alicia Sanchez, Jack Cloherty, Arman Cohan, Hua Xu, Mark Gerstein, James Zou, Hongyu Zhao

机构 * Yale University（耶鲁大学） ； Broad Institute of MIT and Harvard（麻省理工学院-哈佛大学博德研究所） ； Google DeepMind（谷歌DeepMind） ； Stanford University（斯坦福大学） ； Genentech（基因泰克） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； Harvard University（哈佛大学） 纠错

AI总结 本文提出ARIEL框架，通过专家验证任务评估大语言模型和多模态模型在生物医学领域的表现，发现提示工程和轻量级微调能提升文本覆盖，计算扩展策略增强视觉问答能力，构建了集成文本和视觉线索的AI助手，提出可检验的机理假设。

Comments 43 pages, 7 figures

Hedging and Non-Affirmation: Quantifying LLM Alignment on Questions of Human Rights

对冲与非肯定：量化大语言模型在人权问题上的对齐

Rafiya Javed, Cassandra Parent, Jackie Kay, David Yanni, Abdullah Zaini, Anushe Sheikh, Maribeth Rauh, Walter Gerych, Ramona Comanescu, Iason Gabriel, Marzyeh Ghassemi, Laura Weidinger

机构 * Google Deepmind（谷歌DeepMind） ； Massachusetts Institute of Technology（麻省理工学院） ； Independent Researcher（独立研究员） ； Google（谷歌） ； AI Accountability Lab, Trinity College Dublin（都柏林圣三一学院人工智能问责实验室） 纠错

AI总结 研究通过系统框架量化LLM在不同群体身份上的对冲与非肯定行为，发现群体身份是主要影响因素，通过引导和正交化技术可有效缓解偏差。

Regional climate risk assessment from climate models using probabilistic machine learning

基于气候模型的区域气候风险评估：利用概率机器学习

Zhong Yi Wan, Ignacio Lopez-Gomez, Robert Carver, Tapio Schneider, John Anderson, Fei Sha, Leonardo Zepeda-Núñez

机构 * Google Research（谷歌研究院） ； California Institute of Technology（加州理工学院） ； General Motors Sunnyvale Tech Center（通用汽车桑尼维尔技术中心） ； Meta 纠错

AI总结 本文提出GenFocal框架，通过概率机器学习生成高精度区域天气数据，解决粗分辨率气候模型与区域决策需求之间的矛盾，提升气候适应与韧性策略。

Comments 125 pages