返回主题
行业内容 · 主题

论文研究

精选 37 条

值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。

37条精选10条近 30 天2026/10/12 02:12最近一次动静43个事件（大事记）

相关主题

推理能力安全对齐数据与训练

大事记 · 43 个事件

2026/10/12 09:22多个 AI 智能体组队，质量没怎么涨、账单先翻了五倍论文0 篇精选2026/10/12 07:03Epoch AI 与 Anthropic 分别发现 AI 智能体夸大自身科研结果论文0 篇精选2026/10/12 02:12arXiv 限制每人每月投稿两篇行业1 篇精选2026/10/11 05:58OpenAI 批量公布 AI 数学成果引发学界反应行业7 篇精选2026/10/10 13:05研究：AI 编码生成更多代码、却没生成更多软件——人工审查成瓶颈论文0 篇精选2026/10/08 08:24MSR Asia 发布 Agent Lightning v1.0论文1 篇精选2026/10/07 03:51PhAI Labs 将 JEPA 架构扩展至七个领域论文0 篇精选2026/10/06 11:47AI 进军数学界引发的争议行业0 篇精选2026/10/06 10:04GitHub 发布代码审查基准 ReviewBench论文1 篇精选2026/10/06 01:30谷歌 RRSI 抑制自改进智能体测试记忆论文0 篇精选2026/10/03 17:19开源工具 BootLoops 支持 AI 精确科学计算论文0 篇精选2026/10/02 00:28AI Ataraxos在Stratego击败顶尖人类棋手论文0 篇精选

这一门下的精选 · 37 条

Google DeepMind精选评分 68

DeepMind 公开首个经实证验证的 AI 操纵测量工具包，并放出做同类人本实验的全部材料，量化 AI 在真实对话中被滥用于有害操纵

Protecting people from harmful manipulation

Google DeepMind 在 Responsibility & Safety 下发布关于 AI 被滥用于有害操纵（以欺骗、负面方式改变人的想法与行为）的新研究。基于广泛的科学研究，公司称这套成果形成了首个经实证验证的工具包，用于测量现实世界中的此类 AI 操纵，并公开运行同类人本实验所需的全部材料，希望既保护人群、也推动整个领域。文中强调：研究观察到的行为发生在受控实验环境里；这一工具把 AI 在自然对话中影响人与社会的潜力，变成可量化、可复现评估的对象。

论文#Google DeepMind

推荐理由：把 AI 操纵从担忧变成可测量对象，并公开做同类人本实验的方法与材料，为后续独立研究提供了底座。

OpenAI News精选评分 60

太平洋西北国家实验室与 OpenAI 推出 DraftNEPABench，评估 AI 编码代理加速联邦审批

Pacific Northwest National Laboratory and OpenAI partner to accelerate federal permitting

OpenAI 与太平洋西北国家实验室（PNNL）推出新基准 DraftNEPABench，用来评估 AI 编码代理能否加快美国联邦审批，其结果有可能把 NEPA 起草时间最多减少约 15%，从而让基础设施审查现代化。

论文#openai

推荐理由：它把编码代理放到联邦审批起草这一具体任务上，材料给出可能节省约 15% 时间的量级，为评估代理的实际价值提供了一个参照。

OpenAI News精选评分 68

OpenAI 称不再评测 SWE-bench Verified，因污染与错误测量使该基准失真

Why we no longer evaluate SWE-bench Verified

OpenAI 说明其不再评测 SWE-bench Verified，理由是这一基准日益被污染、会错误衡量前沿模型的编码进展。其分析指出存在有缺陷的测试与训练数据泄漏，并推荐使用 SWE-bench Pro。

论文#openai

推荐理由：它用测试污染与训练数据泄漏两项问题分析一个常用基准为何失真，做模型评测的人可据此调整参照。

Google DeepMind精选评分 69

Gemini 3 Deep Think 重大升级：专攻科研、研究与工程难题，首次经 Gemini API 向研究者与企业开放

Gemini 3 Deep Think: Advancing science, research and engineering

Google DeepMind 发布 Gemini 3 Deep Think 的一次重大升级——这是其专精的推理模式，目标是把智能前沿推到能解现代科学、研究与工程难题。团队强调它是与科学家研究者密切合作磨出来的：真实研究题往往没有清晰护栏、没有唯一正确答案、数据还常常残缺不完整，因此新 Deep Think 把深厚的科学知识与日常工程实用性揉在一起，从抽象理论走向实际应用。可用性方面，Gemini app 的 Google AI Ultra 订阅用户可直接用，并首次通过 Gemini API 向部分研究者、工程师与企业以早期访问形式开放。

模型#Google

推荐理由：把这一代推理模式到底不一样在哪里、谁能用讲清楚了，实验室场景可直接据此申请。

Google DeepMind精选评分 71

用 Gemini Deep Think 做科研：Google DeepMind 连发两篇论文，在专家指导下求解数学、物理与计算机科学的专业级难题

Accelerating Mathematical and Scientific Discovery with Gemini Deep Think

由 Thang Luong 与 Vahab Mirrokni 署名的研究文：2025 年夏某个进阶版 Gemini Deep Think 达到 IMO 金牌水准，随后升级版在国际大学生程序设计竞赛上也取得相近成绩；此后 Deep Think 模式推向科学、工程与企业工作流，去啃更开放更复杂的问题。文中说的是近一周内团队发表两篇论文、记录一场跨学科协作——数学家、物理学家与计算机科学家一起用 Gemini Deep Think 求解专业研究问题。作者点出关键难点：研究级数学不像 IMO 题，需要广袤文献里的进阶技巧，基础模型虽有知识储备但数据稀缺会导致理解浅、出现幻觉，他们为此构建了一个数学研究智能体。

论文#Google

推荐理由：从 IMO 金牌跨到真实研究题这一段最能说明推理能力的迁移边界，值得完整读。

OpenAI News精选评分 64

GPT-5 与 Ginkgo Bioworks 自动实验室结合，把无细胞蛋白合成成本降低约四成

GPT-5 lowers the cost of cell-free protein synthesis

一项结合 OpenAI 的 GPT-5 与 Ginkgo Bioworks 云端自动化的自主实验室，通过闭环实验把无细胞蛋白合成的成本降低了 40%。

论文#openai

推荐理由：它给出一项带明确量级的闭环实验结果，GPT-5 与自动化实验室配合把无细胞蛋白合成成本降低四成，读者能据此判断 AI 在实验室里的实际收益。

Google DeepMind精选评分 62

Google DeepMind 发布 D4RT：一个统一模型搞定跨时空的 4D 场景重建与追踪

D4RT: Teaching AI to see the world in four dimensions

由 Guillaume Le Moing 与 Mehdi S. M. Sajjadi 署名：今天我们介绍 D4RT（Dynamic 4D Reconstruction and Tracking），把动态场景重建统一到单个高效模型里。文章从一个观察切入——人看世界时同时在记忆与预测：你既看见此刻的样子，也知道它上一刻如何、下一刻会怎样，脑中的模型维护着一份持续的现实表征，并据此直觉地推出过去、现在与未来的因果关系。要让机器也这样看，装摄像头只解决了输入；真正的难题是从一串扁平的 2D 投影序列还原出丰富、立体且在运动中的 3D 世界——一个复杂的逆问题。

论文#Google

推荐理由：把 4D 重建到底难在哪里讲得比一般发布稿清楚，适合作为该方向的入门引用。

Google DeepMind精选评分 63

与 Kaggle 联手推出 FACTS Benchmark Suite：参数化、搜索与多模态三项基准，系统评估 LLM 的事实性

FACTS Benchmark Suite: Systematically evaluating the factuality of large language models

LLM 正成为各类场景下的主要信息来源，所以回答的事实准确性变得关键；要持续改善这一行业性难题，必须先弄清模型在哪些用例上答不准、并能量化那些场景的事实性表现。在既有 FACTS Grounding Benchmark 的基础上，Google DeepMind 与 Kaggle 一起推出 FACTS Benchmark Suite，新增三项基准：参数化基准衡量模型在事实性问题上准确调用自身内部知识的能力；搜索基准检验模型把搜索当工具来检索并正确综合信息的能力；以及多模态基准。

论文#Google

推荐理由：把事实性拆成内部知识、用工具与多模态三格来量，评测设计上确实更实用。

Google DeepMind精选评分 70

AlphaFold 五年：Demis Hassabis、John Jumper 等署名回顾它如何加速科学、点燃全球生物学发现浪潮

AlphaFold: Five years of impact

由 Demis Hassabis、John Jumper、Pushmeet Kohli 与 Anna Koivuniemi 代表 AlphaFold 团队署名：五年前 AlphaFold 2 解决了蛋白质结构预测问题，打开了生物研究的新路径，也是 AI 能强力推动科学的第一个重要证明点——这项工作后来获诺贝尔奖认可。文章从蛋白质讲起：它们是长链氨基酸精确折叠成三维结构的微观机器，而这个形状很大程度上决定了功能，因此知道形状对药物发现与理解疾病至关重要；一旦错误折叠，蛋白质就可能丧失功能。

论文#Google

推荐理由：五年期的一手复盘，作者阵容本身就把这条线的分量钉住了。

Google DeepMind精选评分 64

借 AlphaFold 看清坏胆固醇的真身：apoB100 结构被解析，或改变心脏病这一头号死因的诊治路径

Revealing a key protein behind heart disease

这是一项由 AlphaFold 支撑的突破：科学家描绘出了那个赋予坏胆固醇以形态的大型蛋白的结构。apoB100 之所以难解，不只是因为它对蛋白而言相当巨大，还因为它与脂肪及其他分子的连接方式复杂；它是坏胆固醇的分子支架。密苏里大学的助理教授 Zachary Berndsen 与 Keith Cassidy 都出身有心脏病史的家庭，对他们来说这不只是一项工作——Berndsen 说五十年来人们一直想看清这个蛋白长什么样。

论文#Google

推荐理由：把一个具体疾病的分子难题被 AI 拿下的过程讲完整，是 AlphaFold 影响力的实证。

Google DeepMind精选评分 66

Google DeepMind 发布 SIMA 2：接入 Gemini 后能在虚拟 3D 世界里推理、对话并自我改进

SIMA 2: An Agent that Plays, Reasons, and Learns With You in Virtual 3D Worlds

去年 SIMA（Scalable Instructable Multiworld Agent）已经能在多种虚拟环境里听懂基本指令，把语言翻译成有意义的行为。今天发布的 SIMA 2 把这个方向推了一步：它把 Gemini 的先进能力接了进来，从一个指令跟随者演化成了互动的游戏伙伴——不仅能听懂自然语言指令，还会思考自己的目标、与用户对话，并能随时间自我改进。官方称这是通向 AGI 的重要一步，对未来机器人与 AI 具身化有直接影响。

论文#Google

推荐理由：会推理、会对话、自我改进这三件事同时落地，是判断智能体进展的实质材料。

Google DeepMind精选评分 62

登 Nature：把模型的视觉表征重排成更像人看世界的方式，鲁棒性与可靠性随之提升

Teaching AI to see the world more like we do

视觉 AI 已无处不在——分类照片、识别没见过的花、控制汽车，但这些强大系统并不总像人那样看世界，行为也时有出人意料：比如一个能识别几百种汽车厂商与型号的系统，可能仍抓不住汽车与飞机之间的共通之处，也就是两者都是主要由金属构成的大型载具。为了厘清这类差异，团队今天在 Nature 发表论文，分析 AI 系统组织视觉世界的方式与人不同的关键之处，给出让系统更好地对齐人类知识的方法，并证明弥合这些差异能改善其鲁棒性。

论文#Google

推荐理由：一个具体的失败案例把抽象问题讲活了：认得出几百种车型，却不懂大型金属载具。

第 2 / 2 页 · 共 37 条

主题由这一份内容包的词表定义（标签词与判定抽出来的分类、主体对词）， 读数与「精选」那一屏同一把尺子。范围始终只有当前工作区的行业包。