Google Research：思考以檢索：推理如何解鎖大語言模型中的引數化知識
Google Research 探討了大語言模型中推理如何解鎖引數化知識，通過控制實驗揭示了計算緩衝區效應和事實啟動兩大機制。研究表明，即使面對簡單的單跳問題，啟用推理也能幫助模型召回原本難以觸及的正確答案。不過，推理階段產生的中途幻覺會顯著降低最終答案的正確率。
推薦理由：研究揭示了推理如何解鎖大語言模型的引數化知識，並指出了中間事實對準確率的關鍵影響。
論文研究
全部主題值得讀的 AI 論文與研究成果：架構創新、訓練方法、能力測量與理論進展的精選解讀。
最新精選
第 221–240 條 · 共 295 條Google Research精選品質評分6363
Together AI Official Blog精選品質評分7777 ParallelKernelBench：前沿 LLM 尚未能快速編寫多 GPU 核心
ParallelKernelBench 是一個測試多 GPU 核心生成的基準，評估 GPT‑5.5、Gemini 3 Pro 等前沿模型的表現。 - 核心特性：87 個實際工作負載，涵蓋多種分散式並行策略。
推薦理由：此研究揭示前沿 LLM 在多 GPU 核心生成上的侷限，提供可量化的基準與改進方向，並展示首批成功案例。
Import AI精選品質評分7070 AI 超越專家說服力、探索自給自足 AI 與通往 ASI 的路徑
AI 系統在多項說服實驗中已明顯優於專業人類，甚至在實際募款中比專業募款員高出 10.8% - 說服實驗規模：四項研究共 18,978 次對話，6,923 名參與者，AI 在所有類別（隨機、選拔、訓練）中均優於人類。
推薦理由：研究顯示 AI 在說服力上已超越專家，凸顯對社會權力結構與監管挑戰的迫切性，亦提醒需審慎部署以防偏見與濫用。
OpenAI Alignment Research Blog精選品質評分7070 強化學習促進模型更廣泛且持久地產生有益行為
OpenAI 研究團隊證明，將強化學習應用於涵蓋健康、教育、科學等多領域的有益行為資料集，可在多項獨立評測中顯著提升模型的誠實、可修正、透明度與安全性。
推薦理由：研究展示了使用強化學習提升模型對有益行為的普適性與永續性，為對齊研究提供可遷移的訓練範式，並已在多項公開評測中驗證其有效性。
OpenAI Alignment Research Blog精選品質評分6060 公開對話資料能預測真實 AI 失調嗎？
WildChat 資料能否成為外部審核 AI 失調的有效工具？本文以 1M 對話為基礎，將其重新生成 GPT‑5 系列模型的回應，並與 200k 以上的實際部署資料做對照。
推薦理由：公開對話資料可準確預測實際失調，為外部審核提供可操作的評估工具，促進模型安全性透明化與跨實驗比較。
Trail of Bits Blog精選品質評分7979 利用多項式破解「短袖」RSA金鑰
利用多項式破解「短袖」RSA金鑰\n\nTrail of Bits 在其最新研究中揭示，RSA 私鑰若在生成時大量偏向 0，便可被多項式方法快速分解。\n\n- 短袖金鑰特徵：公鑰模數中重複 0 位塊，形成可被對映為小係數多項式的結構。
推薦理由：本研究揭示 RSA 私鑰生成缺陷可透過多項式破解，對現有加密實踐提供具體風險評估與修復指引，並建議更新關鍵軟體以消除漏洞。
Google DeepMind精選品質評分6464 測量 AI 在獅子山及其他地區學習影響
DeepMind 在獅子山開展了一項預註冊試驗，評估 AI 輔助學習工具 Guided Learning 對學生數學成績的影響。實驗顯示，學生使用 Guided Learning 的數學成績提升了 0.258 標準差，等同於 1.2 至 1.7 年的學習進度；在課堂中使用 Gemini 的教師班級更高達 1.8 至 2.5 年的進步。
推薦理由：該研究展示了 Gemini 輔助教學可在短期內顯著提升學生數學成績，驗證了 AI 與教師協同的有效性。
Import AI精選品質評分8484 Import AI 460：社會規則破解、RL 航拍競速與偏見影響研究概覽
Import AI 460 提供了多篇 AI 研究的概覽，涵蓋社會規則破解、RL 航拍競速、以及語言模型對政治偏見的影響。 - SocioHack：72 個沙盒環境，RL 模型以 61.25% 的召回率與 90.85% 的精準度重新發現歷史漏洞，測試範圍從信用卡點數到學校成績。
推薦理由：多篇研究聚焦 AI 在社會規則、機器人競速與偏見影響的最新進展，為跨領域洞察提供參考，並揭示未來自動化治理與軍事應用的挑戰。
Google Research精選品質評分7171 Google Research 推出基於智慧手機攝像頭的被動心率與靜息心率監測系統 PHRM
Google Research 推出了被動心率監測系統（PHRM），利用智慧手機前置攝像頭在日常面部解鎖後進行影片採集，通過深度學習實現全膚色覆蓋的心率與靜息心率精準追蹤。該研究結合實驗室與真實世界評估，在各類膚色上均達到了與穿戴裝置相當的準確率，並同步開源了相關資料集與“PHRM-mini”預訓練模型供合規研究者申請使用。
推薦理由：研究推出了基於智慧手機攝像頭的被動心率監測系統，其準確率達到行業標準並開源了資料集與預訓練模型。
Google DeepMind精選品質評分6262 Google DeepMind 部落格：利用 Co-Scientist 發現治療肝纖維化的老藥新用方案
Google DeepMind 報道了斯坦福大學遺傳學家 Gary Peltz 利用 Co-Scientist 從現有藥物文獻中尋找肝纖維化治療方案的研究。研究表明，Co-Scientist 提出的三個候選藥物中有兩個通過了實驗室活體人類肝細胞測試，其中癌症藥物 vorinostat 成功阻斷了 91% 的肝損傷反應並促進了肝細胞再生。
推薦理由：原文通過具體實驗結果展示了 Co-Scientist 在老藥新用研究中的應用成效，為理解 AI 在生物醫藥研發中的實際價值提供了具體參考。
Google Project Zero精選品質評分6363 Google Project Zero 公佈 Pixel 10 零點選漏洞鏈研究
Google Project Zero 安全研究員 Seth Jenkins 發布針對 Pixel 10 的零點選（0-click）攻擊鏈研究，展示如何結合 Dolby 漏洞與全新的 VPU 驅動程式漏洞取得核心許可權。
推薦理由：原文詳細公開 Google Project Zero 針對 Pixel 10 漏洞的研究成果與修補進度，讀者可藉此瞭解 Android 驅動程式安全與零日漏洞分析方法。
OpenAI Alignment Research Blog精選品質評分7070 OpenAI：調查強化學習期間意外評估思維鏈的後果
OpenAI 發布研究報告，探討在強化學習（RL）訓練期間意外評估模型思維鏈（CoT）的後果與影響。研究指出部分已發布模型在訓練時曾意外遭遇有限的 CoT 評分，但分析顯示未對可監控性造成顯著退化。
推薦理由：原文分析強化學習訓練中意外評分思維鏈的影響與自動化檢測系統，讀者可藉此瞭解模型對齊維護與思維鏈可監控性評估。
Embrace The Red (AI Security)精選品質評分8080 Copirate 365 漏洞研究：深入解析 Microsoft Copilot 中的資料外洩與持久化攻擊 (CVE-2026-24299)
安全研究員 Johann Rehberger 於 DEF CON Singapore 發表研究，詳細披露 M365 Copilot 與 Consumer Copilot 中的漏洞鏈與利用手法，並獲 MSRC 分配編號 CVE-2026-24299。
推薦理由：研究揭露 Microsoft Copilot 系列多項漏洞及漏洞鏈，並提供具體攻擊面分析與防禦建議。
Google DeepMind精選品質評分6464 Google DeepMind 釋出 AI co-clinician 醫療人工智慧研究專案
Google DeepMind 宣佈推出 AI co-clinician 研究計劃，旨在探索結合多模態能力的醫療人工智慧系統，以輔助醫生並提升遠端醫療和臨床決策的質量。該系統採用雙Agent架構，在多項模擬臨床評估與藥物問答基準測試中展現出處理複雜醫療任務的潛力。
推薦理由：原文介紹了醫用人工智慧研究專案的架構與模擬評估結果，讀者可以瞭解多模態技術在醫療場景中的實際表現與安全性保障。
Together AI Official Blog精選品質評分6969 分佈感知推測解碼提升 RL 回合時間 50%
分佈感知推測解碼（DAS）能在 RL 後訓練中將回合時間縮短 50%，同時保持獎勵曲線不變。• 核心技術 採用字尾樹草稿器和長度感知排程，實現零成本自適應。
推薦理由：此研究提出分佈感知推測解碼，能在 RL 後訓練中將回合時間縮短 50%，對大規模模型訓練成本節省具有實際參考價值。
OpenAI Alignment Research Blog精選品質評分6262 OpenAI 開源 Chain-of-Thought 監測評估工具與資料集
OpenAI 釋出 Chain-of-Thought (CoT) 監測評估 資料集與參考程式碼，包含大部分評估套件、g‑mean2 指標計算與新交叉擬合過濾策略。
推薦理由：OpenAI 釋出 Chain-of-Thought 監測評估工具，為模型安全研究提供可驗證的基準與開源資料，方便社群跟蹤與改進。
Google DeepMind精選品質評分6666 Google DeepMind 推出 Decoupled DiLoCo：實現具彈性且分散式的 AI 訓練新架構
Google DeepMind 推出了 Decoupled DiLoCo 架構，通過將大規模訓練拆分到非同步執行的獨立計算叢集中，降低了跨資料中心訓練的頻寬需求並增強了硬體容錯能力。測試表明，該架構使用 Gemma 4 模型在發生硬體故障時保持了高可用性，併成功在四個美國不同區域以低頻寬完成了 120 億引數模型的預訓練。
推薦理由：該架構通過非同步計算與低頻寬需求，解決了跨資料中心訓練大模型的同步瓶頸與硬體故障痛點。
Google Research精選品質評分6464 ReasoningBank：使智慧體能夠從經驗中學習
Google Research 推出了 ReasoningBank 智慧體記憶框架，通過從成功和失敗經驗中提取結構化推理模式來實現測試期自我進化。該方法通過記憶感知測試期擴充套件（MaTTS）機制，在網頁瀏覽和軟體工程基準測試中顯著提升了智慧體的成功率和執行效率。
推薦理由：文章介紹了從成功與失敗經驗中提取結構化推理模式的記憶框架，讀者可以據此瞭解如何通過記憶增強智慧體的測試期擴充套件能力。
Berkeley AI Research精選品質評分6666 GRASP：提升狀態、加入噪聲與梯度重塑實現長時序規劃
GRASP 是一種新的梯度規劃器，針對學習到的世界模型實現長時序規劃。它通過將軌跡提升到虛擬狀態實現並行最佳化、在狀態迭代中加入噪聲以增強探索、並重塑梯度以避免脆弱的狀態輸入梯度，從而顯著提升規劃魯棒性和速度。實驗顯示在 Push‑T 任務中，GRASP 在更長時間步上取得更高成功率且耗時更短。詳情見論文 https://arxiv.org/abs/2602.00475。
推薦理由：GRASP 通過提升狀態、加入噪聲與梯度重塑，解決了大規模世界模型長時序規劃的梯度爆炸與不穩定問題。
Embrace The Red (AI Security)精選品質評分7777 Claude Opus 4.7 被 ChatGPT 生成對抗影像成功誘導記憶工具
Claude Opus 4.7 被 ChatGPT 生成的對抗影像成功誘導執行記憶工具，將偽造的個人資訊寫入未來對話。 - 攻擊方式：利用 ChatGPT 產生含暗示文字的影像，誘導 Opus 4.7 解析並執行 memory_user_edits。
推薦理由：本研究揭示 Claude Opus 4.7 在面對 ChatGPT 生成的對抗影像時仍能被誘導執行記憶工具，提示在升級模型時仍需加強對抗性測試。