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。
Google Research 在其 Willow 超导处理器上演示了利用强化学习实现量子计算机持续校准的方法，显著降低了逻辑错误率。实验中，RL 训练将错误率降低 3.5 倍，最终逻辑错误率低至每千个纠错周期不到一次，并在数百量子比特的模拟中验证了可扩展性。该方法将量子错误检测事件作为主动学习信号，展示了可持续计算的新范式。
Why Recommended: 通过强化学习实现量子计算机持续校准，显著降低逻辑错误率，展示了可扩展的自适应控制方法，为未来大规模量子计算提供可行路径。
Google Research 通过数学分析解释了扩散模型的创造力来源，指出正则化导致的分数平滑使模型在去噪过程中产生插值，从而生成新颖图像。文章以一维示例说明分数平滑如何软化梯度，并通过实验验证权重衰减对其影响；在多维情形下，分数平滑帮助模型在数据流形上平衡质量与新颖性。作者已公开实验代码。
Why Recommended: 本文阐释扩散模型创造力来源，揭示正则化导致的分数平滑如何产生新颖图像，并指出可通过调节正则化实现更具创造性的生成。
Google Research 推出了 SensorFM，这是一个在大规模未标注可穿戴传感器数据上预训练的大型传感器基础模型。该模型使用超一万亿分钟的多模态传感器信号进行自监督训练，能够跨越心血管、代谢、睡眠和心理健康等多个领域进行通用表征，并支持构建更精准的个人健康智能体。
Why Recommended: 研究展示了如何利用大规模未标注传感器数据训练通用生理表征，读者可以了解其在多任务泛化和健康智能体中的表现。
Google Research 在 Nature Cities 发表研究，通过在 10 个美国大城市进行的大规模真实实验表明，利用导航平台对一小部分行程进行协同路由干预，能够分散交通并显著提高行驶速度、减少碳排放。该研究修改了 Google Maps 算法以引导车辆避开拥堵路段，通过系统性的城市级交叉实验验证了网络化导航技术在改善整体交通状况方面的有效性。
Why Recommended: Google Research 在 Nature Cities 发表研究，通过在 10 个美国大城市进行的大规模真实实验表明，利用导航平台对一小部分行程进行协同路由干预，能够分散交通并显著提高行驶速度、减少碳排放。该研究修改了 Google Maps 算法以引导车辆避开拥堵路段，通过系统性的城市级交叉实验验证了网络化导航技术在改善整体交通状况方面的有效性。
伯克利人工智能研究院（BAIR）团队探讨了推理成本大幅下降后数据系统面临的新机遇与新挑战，指出未来数据系统需要围绕 Agent 的交互、底层协同及自主合成三个维度进行彻底重构。文章重点分析了 Agent 推理带来的高并发复杂查询需求、多 Agent 协作所需的状态管理机制以及利用 Agent 从零自主合成专用数据系统的方法。
Why Recommended: 文章探讨了零成本推理时代对数据系统的影响，提出了面向、由和基于 Agent 的三大数据系统设计方向，为理解未来智能基础设施演进提供了前瞻视角。
Google Research 探讨了大语言模型中推理如何解锁参数化知识，通过控制实验揭示了计算缓冲区效应和事实启动两大机制。研究表明，即使面对简单的单跳问题，启用推理也能帮助模型召回原本难以触及的正确答案。不过，推理阶段产生的中途幻觉会显著降低最终答案的正确率。
Why Recommended: 研究揭示了推理如何解锁大语言模型的参数化知识，并指出了中间事实对准确率的关键影响。
DeepMind 在塞拉利昂开展了一项预注册试验，评估 AI 辅助学习工具 Guided Learning 对学生数学成绩的影响。实验显示，学生使用 Guided Learning 的数学成绩提升了 0.258 标准差，等同于 1.2 至 1.7 年的学习进度；在课堂中使用 Gemini 的教师班级更高达 1.8 至 2.5 年的进步。
Why Recommended: 该研究展示了 Gemini 辅助教学可在短期内显著提升学生数学成绩，验证了 AI 与教师协同的有效性。
Google Research 推出了被动心率监测系统（PHRM），利用智能手机前置摄像头在日常面部解锁后进行视频采集，通过深度学习实现全肤色覆盖的心率与静息心率精准追踪。该研究结合实验室与真实世界评估，在各类肤色上均达到了与穿戴设备相当的准确率，并同步开源了相关数据集与“PHRM-mini”预训练模型供合规研究者申请使用。
Why Recommended: 研究推出了基于智能手机摄像头的被动心率监测系统，其准确率达到行业标准并开源了数据集与预训练模型。
Google DeepMind 报道了斯坦福大学遗传学家 Gary Peltz 利用 Co-Scientist 从现有药物文献中寻找肝纤维化治疗方案的研究。研究表明，Co-Scientist 提出的三个候选药物中有两个通过了实验室活体人类肝细胞测试，其中癌症药物 vorinostat 成功阻断了 91% 的肝损伤反应并促进了肝细胞再生。
Why Recommended: 原文通过具体实验结果展示了 Co-Scientist 在老药新用研究中的应用成效，为理解 AI 在生物医药研发中的实际价值提供了具体参考。
Google DeepMind 宣布推出 AI co-clinician 研究计划，旨在探索结合多模态能力的医疗人工智能系统，以辅助医生并提升远程医疗和临床决策的质量。该系统采用双Agent架构，在多项模拟临床评估与药物问答基准测试中展现出处理复杂医疗任务的潜力。
Why Recommended: 原文介绍了医用人工智能研究项目的架构与仿真评估结果，读者可以了解多模态技术在医疗场景中的实际表现与安全性保障。
Google DeepMind 推出了 Decoupled DiLoCo 架构，通过将大规模训练拆分到异步运行的独立计算集群中，降低了跨数据中心训练的带宽需求并增强了硬件容错能力。测试表明，该架构使用 Gemma 4 模型在发生硬件故障时保持了高可用性，并成功在四个美国不同区域以低带宽完成了 120 亿参数模型的预训练。
Why Recommended: 该架构通过异步计算与低带宽需求，解决了跨数据中心训练大模型的同步瓶颈与硬件故障痛点。
Google Research 推出了 ReasoningBank 智能体记忆框架，通过从成功和失败经验中提取结构化推理模式来实现测试期自我进化。该方法通过记忆感知测试期扩展（MaTTS）机制，在网页浏览和软件工程基准测试中显著提升了智能体的成功率和执行效率。
Why Recommended: 文章介绍了从成功与失败经验中提取结构化推理模式的记忆框架，读者可以据此了解如何通过记忆增强智能体的测试期扩展能力。
GRASP 是一种新的梯度规划器，针对学习到的世界模型实现长时序规划。它通过将轨迹提升到虚拟状态实现并行优化、在状态迭代中加入噪声以增强探索、并重塑梯度以避免脆弱的状态输入梯度，从而显著提升规划鲁棒性和速度。实验显示在 Push‑T 任务中，GRASP 在更长时间步上取得更高成功率且耗时更短。详情见论文 https://arxiv.org/abs/2602.00475。
Why Recommended: GRASP 通过提升状态、加入噪声与梯度重塑，解决了大规模世界模型长时序规划的梯度爆炸与不稳定问题。
Google Research 介绍了 Simula 框架，这是一种采用第一性原理构建整个合成数据集的种子无关且具身智能的方法。该框架通过全局多元化、局部多元化、复杂化和质量检查四个可控轴来分解生成过程，并在多个领域评估中展示了优化数据属性对下游性能的提升。
Why Recommended: 文章介绍了通过第一性原理构建合成数据集的 Simula 框架，为解决稀缺领域的数据瓶颈提供了可编程的工作流方案。
Google Research 在新白皮书中指出，未来的量子计算机可能会用比此前预估更少的量子比特和门数破解保护加密货币的椭圆曲线密码学。研究团队给出了破解 ECDLP-256 的更新量子资源估算，并采用零知识证明方法在不泄露攻击细节的前提下验证漏洞，同时敦促加密货币社区向后量子密码学迁移。
Why Recommended: 原文给出了量子计算机破解加密货币的具体资源估算和零知识证明验证方法，读者可以据此评估后量子密码学迁移的紧迫性。
Google Research 推出了 TurboQuant 压缩算法及相关算法 Quantized Johnson-Lindenstrauss 和 PolarQuant，用于解决向量量化中的内存开销问题。实验表明，TurboQuant 在长文本基准测试中能够将 KV 缓存内存大小减少至少 6 倍且不损失模型准确率，并在 H100 GPU 上实现了显著的计算加速。
Why Recommended: 原文给出了新算法的压缩率和长文本评测结果，读者可以据此评估其在降低内存开销方面的实际效用。
Google Research 在 The Check Up 活动上公布了医疗健康领域的最新研究进展，涵盖个性化医疗、临床协作、开发者生态、公共卫生及生物医学发现。
Why Recommended: Google Research 公布了医疗健康领域的最新研究成果与进展，读者可以据此了解其技术在临床、公共卫生和生物医药方面的实际应用方向。
Google Research 与英国国家医疗服务体系等机构合作在 Nature Cancer 发表了两项研究，评估了基于人工智能的乳腺癌检测系统。研究表明，该系统在独立筛查中展现出更高的癌症检测灵敏度，并在融入双人阅读工作流时达到了非劣效的整体性能，同时有望大幅减少人工阅读的工作量。
Why Recommended: 原文公布了两项评估乳腺癌筛查人工智能系统的研究结果，读者可以据此了解人工智能在医疗影像诊断中的性能表现与临床整合潜力。
Google Research 联合多所高校在 PNAS 发表论文，评估了大语言模型在凝聚态物理学高温超导专家级问题上的表现。研究发现，基于封闭受控数据源的 NotebookLM 与定制系统表现优于联网模型，并指出了现有系统在事实准确性、时效理解和图表分析方面的不足。
Why Recommended: 这项研究评估了大语言模型在高温超导领域的表现，为开发面向科学发现的可信工具提供了实证依据。
本文介绍了 SPEX 与 ProxySPEX 两种算法，利用稀疏恢复和层次结构在大规模 LLM 交互识别中显著降低计算成本。SPEX 通过信号处理和编码理论实现数千个组件的交互发现，ProxySPEX 在保持性能的同时将 ablation 数量减少约 10 倍。两种方法已在 SHAP‑IQ 仓库公开，支持特征、数据和模型组件的解释。
Why Recommended: SPEX 和 ProxySPEX 通过稀疏恢复和层次结构显著降低了交互发现的计算成本，为大规模 LLM 解释提供了可行方案。