Ataraxos 以约 1/500 算力成本击败史上最强 Stratego 人类玩家
研究人员开发的 Ataraxos AI 以 85% 的有效胜率击败四届世界冠军、公认史上最强 Stratego 玩家 Niemeijer，结束了一个人类对 AI 的最后堡垒。
推荐理由：研究以约八千美元算力战胜最强人类 Stratego 玩家，正则化和信念网络方法可迁移到其他不完全信息博弈。
论文研究
全部主题值得读的 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。
最新精选
第 1–20 条 · 共 26 条The Decoder精选AI 评分7777
Google DeepMind精选AI 评分7070 Google DeepMind 推出 SynthID Bio，为 AI 生成的蛋白质添加可验证水印
Google DeepMind 推出 SynthID Bio，将水印技术引入合成生物学，在保持蛋白质生物功能的同时嵌入可验证签名。
推荐理由：原文给出水印嵌入方式与湿实验结果，读者可以了解在蛋白质设计层建立生物安全验证机制的可复用思路。
Google Research精选AI 评分6363 Google 与 HHMI Janelia 发布完整雄性果蝇大脑及中枢神经系统连接组
Google 与 HHMI Janelia、MRC 分子生物学实验室及剑桥大学等合作，在 Cell 发表雄性果蝇大脑和中央神经系统完整连接组，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计最大的脑图谱。
推荐理由：原文给出雄性果蝇全脑连接组的规模、验证方式和开源查看工具，也说明雌雄对照可用于研究性行为与个体差异。
Hugging Face Blog精选AI 评分6161 Hugging Face 研究量化语音识别中的基准优化现象
Hugging Face 发布新研究，用三项探针测试量化 ASR 模型的基准优化（benchmaxxing）现象。评估 11 个开源模型发现，多个高分模型会复现 VoxPopuli 和 LibriSpeech 的错误参考转录，甚至在相关词被静音时恢复被删除的数字，或按基准期望切换拼写变体；部分模型还能借助声学线索识别测试集。
推荐理由：研究用三种探针量化了 ASR 模型对公开基准的过拟合，并给出选用模型与设计基准的具体建议。
Google Research精选AI 评分6464 Google Research 提出 knowledge profiling：前沿 LLM 事实性瓶颈在召回而非编码
Google Research 提出 knowledge profiling 行为框架和 WikiProfile 基准（2,150 条 Wikipedia 事实，各配 10 个任务），评估 13 个 LLM 约 450 万条回复。
推荐理由：Google 用知识画像框架把事实错误拆成编码与召回两类，指出前沿模型瓶颈在召回，并量化 thinking 的恢复作用。
Google Research精选AI 评分6161 Google Research 推出 AMIE (Video) 实现实时音视频临床问诊的专家级表现
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 的实时视频问诊系统，采用 Talker、Planner、Perception 三个智能体并行工作的异步多智能体架构。
推荐理由：原文给出研究架构、随机对照规模和关键结果，读者可以了解视频问诊 AI 与真人医生对比的具体依据和局限。
Google DeepMind精选AI 评分7878 Google DeepMind 开源 WeatherNext 气旋预报模型，提前量超过 24 小时
Google DeepMind 在 Nature 发表论文并开源 WeatherNext 2 和 WeatherNext Cyclones 模型，单一 AI 模型即可预测气旋路径、强度和风结构，平均多出超过 24 小时的预报提前量，相当于过去 20 年趋势下约十年的气象进步。
推荐理由：Google DeepMind 官方发布并开源了模型权重，读者可以结合 Nature 论文数据评估其对气旋预报工作流的实际改进。
Google Research精选AI 评分6767 Google Research 发布 SymptomAI 研究：对话式 AI 智能体开展日常症状评估
Google Research 发布 SymptomAI 研究论文，在 n=13,917 的随机化全国性研究中让参与者与五种 Gemini Flash 2.0 症状评估智能体对话，生成鉴别诊断（DDx）。
推荐理由：原文给出随机化万人规模研究中 SymptomAI 与真实临床医生 DDx 的对比结果，以及可穿戴生理数据的相关性分析，读者可据此评估对话式症状评估的现状。
Google DeepMind精选AI 评分6262 Google DeepMind 报告塞拉利昂 Guided Learning 试验：Gemini 辅助数学学习提升约 1.2 至 1.7 年学习进度
Google DeepMind 发布在塞拉利昂开展的预注册 RCT 结果，使用 Guided Learning 的学生数学成绩较对照组提升 +0.258 个标准差，约合 1.2 至 1.7 年常规学习进度；教师将 Gemini 融入约半数课时（目标 12 小时）的班级提升更高，约 1.8 至 2.5 年。
推荐理由：原文给出了预注册 RCT 的量化结果和交互数据，读者可以据此评估 AI 辅助教学在真实课堂中的效果与局限。
Google Research精选AI 评分6767 Google 发布 PHRM 系统，用手机前摄在日常使用中被动监测心率与静息心率
Google 在 Nature 发表 PHRM 研究系统，利用人脸解锁后的前摄视频，通过深度学习在后台估计心率，相比 ECG 的 MAPE 为 6.09%，日静息心率相对 Fitbit Charge 6 的 MAE 为 4.39 bpm。研究覆盖近 700 名不同肤色参与者，是迄今最大规模的 rPPG 研究，并公开发布数据集与预训练 PHRM-mini 模型供合格研究者申请使用。
推荐理由：原文给出跨肤色验证数据与免费开放的数据集和模型入口，研究者可以据此评估rPPG方法的可复用性。
Google Research精选AI 评分6262 Google Research 展示科学家使用 Empirical Research Assistance 的四个科研方向
Google Research 介绍自 9 月预印本发布 Empirical Research Assistance（ERA）以来，其科学家与学术合作者将其应用于真实科研的四个成果。
推荐理由：文章展示了 ERA 在疫情预测、宇宙学、气候遥感和神经回路四个真实科研场景的应用结果，可了解 LLM 辅助科研的具体形态。
Hugging Face Blog精选AI 评分6262 TII 发布 Falcon Perception 0.6B 早融合感知模型及 0.3B Falcon OCR
TII Falcon Vision 团队发布 Falcon Perception，一个 0.6B 参数的早融合 Transformer，用混合注意力掩码处理图像块与文本，做自然语言提示的开放词汇定位与分割，在 SA-Co 上达到 68.0 Macro-F1（SAM 3 为 62.3），但在 presence calibration 上落后（MCC 0.64 vs 0.82）。
推荐理由：TII 自述用单一早融合 Transformer 做开放词汇感知，读者可以看到架构、数据配方和 SA-Co 与 PBench 上的具体对比依据。
Google Research精选AI 评分7676 Google Research 发表两项 Nature Cancer 研究，评估 AI 辅助英国 NHS 乳腺癌筛查工作流
Google Research 联合多家 NHS 机构开展 AIMS 研究，在 Nature Cancer 发表两项研究评估 AI 乳腺癌检测系统。
推荐理由：两项 Nature Cancer 研究同时给出大规模独立性能数据和真实双读工作流对比，读者能看到 AI 替代第二阅片人的收益与人工仲裁推翻 AI 的具体代价。
Google Research精选AI 评分6464 Google AMIE 完成真实门诊前瞻性可行性研究
Google 与 Beth Israel Deaconess Medical Center 合作完成 AMIE 的前瞻性单中心可行性研究，100 名成人患者在门诊就诊前与 AMIE 进行问诊对话，由医生实时监督，全程未触发任何安全中止。
推荐理由：原文给出真实门诊环境下的安全性、诊断与患者反馈数据，读者可以据此评估对话式医疗 AI 落地临床的现状与局限。
Hugging Face Blog精选AI 评分6363 IBM 与 UC Berkeley 用 IT-Bench 和 MAST 诊断企业级 Agent 的失败原因
IBM Research 与 UC Berkeley 将 MAST（多智能体系统失败分类法）应用于 ITBench，标注了 310 条由 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 产生的 SRE 执行轨迹，把成功率之外的黑盒失败转成结构化失败签名。
推荐理由：原文把基准的单一成功率拆解为结构化失败模式，并针对三类模型给出对应的工程修复方向。
Google DeepMind精选AI 评分8080 Google DeepMind 发布两篇论文，展示 Gemini Deep Think 在数学与科学研究中的应用
Google DeepMind 发布两篇论文，介绍 Gemini Deep Think 在专家指导下解决数学、物理和计算机科学的专业研究问题。其数学研究智能体 Aletheia 配备自然语言验证器并可承认失败，在 IMO-ProofBench Advanced 上最高得分 90%，并自主解决 Bloom's Erdős 猜想数据库中的四个开放问题，包括 Erdős-1051。
推荐理由：原文给出两篇论文的具体成果和方法细节，读者可以了解 AI 辅助科研的实际边界与协作模式。
Google Research精选AI 评分6161 Google Research 提出智能体系统扩展科学：多智能体何时有效、何时失效
Google Research 发布论文《Towards a Science of Scaling Agent Systems》，通过 180 种智能体配置的受控评测，挑战了“智能体越多越好”的假设。
推荐理由：原文用 180 种配置给出多智能体系统何时有效何时退化的量化规律，为架构选择提供了可依据的任务属性判断方法。
Google Research精选AI 评分6868 Google Research 发布 ATLAS 多语言模型缩放定律，将亮相 ICLR 2026
Google Research 发布 ATLAS（Adaptive Transfer Scaling Laws），迄今最大规模公开多语言预训练研究，覆盖 774 次训练、10M–8B 参数模型、400+ 语言数据和 48 语言评测。
推荐理由：原文给出多语言训练的跨语言迁移矩阵和预训练与微调的token分界点，开发者可据此规划语言混合与算力预算。
Google Research精选AI 评分6363 Google 在 STOC 2026 试点 Gemini Paper Assistant Tool 为理论计算机科学论文提供投稿前自动反馈
Google Research 在 STOC 2026 试点 Paper Assistant Tool（PAT），基于 Gemini 2.5 Deep Think 在提交后 24 小时内为理论计算机科学论文提供自动反馈。PAT 识别出计算错误、不等式误用和证明逻辑漏洞等问题，97% 的受访作者认为反馈有用并愿意再次使用，88% 希望在整个研究过程中持续使用；工具定位是辅助而非替代同行评审。
推荐理由：官方报告了 STOC 2026 投稿试点中的实测数据与作者反馈，读者可据此了解 AI 辅助审稿在理论数学写作中的实际表现。
Google Research精选AI 评分6060 Google 发布实时语音到语音翻译模型，延迟降至 2 秒并保留原说话人音色
Google 描述一个端到端语音到语音翻译（S2ST）模型，将传统级联方案 4–5 秒的延迟降至 2 秒，并以原说话人音色直接输出翻译音频。
推荐理由：原文给出了模型架构、延迟数据与部署位置，读者可以了解端到端语音翻译与级联方案的差异及落地方式。