Google Research 提出 Diffusion Controller 框架，将去噪过程重构为连续控制问题，用轻量级"转向阻尼"网络在不改动基座模型的情况下引导生成。基于 Stable Diffusion v1.4 的实验用 HPS-v2 评测，涵盖 SFT、RWL 和 PPO 三种微调方式，其完全解锁版本相对基线模型达到 90% 胜率，并且能在不接触底层代码的情况下控制闭源模型。
Hugging Face 团队提出 ProvenanceGuard，一个针对基于 MCP 的 LLM 智能体的生成后验证层，能检测“跨来源混淆”——事实存在但被归因到错误来源的情况。
Google Research 推出 AI 视频联合导演研究，基于 Gemini 和 Veo 构建统一多智能体框架，包含 Co-Director、CANVAS、A²RD 和 VQQA 四套框架，将长视频生成建模为全局优化与世界状态跟踪问题。
Microsoft Research 通过系统性测量研究指出，仅依赖机器人机载 GPU 会限制性能、续航与可扩展性。实验显示小型 GPU 上地图与规划最高慢 383%，导航障碍及时检测率下降 30%，VLA 模型准确率下降 50%；换成 Raspberry Pi-5 并卸载推理可显著延长电池时间，Jetson Thor 等机载 GPU 对机器人的电池消耗高达 160%。
OpenAI 推出 MentalHealthBench，这是一个由专家参与构建的基准，用于评估 AI 在真实心理健康对话场景中回应的有用性与安全性。
Microsoft Research 在 Nature 发表逆合成预测框架 RetroChimera，并开源实现和权重（MIT 许可，GitHub 和 Microsoft Foundry 可用）。模型由 R-SMILES 2 和 NeuralLoc 两个子模型通过 learning-to-rank 集成，盲测中 PhD 级化学家更偏好其单步预测，10 个挑战性目标中完成 9 个，优于子模型和基线。
Multiverse 的最新论文将 LLM 深度剪枝中的 block 选择问题重构为约束二元优化（CBO），直接映射到 Ising glass 自旋系统，能量值成为剪枝后模型 benchmark 表现的廉价代理指标。
Google Research 推出 MilleMiglia，一个用 C++ 编写的实例生成器，可为中程（middle-mile）物流配送问题创建逼真的基准数据，源代码和文档已在 GitHub 上开源。中程物流负责区域或洲际尺度上配送中心之间的大宗货物运输，占总物流成本的相当大比例，但因数据敏感长期缺乏公开高质量数据。该工具将问题建模为时空图上的多商品流问题，可生成保护隐私的数据以支持后续研究。
OpenAI 经济研究发布新成果，展示劳动者如何超越传统职业角色使用 AI，以及哪些新活动正成为工作中的常态组成部分。研究关注 AI 在实际工作场景中的使用方式及其演变。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，通过离线 RL 将奖励对齐的查询 fan-out 编译为监督信号，蒸馏进 53.9M 参数的扩散检索器，实现单次非自回归查询扩展，免去测试时的 CoT 思考 token 开销。
Google Research 在 ACL 2026 提出 ToolGrad，采用“先答案后提问”的范式生成工具使用训练数据，通过文本“梯度”迭代构建 API 调用链，几乎达到 100% 通过率且成本更低。
OpenAI 宣布分享一个针对 Navier–Stokes 千禧年大奖难题的 AI 生成解答，附带论文写作与 Lean 形式化证明。
推荐理由：官方同时给出论文与 Lean 形式化证明，读者可以借此了解 AI 在数学前沿问题上的实际产出形式。
Google Research 评估了将基于 UK Biobank 数十万欧洲个体训练的多基因风险分数（PRS）迁移到 Biobank Japan 约 20 万日本个体样本的效果，覆盖 BMI、血压、HDL、LDL、血糖等 8 项临床性状。
Google Research 与 HHMI Janelia、MRC 分子生物学实验室及剑桥大学等合作，在 Cell 发表雄性果蝇大脑与中枢神经系统的完整连接组，包含超过 166,000 个神经元和 1.25 亿个突触连接，是目前按神经元数量计最大的大脑图谱。
推荐理由：官方团队说明了这份连接组图谱的规模、验证方式和可视化工具，读者可以了解它与雌性图谱互补后的研究用途。
Hugging Face 推出 BenchMIRT，一种基于多维 Item Response Theory 的方法，可在单个题目层面审计 LLM 基准测试实际测量的能力。
Google 与 NASA JPL 在 PNAS 发表 MAPL-EMIT，一个基于 Swin-S vision transformer 的深度学习框架，用 EMIT 高光谱数据自动检测、量化并定位全球甲烷羽流。
Voice Arena 与 Hugging Face 合作，在 Open ASR Leaderboard 中引入 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，印地语成为该多语言榜单上的首个 Indic 语言。
Google Earth AI 推出实验性研究能力行星预测引擎（PPE），可从自然语言查询出发自主完成数据发现、特征工程、模型训练与评估的完整地理空间预测流程，将原本需数周的人工建模缩短到数分钟。
Google Research 推出 GlucoFM，一个自监督双流架构的连续血糖监测（CGM）基础模型，将缓慢血糖趋势与短期波动分开建模。该模型在 109,066 小时无标注 CGM 数据上预训练，在 4 个队列、7 项临床预测任务共 14 项评估中，平均 PR-AUC 比最强基线 GluFormer 高 5.8 个百分点，并在餐后血糖反应预测中取得最低 MAE。
Google 在 CHI 2026 发表 AgentHands，一个让 XR 中 AI 智能体生成与语音同步的 3D 手部手势的研究原型。系统由环境感知、手势事件库、手势嵌入推理和同步 XR 执行四个模块组成，将 LLM 输出映射为精准的空间动作。在 12 人被试内实验中，与纯语音基线相比，该手势显著提升了空间指代与交互效果。
Multiverse Computing 发布论文 Quantization-Aware Healing，提出 QAH 方法：直接从压缩前的原始模型蒸馏，修复经过结构压缩并量化到 MXFP4 的模型。
Google Research 推出 Mobility-Embedded POIs（ME-POIs）框架，将聚合、匿名的出行模式融入 Gemini 等语言模型生成的地点表示，捕捉 POI 的时间活动节奏。
Hugging Face 发布研究，提出三种测试量化 ASR 模型的基准优化（benchmaxxing）现象。评估 11 个开源模型发现，部分高分模型会复现 VoxPopuli 与 LibriSpeech 的错误参考文本、在音频中数字被静音时仍以约 30-40% 的比例输出该数字，并通过声学线索切换拼写以匹配基准期望；在模型训练截止后新采集的同源音频上，这些行为明显减弱。
推荐理由：研究用三种探针量化了语音识别中的基准优化行为，为选型者提供了超越公开基准 WER 的评估思路。
Google Research 提出 PhotoScan，一个研究性质的深度学习框架，可从普通 2D 智能手机照片估计体脂率（BF%）、Android-to-Gynoid 脂肪比（A/G）和内脏-皮下脂肪比（V/S）等三维身体成分指标。
Microsoft Research 发布 MindTopo 基准，评估多模态大语言模型对连续性、分离、顺序、封闭和绳结五类拓扑概念的理解，涵盖静态推理与交互规划两个层级。测试显示，专有与开源模型在静态识别上明显优于交互式规划任务，且均远低于人类水平，错误多出现在规划阶段丢失结构关系。图像与视频生成工具仅在单帧内偶尔有帮助，难以在多步操作中保持拓扑约束。
Google Research 发布 knowledge profiling 行为框架和 WikiProfile 基准（2,150 条 Wikipedia 事实，每条配 10 个任务），评估 13 个 LLM。
推荐理由：原文用知识画像方法区分编码与召回失败，给出 frontier 模型事实错误主因是召回的关键数据。
Google Research 推出 AMIE (Video)，基于 Gemini 和 Project Astra 的实时视频临床问诊系统，采用 Talker、Planner、Perception 三个并行智能体的异步架构。
推荐理由：原文给出多智能体架构设计与大规模随机对照评估结果，读者可以了解实时音视频临床 AI 的实现路径与现有局限。
Multiverse Computing 发布论文，用缓存教师模型 top-100 logits 的离线蒸馏和融合分块 KL 损失两项系统改动降低知识蒸馏成本。
Google DeepMind 在 Nature 发表论文并开源 WeatherNext 2 和 WeatherNext Cyclones 模型，称其对气旋路径、强度和风结构的预报平均比现有模型多出约 24 小时提前量，相当于约十年气象学进展。
推荐理由：官方同时放出 Nature 论文与模型权重，读者可按论文结果自行复用或验证这套气旋预报方法。
Google Research 发布 Chain-of-Evidence 可验证性框架及其实例 Science One Framework，配套 CoE Audit 自动审计指标。
Microsoft Research 推出 EvoLib，一个让大语言模型在推理时从自身经验自监督学习、无需更新模型的框架。它把成功方案提炼为可复用技能、把错误提炼为反思性洞见，并通过整合与动态加权机制持续演化知识。
IBM Research 与 UC Berkeley Sky Lab 基于 K-Search 进化式内核搜索框架构建 MLX 后端，通过结构化 CUDA 到 MLX 翻译层把既有 CUDA 内核知识转化为 Apple Silicon 的优化指引。
Berkeley AI Research 提出 ABBEL 框架，将大语言模型在长程交互中的摘要形式化为自然语言信念状态，并通过信念评分监督其信息内容。在 CollabBench 协作编程环境中，基于重构的信念评分使 ABBEL-rec-BG 将与全上下文模型的性能差距缩小约 50%，训练步数从 100 减至 50，且峰值上下文 token 长度仍显著低于全上下文设置。
Google Research 发布 SymptomAI 研究，13,917 名参与者与五个 Gemini Flash 2.0 症状评估智能体对话进行鉴别诊断。临床专家在超过 50% 的案例中更偏好 SymptomAI 的 DDx，所有主动追问策略均显著优于用户驱动的 Base 条件，且诊断结果与参与者 Fitbit 佩戴设备生理信号变化相关。研究强调所有诊断仅供研究分析，不构成临床诊断。
推荐理由：原文给出真实人群随机研究和临床对照结果，读者可了解对话式症状评估在非理想化场景下的实际表现。
Google Research 在 Nature 发表论文，用强化学习智能体从量子纠错的错误检测事件中学习，在计算不停机的情况下持续调控数千个控制参数，抵御硬件漂移。
Google Research 在 ICLR 2026 发表的论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》指出，扩散模型的创造力并非偶然，而是神经网络训练天然对 score function 产生的“score smoothing”效应所致。
Hume 发布 Real World VoiceEQ 基准，基于超 100 万条人类评分，评估 40 多个专有与开源语音模型，覆盖 ASR、TTS、S2S 和语音理解的 15+ 维度、60+ 指标。评估发现 TTS 无一配置在八组能力中均进前五，语音模型听比说差，许多系统仍以转录文本为主而忽略语气、迟疑等副语言线索；部分模型疑似针对公开基准优化，SLM 自动评估仅适合明确任务，尚难替代人类听评。
Google Research 发布大型传感器基础模型 SensorFM，在 500 万名同意参与者的超过一万亿分钟多模态可穿戴信号上自监督预训练。模型输入 PPG、加速度计、EDA、皮温和测高五类模态共 34 个一分钟聚合特征，采用 AIM 框架直接从不完整数据中学习。
推荐理由：Google 自述其可穿戴基础模型的数据规模、AIM 缺失数据处理方法与下游结果，读者可了解可穿戴健康数据通用表示的可行路径。
Google Research 在 Nature Cities 发表首个大规模真实世界研究，测试用导航平台干预城市交通。团队修改 Google Maps 路由算法，在 10 个美国城市开展六个月的 city-wide switchback 实验，仅让不到 2% 的行程改走车程相近的替代路线。
Dharma AI 解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，论证专业化是有效 AI 系统的必然路径。