arXiv 论文提出用模型分歧指导弱模型到强模型的路由
这篇 arXiv 论文提出一种不依赖真值监督的弱到强路由方法，用弱模型与强模型之间的分歧作为判据，决定何时把弱模型的回答交给更强模型处理。作者先刻画了在允许弱模型本地多次推理情况下的最优路由策略，再据此推导出基于模型间比较的近似方法，且强模型越接近真值分布，近似越准确。
#论文/研究
#论文/研究
今日 0 条arXiv cs.AI / cs.LG 最新AI 评分5656
Google Research精选AI 评分6868 Google 在 Google Earth AI 下推出行星预测引擎 PPE，自动执行地理空间建模全流程
Google 在 Google Earth AI 下推出实验性研究能力 planetary prediction engine（PPE），可由自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，把原本需要数周的人工建模压缩到数分钟。
推荐理由：公共卫生或粮食安全方向的研究者可以用它把自然语言查询跑成地理空间预测模型，省去人工找数据与特征工程，但目前仍是实验性研究能力。
Google DeepMindAI 评分5252 Google DeepMind 试点全球首个双盲 AI 评测，在密码学隔离环境中测试 Gemini Flash Lite
Google DeepMind 宣布试点全球首个针对专有前沿模型的双盲评测，把外部评测限制在密码学环境中，避免题目被模型用于提前优化。该试点与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作，在保护隐私的环境下用保密基准测试 Gemini Flash Lite。
Google ResearchAI 评分5656 Google Research 提出 GlucoFM，用双流自监督基础模型分析连续血糖监测数据
GlucoFM 是 Google Research 提出的自监督基础模型，把连续血糖监测信号拆成慢变基线流和短期波动流，在 109,066 小时无标注 CGM 数据、477 条受试者或会话记录上预训练。
Google ResearchAI 评分5858 Google Research 提出 AgentHands，为 XR 智能体生成与语音同步的手势
Google Research 提出 AgentHands，一个让 XR 中的 AI 智能体在说话时同步做出空间手势的研究原型，论文将在 CHI 2026 发表。
Hugging Face BlogAI 评分5959 Multiverse Computing 提出量化感知修复 QAH，4-bit 模型在 7/9 基准超过全精度版本
Multiverse Computing 发表论文提出量化感知修复 QAH，在模型结构压缩并量化之后直接从原始全精度大模型蒸馏，而非从已恢复的 bfloat16 检查点蒸馏。
Google Research精选AI 评分6161 Google Research 推出 Biomarker Discovery Framework，从可穿戴数据中筛选候选生物标志物
Google Research 推出 Biomarker Discovery Framework，用多智能体在人类监督下把候选生物标志物筛选组织成迭代研究循环，并对候选做对抗校验。
推荐理由：做数字健康研究的团队可以照它的六阶段流程和对候选指标的对抗校验设计，把可穿戴数据的初筛交给多智能体，再人工复核。
Google Research精选AI 评分6565 Google Research 的 ME-POIs 如何用移动数据加深语言模型对地点的理解
Google Research 提出 ME-POIs 框架，把匿名聚合的到访时间、停留时长等移动模式编码成嵌入向量，与 Gemini 等文本表征对齐，让模型同时拿到地点的身份和动态功能。
推荐理由：做本地生活或选址分析的团队可参考该框架把匿名到访数据叠加到文本表征上，补足小商户样本稀疏的部分。
Hugging Face Blog精选AI 评分6969 Hugging Face 用三项测试量化 11 个开源 ASR 模型的基准优化现象
Hugging Face 提出共识分歧探针、遮蔽实体检索和拼写切换三项测试，用于量化语音识别模型的基准优化现象，评测了 11 个开源 ASR 模型。
推荐理由：做语音模型选型时，可先用 Open ASR Leaderboard 的 Benchmark fitting 标签查看候选模型是否复现参考文本错误。
Hugging Face BlogAI 评分5757 IBM Research 用 ALTK-Evolve 实测八个模型，Agent 记忆剂量要按能力校准
IBM Research 用 ALTK-Evolve 把 Agent 自身轨迹蒸馏成可复用指南，在推理时注入，不改权重也不需人工标注。在 AppWorld 的 585 个多步任务上，弱模型用核心指南加按任务检索最划算，gpt-oss-120b 任务完成率提升 16.1 个百分点而 token 只多 5%；DeepSeek-V3.2 用全量指南集提升 9.5 个百分点。
Google ResearchAI 评分5656 Google Research 提出 PhotoScan，用手机照片估算体成分预测胰岛素抵抗
Google Research 提出 PhotoScan，用普通 2D 手机照片估算体脂率、腹部与臀部脂肪比和内脏与皮下脂肪比，用于预测胰岛素抵抗。模型先在 UK Biobank 的 35323 份记录上预训练，再用 677 人的真实手机照片微调，并在 132 人独立队列中验证。
Hugging Face Blog精选AI 评分6363 Hugging Face 发布 2026 夏季开源模型生态观察报告
Hugging Face 发布覆盖 2026 年 1 至 8 月的开源模型生态观察报告，期间 Hub 上公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，Spaces 从 100 万增至 144 万。
推荐理由：做开源模型选型与微调的团队可以借报告中的下载量和衍生模型分布，判断该把工程押在哪个模型家族上。
Google Research精选AI 评分7575 Google Research 发布 AMIE (Video)，支持实时视频问诊并引导体格检查
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 实现实时视频问诊，可观察非语言线索、引导虚拟体格检查并同步推理诊断。
推荐理由：做医疗 AI 或远程问诊的团队可以借鉴它的三智能体异步分工，把实时对话与后台推理拆开再搭视频问诊原型。
Hugging Face BlogAI 评分5555 IBM Research 对比 ALTK-Evolve 与 ACE，弱模型上 token 成本约为其七分之一
IBM Research 对比其 ALTK-Evolve 与 ACE 两种 Agent 记忆方案在 AppWorld 上的表现。两者都不把历史经验压缩成摘要，区别在投递方式，ACE 每步注入完整 playbook，ALTK-Evolve 按任务检索少量 guideline。
Google Research精选AI 评分6262 Google Research 提出 Chain-of-Evidence，用证据链让自主科研产出可验证
Google Research 提出 Chain-of-Evidence 可验证性框架，并据此构建自主科研原型 Science One Framework，让论文里每条论断都绑定到真实代码、日志或文献。
推荐理由：做自动化科研 Agent 的团队可以用 CoE Audit 的四项检查自查产出，先拦住虚构引用和不可复现的分数。
Google Research精选AI 评分6565 Google 提出线性弹性缓存，在 Spanner 上降低约 5% 缓存总成本
Google Research 提出线性弹性缓存（linear elastic caching），把缓存页面驱逐建模为滑雪租赁问题，按访问模式动态为页面设定 TTL，而非固定分配内存。
推荐理由：云服务团队可以参照这套用决策树预测页面 TTL 的弹性缓存方法，先在自家缓存层做分组对照，再评估是否替换固定容量方案。
Google Research精选AI 评分7676 Google 在 Nature 发表 PHRM，用手机前置摄像头被动监测心率和静息心率
Google 在 Nature 发表 PHRM 研究系统，在手机解锁后的几秒内用前置摄像头拍摄面部视频，通过端上深度学习估算心率和每日静息心率。研究在实验室与真实场景中采集近 700 名受试者的 35 万余段视频，心率估计 MAPE 低于 10%，静息心率与 Fitbit Charge 6 对比的整体 MAE 为 4.39 bpm。
推荐理由：有 IRB 资质的研究团队可以申请这份人脸视频数据集和 PHRM-mini 预训练模型，用来检验自家 rPPG 流程在深肤色人群上的误差。
Google Research精选AI 评分7474 Google Research 提出 ReasoningBank 记忆框架，让智能体从成功与失败经验中学习
Google Research 在 ICLR 论文中提出智能体记忆框架 ReasoningBank，把成功和失败轨迹都蒸馏成结构化记忆，供智能体在测试时自我进化。
推荐理由：做长任务智能体的团队可以参考论文把成功与失败轨迹都蒸馏成记忆条目，先对照开源代码在自有基准上跑一轮对比。