逾20位顶尖AI研究者警告自动化AI研究构成极端风险
逾20位顶尖AI研究者在新论文中警告，AI研发自动化虽仍有很大不确定性，但可能很快引发智能爆炸。研究称，构建这些系统的公司里AI已写出大部分代码，并可能在数年内自动化整条AI研发流程，使通常需数年的进展在数月内发生。作者警告社会可能跟不上、对超人类AI的控制可能流失，并敦促政策制定者大幅提高对AI研究自动化的可见性。
#论文/研究
#论文/研究
今日 1 条The DecoderAI 评分5050
Ars Technica · AIAI 评分5656 CESifo工作论文称近期大学毕业生招聘未见显著下降
慕尼黑CESifo工作论文称，没有证据表明近期大学毕业生招聘在绝对或相对水平上出现显著、广泛的替代或减少。作者Robert Fairlie与Jane Wu聚焦应届生，认为劳动力需求变化可能先表现为少招人；当AI足以完成许多入门办公室工作中相对标准化的任务时，企业可能减少简单岗位的新招聘，而非解雇更有经验的长期员工。
Google ResearchAI 评分5050 Google Research 介绍自动生成连贯长视频的 AI 协同导演框架
Google Research 介绍基于 Gemini 与 Veo 的 AI 视频协同导演，用多智能体编排规划多镜头长视频的视觉连续性。该套件包括将于 COLM 2026 发表的 Co-Director、将于 EMNLP 2026 发表的 CANVAS，以及 A²RD 与 VQQA，分别处理创意配置、持久视觉记忆、分段生成和提示词闭环修正，并继承 SynthID 水印。
Microsoft ResearchAI 评分4949 Microsoft Research：真实世界物理 AI 机器人的推理卸载
Microsoft Research 发现，把物理 AI 推理卸载到边缘或云端 GPU 可提升任务表现。在内存足够时，建图与规划比 A100 最多慢 383%，较轻 GPU 使障碍及时检测降 30%，较小 GPU 使 VLA 准确率降 50%。Jetson Thor 等较大机载 GPU 可使耗电增加最多 160%。
Microsoft ResearchAI 评分4747 借助 RetroChimera 大规模改进小分子合成预测
RetroChimera 融合 R-SMILES 2 与 NeuralLoc，用学习排序整合互补预测，提出优于任一子模型的小分子合成路线。盲测中博士级化学家更偏好其单步反应预测，而非先前模型与文献记录反应；10 个高难度目标成功 9 个，高于从头模型 5 个、编辑模型 4 个和 NeuralSym 2 个。
Hugging Face BlogAI 评分4949 像物理学家一样剪枝大语言模型：块移除作为 Ising 优化问题
Multiverse 把大语言模型的块移除写成 Ising glass 上的受约束二元优化，Llama-3.3-70B-Instruct 在 50% 压缩时 MMLU 比最佳同类块移除方法高出近 23 个百分点。
Google ResearchAI 评分3333 MilleMiglia：面向中程物流的真实实例生成器
Google Research 推出 C++ 实例生成器 MilleMiglia，为中程配送问题生成真实、保护隐私的基准数据。中程物流被建模为时空图上的多商品流，不同于首末程的车辆路径问题。源代码与文档已在 GitHub 公开，用以弥补该领域缺少高质量公开数据的不足。
Google ResearchAI 评分5050 Google Research 如何用生成式界面帮助教师创建学习互动
Google Research 分享一项研究实验，让教育者用面向学习优化的生成式用户界面，按课程与教学目标动态生成定制的互动教学模拟。示例库放出超过 30 个英语 STEM 学习互动，覆盖物理、化学、生物和数学，面向初中与高中，均由 AI 生成并经教师审核。
Google ResearchAI 评分4040 绕过推理瓶颈：Retrieve-for-Train 加速复杂 AI 搜索
Google Research的Retrieve-for-Train将查询扇出蒸馏为53.9M扩散检索器，单次推理免去思考token。框架以集合级奖励对Gemma3-4B与Qwen3-4B做离线RL微调，并由冻结模型合成无需人工标注的监督数据。扩散检索器以一次非自回归前向，把查询嵌入直接映射为完整目标嵌入集合。
Hugging Face BlogAI 评分5555 ALTK-Evolve 如何衡量并缩小智能体的一致性落差
在 AppWorld 上，使用 GPT-4.1 的 ReAct 智能体 Mean@5 为 77.4%，但五次运行全部成功的 Pass^5 只有 53.0%，一致性落差达 24.4 个百分点。
Google ResearchAI 评分5353 Google Research 联合合作者发布雄性果蝇全脑连接组
Google Research 联合 HHMI Janelia、MRC 分子生物学实验室和剑桥大学等合作者，在 Cell 发布雄性果蝇脑及中枢神经系统的完整连接组。
Hugging Face BlogAI 评分5656 BenchMIRT：大语言模型基准实际在测量什么
AllenAI 提出 BenchMIRT（http://allenai.org/papers/benchmirt），用多维项目反应理论在单题层面审计大语言模型基准，并在 100 个 LLM、16 个基准和超过 34K 道题上自行收回安全与通用推理两个主导维度。
Google ResearchAI 评分4949 Google 用 MAPL-EMIT 从太空测绘全球甲烷排放
Google 的 MAPL-EMIT 用深度学习处理 EMIT 高光谱数据，自动检测并定位全球甲烷点源。专家标注羽流召回率达84%，信噪比高于匹配滤波增强方法，训练数据为3.6 million条合成羽流。全球羽流数据库已放上Earth Engine，训练模型与合成羽流在Kaggle，推理库在Github。
Google ResearchAI 评分5353 Google Research 的行星预测引擎 PPE 通过 Earth AI 自动构建全球模型
Google Research 在 Google Earth AI 中介绍实验性行星预测引擎 PPE，可根据自然语言查询自动完成地理空间数据发现、整理、训练、评估并生成报告，把含人工数据工程的建模时间从数周缩到数分钟。
Import AIAI 评分4646 Import AI 470：机器没有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU 内核
华盛顿大学、斯坦福大学等高校提出 SPADE，让大语言模型以自对弈交替生成可执行训练环境并求解，用来合成训练数据。Qwen3-30B-A3B 的游戏环境套件平均分为 58.3，比基座高 8.1、比最强固定环境基线高 5.3。METR 研究显示，LLM 对网络安全漏洞发现加速明显，数学仅轻微加速，AI 研究算法进展则没有可测到的加速。
Hugging Face Blog精选AI 评分6767 Hugging Face 用三项测试衡量语音识别中的基准优化
Hugging Face 提出三项测试，评估 11 个开源语音识别模型是否针对公开基准优化，而非提升通用转写。
推荐理由：三项测试显示，部分模型在公开语音基准上的高分，与其识别数据集线索并复现参考文本有关，单一词错误率因此不足以代表通用转写能力。
Hugging Face BlogAI 评分5252 ALTK-Evolve探讨智能体实际需要多少记忆
ALTK-Evolve在AppWorld test_normal上对照八个模型发现，自蒸馏记忆的合适剂量取决于模型能力。强模型DeepSeek-V3.2注入全量指南后TGC提升9.5个百分点，弱模型gpt-oss-120b用精选检索提升16.1个百分点且token仅增5%，饱和模型GLM-5增益为0。这些指南从智能体过往轨迹蒸馏，推理时注入，不更新模型权重，也不需要人工标注。
Google Research精选AI 评分6060 Google Research 指出前沿大语言模型事实性瓶颈在于召回而非编码
Google Research 提出知识画像，发现前沿大语言模型的许多事实错误是召回失败，而不是事实未被编码。基于 2,150 条维基事实的 WikiProfile 显示，Gemini-3-Pro 和 GPT-5 已编码 95–98% 的事实，但仍有 26–34% 无法直接召回，开启思考后失败比例为 11–12%。
推荐理由：用知识画像同时衡量事实的编码和召回后，前沿模型的事实性短板更集中于已经写入参数却难以稳定取出的知识。
Google Research精选AI 评分6767 Google Research 推进 AMIE 实时视频问诊，模拟研究中与全科医生评分相当
Google Research 展示基于 Gemini 与 Project Astra 的 AMIE（Video），在100个情景、300次模拟实时视频问诊中，被20名全科医生评为在病史采集、诊断准确性、处置适当性和沟通质量上与10名视频问诊全科医生相当。
推荐理由：随机研究把AMIE视频版、纯文本版和全科医生放在同一评分框架下，从而呈现视听观察和虚拟查体的评分差异以及演员模拟边界。
Import AIAI 评分5757 Import AI 467：自复制AI蠕虫原型、放缓进展请求与创造力不足
多伦多大学等机构用可装入单块80GB A100的开源权重LLM，做出自我复制的AI蠕虫原型，完整攻击成功率约37%。约1337名来自OpenAI、Anthropic、Google DeepMind、Meta等机构的人士请求美国政府支持国际努力，开发有意放缓自动化AI研发前沿所需的技术与治理工具。
Google ResearchAI 评分5656 Google Research 提出基于 Chain-of-Evidence 的可验证自主科研框架 Science One
Google Research 提出 Chain-of-Evidence（CoE）及原型 Science One Framework，在研究主张生成时建立并维护证据链。
Microsoft ResearchAI 评分5353 Echoverse：用可演化的深度环境训练计算机使用智能体
微软研究院构建 Echoverse，用十个深度领域世界和两个能力世界训练计算机使用智能体。在全部十二个世界上训练后，Qwen3.5-9B 的平均分从 36.5% 升至 67.1%，距 GPT-5.4 的 80.7% 约十四个百分点。
Google Research精选AI 评分6868 Google Research分享SymptomAI日常症状评估对话研究结果
Google Research让13917人随机使用五种Gemini Flash 2.0 SymptomAI智能体做症状问诊和鉴别诊断。三名委员会认证临床医生盲评后，在超过50%的案例中更偏好SymptomAI的鉴别诊断，也更常判定其top-5结果包含参与者两周后报告的就医诊断；各主动追问策略均显著优于不追问的基础模型。
推荐理由：13917人的随机研究显示，临床专家在超过50%的案例里更偏好SymptomAI的鉴别诊断，主动追问也优于不追问的基础对话。
Google ResearchAI 评分5858 Google Research 提出 SensorFM，用可穿戴数据学习通用生理表征
Google Research 提出大型传感器基础模型 SensorFM，用五百万名同意参与者超过一万亿分钟的无标签多模态可穿戴信号学习可复用生理表征。
Google ResearchAI 评分5050 Google Research 如何通过协调少量导航行程减少城市拥堵
Google Research 在 10 座美国主要城市修改 Google Maps，把遇到预设拥堵路段的行程导向行驶时间和路段类型相近的替代路线，不足 2% 的观测行程被改写后，目标路段行驶速度中位数提升约 2%。
Google ResearchAI 评分5454 推理如何解锁大语言模型中的参数知识
Google Research发现，开启推理能让模型召回简单单跳问题上关闭推理时几乎无法得到的事实，机制是计算缓冲和factual priming。对Gemini-2.5 Flash、Pro与Qwen3-32B，等长重复Let me think已明显好于关闭推理，但始终不能完全赶上自然轨迹；相关事实即使在推理关闭时也能挽回大部分增益。
Google ResearchAI 评分5656 Google Research 如何用 AI 帮助用户理解皮肤状况
Google Research 在 JAMA Dermatology 本周发表的调查显示，2345 名参与者借助原型 AI 猜出皮肤状况名称的准确率为 23%，高于普通搜索的 8%，而由皮肤科医生给出真实鉴别诊断的 Wizard of Oz 界面达到 36%。
Berkeley AI ResearchAI 评分4040 GRASP：面向更长时域世界模型的梯度规划
GRASP 是面向学习得到的动力学（世界模型）的新型梯度规划器，靠三项设计让长时域规划变得可行。它将轨迹提升到虚拟状态，使优化可沿时间并行；把随机性直接加进状态迭代用于探索；并重塑梯度，让动作获得干净信号，同时避开高维视觉模型中脆弱的 state-input 梯度。
Berkeley AI ResearchAI 评分3838 成像系统的信息驱动设计
NeurIPS 2025 论文提出用互信息直接评估并优化成像系统，仅依赖含噪测量与噪声模型。该指标在彩色摄影、射电天文、无透镜成像和显微四个领域均能预测下游解码表现。据此优化的设计可匹配端到端 SOTA 方法，同时更省内存与算力，且无需任务专用解码器。