模型厂商、公司和研究机构自己发布的消息：官网、官方博客和官方账号。
Hugging Face 发布 2026 年 1 月至 8 月的开源模型生态观察报告，基于 Hub 数据给出六项发现。报告显示公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，但 85.6% 的模型终身下载量不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用自家 Hub 数据拆解开源模型生态，下载与点赞的分野、Qwen 衍生规模等结论可迁移到模型选型判断。
Microsoft Research 推出 MindTopo 基准，用于评测多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与绳结五类关系，并分为静态推理与交互规划两个层级。测试显示，当前模型在静态识别上明显强于交互规划，且两者均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨多步操作时仍不可靠。
Google Research 提出知识画像（knowledge profiling）框架，将事实性错误区分为编码失败与召回失败，并发布包含 2,150 条 Wikipedia 事实的 WikiProfile 基准。
推荐理由：通过知识画像区分编码失败与召回失败，为理解前沿模型事实性错误来源提供了新的诊断视角。
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 实现实时视频临床问诊，可感知非语言线索、引导虚拟体格检查并实时进行诊断推理。
推荐理由：AMIE 从纯文本扩展到实时视频问诊，读者可了解异步多智能体架构如何兼顾对话延迟与临床推理。
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光视觉语言模型，可同时完成报告生成、结构化诊断预测与病灶定位等任务，并通过强化学习（DAPO）在多任务设定下奖励临床正确性。
Hugging Face 的 ALTK-Evolve 与 ACE 同为无需更新权重、无需人工标注的智能体记忆方案，但 ALTK-Evolve 把记忆投递当作可调旋钮，按任务检索少量高支持度准则，而非每步注入完整 playbook。
Hugging Face 最新论文提出两项系统改进，让大语言模型知识蒸馏的训练成本大幅下降：离线缓存教师模型的 top-100 logits，使教师模型无需与学生模型同时驻留显存；融合分块 KL loss 避免生成完整的词表×序列长度矩阵。
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并落地为自主科研原型 Science One Framework 与自动审计工具 CoE Audit。
推荐理由：原文给出可验证性框架与审计指标，读者可据此比较自主科研系统在引用与代码一致性上的差异。
微软研究院提出 Echoverse，为计算机操作智能体构建 12 个训练世界，包括 10 个完整领域环境和 2 个能力环境，每个环境由应用、任务和基于数据库的验证器三部分组成。
推荐理由：微软研究院公开了 12 个计算机操作智能体训练环境与配套验证器，并给出深度环境与浅层环境对迁移效果的对比数据。
Berkeley AI Research 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：原文给出了 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可看到跨平台内核知识迁移的具体做法。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的递归摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以缓解长程交互中上下文压缩带来的性能损失。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 将全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 长度也显著低于全上下文设置。
Google Research 发布论文 SymptomAI，用五个基于 Gemini Flash 2.0 的对话式智能体对 13917 名参与者进行症状访谈与鉴别诊断（DDx）评估。
推荐理由：Google 用 13917 人的随机对照研究比较五种提问策略，并首次把诊断结果与 Fitbit 生理信号对照，可看对话式问诊的真实世界表现。
Google Research 在 Nature 发表论文，提出用强化学习框架让自主智能体从量子纠错检测事件中学习，在计算过程中持续调节数千个控制参数以对抗漂移。
推荐理由：Google 用量子纠错检测数据训练强化学习智能体，在计算不中断的情况下持续校准控制参数。
DharmaOCR 在葡萄牙语 OCR 基准上取得 0.925 分，高于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语监督微调加 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，从而在提取质量与稳定性上形成领域专精优势。
Google Research 在 ICLR 2026 论文中揭示，扩散模型的创造力源于神经网络训练中的 score smoothing——正则化使学到的 score function 变平滑，让去噪过程在训练数据点之间插值，从而生成新样本。
Hume 发布 Real World VoiceEQ 基准，用于评估语音交互的人类质量，覆盖 40 多个专有与开源语音模型、15+ 评估维度和 60+ 指标，涵盖 ASR、TTS、S2S 和语音理解。
推荐理由：Hume 用超百万条人工评分构建语音 AI 基准，揭示现有指标为何高估真实对话表现。
Google Research 联合 Google DeepMind 提出 SensorFM，一个直接从无标注可穿戴数据学习的大型传感器基础模型，预训练语料为 500 万同意参与者、超过一万亿分钟的多模态传感器信号，覆盖 100 多个国家、50 个美国州和 20 多款 Fitbit 与 Pixel Watch 设备。
推荐理由：原文给出预训练数据规模、缩放实验与下游任务对比，读者可据此判断可穿戴基础模型的通用性边界。
Google Research 在 Nature Cities 发表首个大规模真实世界研究，通过修改 Google Maps 算法将约 2% 的行程引导至替代路线，在美国 10 座城市测试六个月。结果显示目标路段行驶速度中位数提升约 2%，燃油消耗率中位数下降 0.5% 至 1.0%，每座城市每年可减少数千吨 CO2e 排放。
Hugging Face 发布开源基准 ScarfBench，用于评估 AI 智能体在企业级 Java 框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、102 个框架实现和 204 个迁移任务。
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》。
Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），一个模型在单次前向传播中即可同时估计数据分布的密度与 score，无需针对新分布重新训练。
Google Research 发布一种新架构，把多 Token 预测（MTP）头挂到已冻结的 Gemini Nano v3 模型上，在不改动主干权重的前提下加速端侧生成。
推荐理由：Google 把 MTP 头挂到冻结的 Gemini Nano v3 上，给出端侧推理在内存与能耗约束下的具体做法和收益。
Google Research 提出线性弹性缓存，把页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小。在 Spanner 生产环境测试数月后，内存占用降低 15.5%，缓存未命中仅增加 5.5%，总拥有成本（TCO）降低约 5%，实际 I/O 成本影响仅 0.5%。
Google Research 在 COLM 2026 发表的论文揭示，推理轨迹能解锁 LLM 原本无法触及的参数化知识，即使面对简单单跳事实问题。研究在 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 上验证，发现两大机制：生成额外 token 充当"计算缓冲"，以及"事实启动"通过生成相关事实搭建检索桥梁。
Google Research 发布矢量化数据集，将 Farmscapes 2020 的高分辨率栅格地图转为可执行的树篱、石墙与矮林清单，覆盖英国超 13 万平方公里。该框架基于在 3 亿多张全球卫星影像上预训练的 RSF Vision-Transformer 骨干微调，并用 Polsby–Popper 紧凑度评分区分林地、木质斑块与线性木质特征。
Google DeepMind 发布 AI Control Roadmap，提出把内部 AI 智能体视为潜在未对齐对象，在模型对齐之外增加系统级安全层，按检测能力 D1-D4 与预防响应能力 R1-R3 分级部署防护。
推荐理由：DeepMind 公开内部 AI 控制路线图，给出检测与响应分级和百万条编码智能体轨迹的分析结论。
Google 公布其在皮肤科 AI 工具上的消费者理解研究：2345 名参与者中，使用 AI 工具者尝试命名皮肤状况的比例超 62%，准确率 23%，约为对照组 8% 的近三倍；"Wizard of Oz"组准确率达 36%。但 AI 组在判断下一步就医建议上未出现统计显著改善，且略更倾向于给出比皮肤科医生更不紧急的建议（30% vs 27%）。
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用相对距离检验判断遗忘后的模型在分布上更接近安全重训模型还是原始受损模型。
Google DeepMind 发布在塞拉利昂开展的预注册随机对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度，八周内完成。
推荐理由：原文给出塞拉利昂随机对照试验的量化结果与交互数据，读者可据此判断 AI 辅助教学在真实课堂中的效果边界。
Google Research 在 Nature 发表 PHRM 研究系统，利用手机前置摄像头在面部解锁后的数秒内拍摄视频，通过深度学习在后台估算心率和静息心率。
推荐理由：Google 用手机前摄在解锁后被动测心率，并公开迄今最大规模手机视频数据集与预训练模型。
Google 为隐私分析服务推出零信任聚合方案，结合新型密码学聚合方法与 TEE 硬件保护，可在单条消息内完成设备数据提交，无需多轮在线交互。该方案保证 Google 只能获得人群的匿名聚合洞察，原始数据即使在硬件保护范围内也不会被暴露或重建，TEE 认证机制则向参与者提供协议按预期执行的验证证明。
Mistral 收购 Emmi AI 后，正为航空航天、汽车、半导体和能源等行业构建基础物理 AI。其公布的成果包括 AB-UPT 模型，可在单张 GPU 上处理 9M 表面和 140M 体积网格的原始几何数据而无需重新划分网格，以及面向大型多物理过程的端到端深度学习代理模型 NeuralDEM。
Google DeepMind 的生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 辅助衰老研究，该工具扫描数万篇论文后提出 20 多个新的候选遗传因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。Co-Scientist 还用于分析大规模基因筛选数据，把原本需要长达六个月的数据与文献关联分析缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与耗时对比，可了解 AI 智能体参与科研假设生成的实际方式。
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。
爱丁堡大学生物工程师 Filippo Menolascina 用 Google Co-Scientist 研究 MASH 肝病，系统整合肝生物学与药理学证据，锁定值得关注的机制并标记可测试的候选组合疗法。
Google 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 相关文献，将想法转化为可验证假设并按可行性排序。其最佳线索指向细胞表面分子互作，超出 Raman 专业范围，促使她与波士顿儿童医院化学生物学家 Ryan Flynn 合作，结合双方工具包迭代使用 Co-Scientist，寻找可用于靶向 ALS 的新型 RNA 机制乃至 RNA 药物。
斯坦福大学医学院遗传学家 Gary Peltz 利用 Google DeepMind 的 Co-Scientist 筛选抗肝纤维化药物，其提出的 3 个候选药物中有 2 个在活体人类肝细胞实验中成功阻断纤维化并促进肝细胞再生，而 Peltz 自己挑选的 2 个候选药物均无效。
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体 AI 系统，能迭代生成、辩论和演化科学假设。
推荐理由：原文给出多智能体系统的三阶段架构与多个实验室落地案例，可了解 AI 参与科学假设生成的具体机制。
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗的“三方照护”模式。在 98 个真实初级保健查询的盲评中，该系统 97 个未出现关键错误，医生对其回答的偏好高于现有证据综合工具；在 OpenFDA 的 RxQA 开放式用药问答上超过其他前沿模型。
推荐理由：Google DeepMind 公开 AI co-clinician 研究计划，给出医生盲评、RxQA 与远程问诊模拟的具体结果，可了解医疗 AI 当前能力边界。
Google Research 总结了科学家使用 Empirical Research Assistance（ERA）的四个方向：公共卫生领域，团队每周为美国各州提交流感。
推荐理由：Google 用四个真实科研项目展示 ERA 在流行病预测、宇宙学、碳监测和神经科学中的落地方式，可看 AI 辅助科研的具体边界。
