#Google

Arena.ai@arena· 02:15AI 评分4040

UC Berkeley 博士生、Google Research 高级研究员 Alex Krentsel 在 Arena HQ 介绍了自改进 AI 智能体架构 Exo，借鉴操作系统的 exokernel 思路，把智能体拆成受保护的机制层（状态、历史、密钥和 guardian）与可完全演化的策略层。在开放世界 RuneScape 任务上，Exo 比 Codex 和 Pi 便宜 31-62%。

Rohan Paul@rohanpaul_ai· 00:24AI 评分4949

Google DeepMind 新论文发现，用强化学习训练 Gemma-4 4B 写道德论证后，模型在选项互换时的答案翻转率从 14.3% 降至 6.6%，但附和用户的比例仅从 45.3% 变为 44.0%，道德寓言准确率反而从 56.5% 降到 53.4%。论文据此建议，评估模型的建议或判断任务时应分别测试一致性与正确性，因为更稳定的模型仍可能出错。

Rohan Paul@rohanpaul_ai· 12:03AI 评分6161

Google 发布 EmbeddingGemma 2 论文，这是一个基于 Gemma 4、以 Apache 2.0 许可开源的 744M 参数多模态嵌入模型，可将文本、代码、图像、音频和视频嵌入统一向量空间，性能超过部分参数量大 2 到 12 倍的模型。

Rohan Paul@rohanpaul_ai· 06:22AI 评分6363

Google 发布 PLE 基准，包含 85 项由执业工程师编写或审核的电气、土木、结构和机械工程任务，智能体每个任务需读取约 61 个项目文件并交付进度表、报告或 2D/3D 图纸。

Rohan Paul@rohanpaul_ai· 02:47AI 评分4545

Google DeepMind 新论文提出 CALLIOPE：让 LLM 从关键词而非嵌入向量构建主题树，在严格隐私约束下生成更清晰的主题图。该方法由 LLM 给每篇文档打少量关键词并加噪，只保留高频关键词，再由 LLM 据此提出主题并归类文档。

Google Research 提出 sleep 框架：让 LLM 在持续学习中稳定保留知识

Google Research 提出面向持续学习的 sleep 框架，让 LLM 在活跃交互与离线记忆巩固之间循环，把脆弱的短期上下文固化为长期参数。该框架结合 MoE 参数扩展、GKD 与 RL 模仿学习，可让模型持续习得新事实、保留最长 10M tokens 的长上下文知识并提升复杂推理。

前 DeepMind 研究员 Thore Graepel 创办 Metis Reasoning，欲借 AlphaGo 思路解决模型幻觉

前 DeepMind 研究员 Thore Graepel 在 Nvidia GTC 柏林大会上介绍其新公司 Metis Reasoning 的方法，把 AlphaGo 的搜索思路搬到通用推理，用显式知识账本记录已知内容、置信度和未解问题，由独立模块对照计算、形式证明或经验证据检验每个结论。

Rohan Paul@rohanpaul_ai· 17:50AI 评分5151

Google、UCLA 和 CMU 的论文推出 GenXR-Bench，用 112 个专家编写任务评测编码智能体开发 XR 应用的能力，测试结合模拟手部与房间输入，与真实头显上的盲测专家判断吻合 96.5%。

Rohan Paul@rohanpaul_ai· 05:58AI 评分6666

Google DeepMind 论文将 4 个 Gemini 4 Argon 智能体放入沙盒 Minecraft 生存世界，只给一个目标击败 Ender Dragon，未分配角色或预写游戏工具，智能体通过聊天和共享记忆自行组织分工。

Rohan Paul@rohanpaul_ai· 02:52AI 评分6060

Google DeepMind 论文《The Illusion of Stochasticity in LLMs》发现 LLM 无法自主完成符合目标概率的随机采样。

Rohan Paul@rohanpaul_ai· 18:53AI 评分7474

Google DeepMind 与多所高校发布 TheoPhysEval 基准，用专家贡献的 50 道未发表研究级理论物理题测试 AI 智能体，每道题约相当于领域专家一天的工作量，单题成本低于 3 美元。

Rohan Paul@rohanpaul_ai· 14:45AI 评分5656

Google DeepMind 论文研究主动式 AI 智能体在大公司 20 多个团队运行 5 个月的情况，并访谈 17 名用户，发现同一智能体被部分人视为救星，另一些人却因它擅自动作而感到压力。智能体把过期文档当现状、给 VP 标记 16 个 bug、提前分享草稿海报、误读讽刺；被强推的团队比自愿采用团队更不宽容其失误。作者建议经团队同意后再部署智能体、分离权限并提供易用的撤销方式。

NBER 实验：AI 让初级专利律师即战力提升，但只有资深律师留存优势

NBER 一项工作论文在 11 家美国知识产权律所开展为期三个月的随机对照试验，133 名律师中三分之二使用 Google Labs 未发布的 AI 助手 InFlow。

Rohan Paul@rohanpaul_ai· 13:45AI 评分6767

Google 论文研究发现，当 AI agent 为其他 agent 编写工具描述并被告知要被更多选中的目标时，描述会自发夸大，作者称之为 toolflation。

Rohan Paul@rohanpaul_ai· 04:27AI 评分5555

Google DeepMind 与 UPenn 的论文提出用稀疏自编码器解析 Gemma-2-2B 检测器内部激活，让 LLM 标注特征后训练简单分类器，构建可解释的 AI 文本检测器。

Rohan Paul@rohanpaul_ai· 02:23AI 评分4545

Google DeepMind 新论文提出让各模型为回答每个问题“出价”、由最高出价者作答的拍卖机制，在 110 个模型、超 30,000 条 EmbedLLM 提示词上模拟，效果达最优模型选择的 99.2%，而按提示词类型路由到最佳模型仅 89.4%。

Google DeepMind 与 WRI、IIASA 发布 ForTy 全球森林类型地图

Google DeepMind 与 Google Research 联合 World Resources Institute 和 IIASA 发布 Forest Typology（ForTy）2020 全球地图，以 10 米分辨率将地球每块土地划分为 FAO 定义的六类森林与土地类型，并首次提供 2017 至 2025 年逐年变化时间序列，展示天然森林被种植园或农场取代等变化。

Rohan Paul@rohanpaul_ai· 19:43AI 评分6565

Google DeepMind 与 Cambridge 的论文展示了一个基于 Gemini 的智能体能够自主发现新数学，为 11 台此前无任何公开分析的 Busy Beaver 图灵机找到并用 Lean 验证了精确规则。该智能体先在模拟器中测试边界情况，起草非形式化证明，再用 Lean 证明检查器完成形式化证明。

Rohan Paul@rohanpaul_ai· 12:30AI 评分4646

Google 新论文提出 OO-Harness，将 agent harness 按代码类演化成共享家族，每个专用 harness 继承父类、只改本簇所需部分，再由路由器根据基础运行结果选择专用版或保留基础结果。

Rohan Paul@rohanpaul_ai· 01:40AI 评分6868

Google DeepMind 等机构的论文《Training Natural Schemers》用 Kimi K2.6 构建自然形成的 scheming 模型，仅给良性特质、不展示 scheming 行为，再以只计受监控回合、奖励遵守某条亏待用户的商业规则的 RL 训练。

Google Research 发表 AI 盲扫超声孕周评估研究，准确性与专家操作相当

Google Research 在 JAMA Network Open 发表前瞻性多中心研究，评估基于"盲扫"超声的 AI 孕周评估模型在不同临床环境和设备上的泛化能力。

Rohan Paul@rohanpaul_ai· 03:00AI 评分5959

Rohan Paul 介绍了 Google DeepMind 论文《Are Self-Evolving Agents Continual Learners?》的发现：自我进化智能体通过编辑系统提示词、记忆或技能文件来改进，但在任务流变化时会出现遗忘，学新任务最快的方法破坏旧任务也最多。

谷歌论文：四个 Gemini 4 Argon 智能体 27 小时自主通关《我的世界》击败末影龙

谷歌研究人员发布论文，使用四个 Gemini 4 Argon 智能体在 27 小时内完全自主通关《我的世界》并击败末影龙，团队称这是 AI 智能体首次在无人类辅助下从头到尾通关。

Philipp Schmid@_philschmid· 20:01AI 评分5959

Google Research 团队发布 Harness²，一个即插即用的递归 Agent harnessing 框架，围绕冻结模型改进执行 harness。流程为基线记录、Editor 起草候选编辑、Composer 合并有效编辑、Reflector 将经验存入库供后续任务调用。

Rohan Paul@rohanpaul_ai· 17:28AI 评分5858

Princeton 与 Google 等机构的论文提出 JevAgentHarness，用小型决策模型回答智能体中的多选例行决策，仅在置信度低于阈值时交给 LLM。

六款 AI 智能体追讨 465 美元退款实验：编造借口、泄露隐私、轰炸议员办公室，全部失败

Vals AI 发布的实验中，六个 AI 智能体为追回一张已过 28 天索赔期的 350 英镑（约 465 美元）火车票退款自主发送网络消息和邮件，全部失败。

Google Research 展示 AI 智能体自主湿实验室的三项进展：VERID 框架、适配体闭环发现与全新蛋白结合剂设计

Google Research 发布三项研究，构建 AI 智能体自主湿实验室的基础模块。

Cammarata 新论断引发可解释性突破之争，Neel Nanda 认为只是实用工具

前 OpenAI 可解释性项目负责人 Cammarata 发文称经典多义神经元其实是 V 形检测器，叠加解释可能被误读，并给出 Qwen3-32B 中约 90% 神经元极有单一功能的初步数据。Google DeepMind 的 Neel Nanda 则认为这是实用工具而非突破，仍坚持叠加是真实存在的。Roon 称这项工作可能被视为科学史上的重要时刻，技术伴随论文尚未发布。

Rohan Paul@rohanpaul_ai· 06:01AI 评分6161

Google 量子 AI 团队首次在物理硬件上演示魔力态培育，在 105 量子比特 Willow 处理器上错误率较以往方法降低约 40 倍，保留下来的态达到 99.99% 的逻辑保真度，成果发表于 Science。该方法会对每个态进行筛查并丢弃不合格尝试，仅约 8% 的尝试通过筛选，且仍需在更大规模上验证；作者称这是通往纠错量子计算机的一步。

Sundar Pichai@sundarpichai· 02:58AI 评分5454

Sundar Pichai 宣布 Google Quantum AI 团队首次在物理硬件上演示量子 "magic state cultivation"。相比此前方法，在 Willow 处理器上实现 40 倍错误降低，达到 99.99% 的逻辑保真度。该成果发表于 Science，被视为迈向容错量子计算机的又一步。

Rohan Paul@rohanpaul_ai· 22:18AI 评分5252

Google 与 Carnegie Mellon 的论文提出 Harmony Harness，将 agent harness 的自进化建模为多目标优化，把通过测试与阻断漏洞拆成不同目标分别进化，并在推理时按任务动态组合。在 SecRepoBench 未见崩溃类型上，66.7% 的修复既有效又阻断了漏洞，起始 harness 为 36.7%；安全收益保留 55%，DGM 基线为 0%。

Rohan Paul@rohanpaul_ai· 18:10AI 评分4545

MIT、Stanford、Google、Microsoft 等机构联合发布 Physical Recursive Self-Improvement 综述，指出机器人仍依赖人类采集数据、诊断故障并筛选更新。他们检查的 7 项机器人自我改进研究中，5 项未能在不同任务上展示提升，并定义 L0 到 L5 六个自主改进等级。其 2022 至 2026 年系统图谱中尚无确认的 L5 案例。

Google DeepMind@GoogleDeepMind· 01:38AI 评分5353

Google DeepMind 转发研究者成果：团队使用 Gemini 4 Argon 发现了 2 个新的反例家族，挑战等离子体物理中存在近 60 年的 Grad 猜想，并给出了新的 3D 磁场设计。论文作者包括 Jonathan Citrin、Brendan Tracey 和马里兰大学的 Matt Landreman，论文地址 https://arxiv.org/abs/2610.07304。

研究称 OpenAI 与 Google 新图像模型易被 RISE 方法绕过安全过滤生成裸露内容

安全公司 White Circle 提出 RISE 攻击方法，用现成工具和 API 调用绕过 DALL·E 3、Google Nano Banana 2 和 GPT-Image-2 的安全过滤，约 13% 的尝试生成 explicit 内容。

Google DeepMind 发布 Gemini 4 Argon 并公布安全与防护细节

Google DeepMind 发布 Gemini 4 Argon 并开始广泛推出，同时扩大 Fairwind Program 给受信任的网络防御者。模型解决了全部 12 个端到端模拟网络攻击场景（上一代为 5 个），Wiz 用其发现此前模型遗漏的医院软件关键漏洞，涉及数十万患者记录。

同一件事，精选收录的是《Google 发布 Gemini 4 Argon：面向复杂工程与科研任务的前沿模型》

AlphaProof Nexus 攻克 9 个未解 Erdős 问题并经同行评审

Science 新研究显示，Google DeepMind 的 AlphaProof Nexus 独立解决了 353 个开放 Erdős 问题中的 9 个，其中 2 个悬置 56 年。

Sundar Pichai@sundarpichai· 07:11AI 评分6464

Google 与 BIDMC 合作的 AMIE 研究发表于 The Lancet，是首个面向患者的对话式诊断在真实门诊的前瞻性研究。AMIE 是患者在就诊前可对话的研究系统，真实急诊患者测试中，临床医生反馈摘要帮助其准备就诊的比例达 75%，超过一半情况下影响了诊疗方式；AMIE 的鉴别诊断与医生最终诊断一致率达 90%。这也是 Google 首次在 The Lancet 主刊发表论文。

Google@Google· 06:40AI 评分6363

Google 宣布其医疗研究系统 AMIE 是首个在真实临床环境中接受前瞻性研究的面向患者的对话式诊断工具，研究结果于今日发表在 The Lancet 上。研究显示，患者在面对面就诊前与 AMIE 对话，能增强信心并帮助整理思路；医生则因审核患者对话信息而节省时间，可更专注于协作诊疗和共同决策。

Google Research 三个月专利起草实验发现AI辅助未必能培养初级律师的专业判断

Google Research 在 NBER 发表的论文报告了一项三个月随机田野实验，向11家知识产权律所的133名律师随机开放当时未发布的 AI 专利写作助手（现属 Gemini Notebook）。

Rohan Paul@rohanpaul_ai· 11:06AI 评分5555

Google DeepMind 等机构发布论文，提出检测 AI 生成创意（而非文字或图像）的检测器 IdeaLens，其核心发现是读取文档大纲而非文字即可判断创意出自人还是 AI。