Ataraxos 击败 Stratego 最强人类选手，算力成本约为 DeepNash 的 1/500
研究团队开发的 Ataraxos 在 Stratego 对局中以 85% 有效胜率击败史上最强选手 Niemeijer，终结了人类在这款不完美信息棋盘游戏中的优势。
推荐理由：对比 DeepNash 的算力开销与训练成本，读者可了解不完美信息博弈中强化学习的新解法。
10月2日 · 周五
精选
最新精选
The Decoder精选SI 评分7676
Microsoft Research精选SI 评分6262 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物学世界模型，以及连接模型、科学工具、文献和实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物学世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
Google Research精选SI 评分7272 Google Research 发布 AI 视频联合导演框架实现长视频连贯生成
Google Research 发布 AI video co-director 框架，基于 Gemini 和 Veo 构建多智能体系统以解决长视频生成的语义漂移和级联失败问题。
推荐理由：提出多智能体框架解决长视频语义漂移，通过全局优化与视觉记忆实现分钟级叙事一致性。
Hugging Face Blog精选SI 评分6565 IBM 研究提出一致性指南，将 Agent 的 Pass^5 差距从 24.4pp 缩小到 12.0pp
IBM 研究团队在 ALTK-Evolve 中新增一致性指南，用于缩小 Agent 的稳定性差距。在 AppWorld test_normal 的 168 个任务上。
推荐理由：原文给出 Pass^k 与一致性差距的量化结果，并说明如何用一次采样定位易翻转的决策点。
Hugging Face Blog精选SI 评分6262 Open ASR Leaderboard 新增首个全球南方语言评测集 Monsoon
Voice Arena 与 Hugging Face 合作，在 Open ASR Leaderboard 上新增 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，印地语成为该榜单多语言标签页上的首个印度语言。
推荐理由：Open ASR 榜单新增印地语与印度英语评测集，并公开说话人元数据，读者可了解语音评测如何从单一 WER 转向按人群拆解。
Google Research精选SI 评分6262 Google 发布行星预测引擎 PPE，自动完成地理空间建模全流程
Google 在 Earth AI 计划下推出实验性研究能力行星预测引擎（PPE），可依据自然语言查询自主完成地理空间数据检索、特征工程、模型训练评估并生成报告，把原本需要数周人工数据工程的建模流程压缩到数分钟。
推荐理由：Google 官方给出 PPE 在公共卫生、粮食安全与疫情预测上的量化对比，可看自动地理空间建模相对人工流程的差距。
Hugging Face Blog精选SI 评分6262 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 9 项基准中 7 项超过其全精度版本
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：对结构压缩并量化的模型，直接从压缩前的原始全精度模型蒸馏，而非从恢复出的 bfloat16 checkpoint 蒸馏。
推荐理由：论文给出压缩加量化后从原始教师蒸馏的恢复配方，并附与 QAT 的稳定性对比数据。
Hugging Face Blog精选SI 评分6666 Hugging Face 研究：语音识别基准优化如何被量化
Hugging Face 发布研究，用共识分歧探针、掩蔽实体检索和拼写切换三项测试量化语音识别中的基准优化现象，评测了 11 个开源 ASR 模型。
推荐理由：通过三项探针量化 ASR 模型对基准的过拟合，并给出可复用的检测脚本与榜单入口。
Hugging Face Blog精选SI 评分6262 IBM 研究：智能体到底需要多少记忆？
IBM 研究团队在 Hugging Face 博客发布 ALTK-Evolve 的后续研究，用 AppWorld 的 585 个多步任务测试八款模型，发现智能体记忆不是开关而是需要按模型校准的剂量。
推荐理由：八模型对比显示智能体记忆的注入剂量需按模型能力校准，并给出检索与缓存的成本权衡。
Hugging Face Blog精选SI 评分7070 Hugging Face 用智能体复现 ICML 2026 的 2200 余篇论文
Hugging Face 在 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战，1221 名社区成员用 Claude Code、Codex、Cursor 等编码智能体逐条核验论文主张，共发布 6816 份 Trackio logbook，覆盖 2226 篇论文，约占该会议全部论文的 34%。
推荐理由：Hugging Face 用 1200 多名社区成员和编码智能体复现 ICML 2026 论文，给出了大规模论文审计的可行路径与人类角色的观察。
Google Research精选SI 评分7171 Google 发布 AMIE (Video)：实时视频问诊达到专家级水平
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 的实时视频问诊配置，能感知非语言临床线索、引导虚拟体格检查并实时进行诊断推理。
推荐理由：Google 用 300 场随机对照问诊给出实时视频临床 AI 的专家级评测结果，可看多智能体异步架构如何兼顾低延迟对话与深度推理。
Google Research精选SI 评分6262 Google Research 提出 Science One Framework：用证据链实现可验证的自主科研
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 与配套的 CoE Audit 审计指标。
推荐理由：原文给出可验证性框架与审计指标，并对比基线系统的引用幻觉率，读者可据此判断自主科研智能体的可信度评估方式。
Google Research精选SI 评分6262 Google 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体
Google Research 发布论文 SymptomAI，用五个基于 Gemini Flash 2.0 的实验性对话智能体开展症状访谈与鉴别诊断（DDx），共 13,917 名参与者随机分配到不同提问策略组。
推荐理由：Google 用 1.3 万人随机对照实验比较五种提问策略，并首次把 AI 诊断与 Fitbit 生理信号做交叉验证。
Hugging Face Blog精选SI 评分6262 Hume 发布 Real World VoiceEQ 语音 AI 评测基准
Hume 发布 Real World VoiceEQ，一个评估语音交互人类质量的基准，覆盖 40 多个专有与开源语音模型、15 个以上评估维度和 60 多项指标，涵盖 ASR、TTS、S2S 和语音理解。
推荐理由：Hume 用百万级人工评分构建语音评测基准，揭示现有基准高估真实表现的盲区。
Google Research精选SI 评分6262 Google Research 发布 SensorFM 可穿戴健康基础模型
Google Research 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，预训练语料来自 500 万同意参与者、超过 1 万亿分钟的多模态传感器信号，覆盖 100 多个国家和 20 多款 Fitbit 与 Pixel Watch 设备。
推荐理由：原文给出可穿戴健康基础模型的预训练规模与下游评测结果，读者可据此判断通用生理表征的可行性。
Google DeepMind精选SI 评分6262 Google DeepMind 公布塞拉利昂 AI 学习试验结果
Google DeepMind 公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，约相当于八周内取得 1.2 至 1.7 年的常规学习进度。
推荐理由：塞拉利昂预注册随机对照试验给出了 Guided Learning 的量化增益与交互数据，可了解 AI 辅助教学的实际效果与局限。
Google Research精选SI 评分7171 Google 研究用手机摄像头实现被动心脏健康监测
Google Research 在 Nature 发表研究，提出 PHRM 系统，利用手机前置摄像头在面部解锁后采集 8 秒面部视频，通过端侧深度学习估算心率，与心电图对比的平均绝对百分比误差低于 10%，覆盖所有肤色人群。
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 DeepMind精选SI 评分6262 Google DeepMind 用 Co-Scientist 加速细胞衰老逆转研究
Google DeepMind 介绍其 Co-Scientist 正被用于细胞衰老逆转研究。它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。此外，Co-Scientist 将原本需要长达六个月的筛选数据分析缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与验证结果，读者可了解 AI 辅助科研的落地方式。
Google DeepMind精选SI 评分6060 斯坦福用 Co-Scientist 筛选抗肝纤维化药物
斯坦福大学医学院遗传学家 Gary Peltz 团队在《Advanced Science》发表研究，测试 Google DeepMind 的 Co-Scientist 能否从现有药物文献中找出可重定位治疗肝纤维化的候选药。
推荐理由：斯坦福团队用 Co-Scientist 筛选肝纤维化药物，AI 提名的候选在活细胞实验中优于研究者自选。
Google Research精选SI 评分6262 Google Research 科学家使用 ERA 开展科研的四种方式
Google Research 介绍了科学家使用 Empirical Research Assistance（ERA）开展科研的四个方向。公共卫生方面，团队每周向 CDC 的流感、COVID-19 和 RSV 住院预测项目提交全美各州、最长提前四周的实时预测，在流感与 COVID-19 公开排行榜上处于或接近榜首。
推荐理由：四个跨领域案例展示了 ERA 从预测到机制发现的具体用法，可了解 AI 辅助科研的落地边界。