Google 发布 TurboQuant 等三种向量量化算法，KV cache 压缩至 3 bit 且无精度损失
Google Research 发布 TurboQuant 压缩算法，并配套提出 QJL 与 PolarQuant，用于解决向量量化中的内存开销问题，三篇工作将分别亮相 ICLR 2026 和 AISTATS 2026。
推荐理由：Google 提出 TurboQuant 等三种向量量化算法，在 KV cache 压缩与向量搜索上给出可复用的精度与内存权衡方案。
动态
动态
今日 2 条Google Research精选SI 评分6262 Google ResearchSI 评分3131 Google Research 推出 S2Vec：用自监督嵌入学习城市建成环境
Google Research 发布 S2Vec，一个自监督框架，通过 S2 Geometry 分区与特征栅格化将建成环境转为多层图像，再用掩码自编码（MAE）学习通用嵌入向量。在 US-wide 人口密度、收入中位数等社会经济预测的零样本地理外推任务中，S2Vec 通常是最佳单模型，与图像嵌入做多模态融合后表现普遍优于单一模态；但在树冠覆盖、海拔等环境任务上仍需改进。
Google Research精选SI 评分7272 Google 与 NHS 合作研究：AI 用于乳腺筛查双读流程
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项姊妹研究，评估 AI 乳腺筛查系统。
推荐理由：两项 Nature Cancer 研究给出 AI 在 NHS 乳腺筛查双读流程中的检测率与工作量变化，并暴露人机仲裁分歧。
Google ResearchSI 评分3838 Google 在 PNAS 发表研究：用高温超导问题评测 LLM 世界模型
Google 与康奈尔大学合作在 PNAS 发表研究，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和一套自建 RAG 系统回答 67 道高温超导专家级问题，由 12 位国际专家按平衡性、全面性、简洁性、证据、图像相关性和定性反馈六项指标盲评打分。
Berkeley AI ResearchSI 评分4242 SPEX 和 ProxySPEX 算法实现 LLM 大规模交互识别
Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，利用稀疏性和低阶性在大规模下识别 LLM 的关键交互。ProxySPEX 利用层级结构特性，在保持性能的同时将所需的消融次数减少约 10 倍。SPEX 在特征归因任务中，当上下文扩展至数千个特征时，仍能保持与 Faith-Shap 等现有方法相当的高忠实度。
Google Research精选SI 评分6666 Google 与 BIDMC 开展对话式诊断 AI 真实临床可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作开展了一项前瞻性单中心可行性研究，让 AMIE 在门诊初级保健就诊前与患者进行文本问诊，由医生通过视频实时监督。
推荐理由：Google 与 BIDMC 首次在真实门诊流程中前瞻性部署对话式诊断 AI，给出了安全事件、诊断一致性与医患反馈的具体数据。
Berkeley AI ResearchSI 评分3535 基于信息驱动的成像系统设计框架
Berkeley AI Research 提出基于互信息的成像系统设计框架，直接评估并优化系统信息含量。该框架在 NeurIPS 2025 论文中验证了其在四个成像领域预测性能的能力，优化结果匹配 SOTA 方法且无需任务特定解码器。
Berkeley AI ResearchSI 评分3434 不依赖 TD 学习的强化学习：用分治法扩展 off-policy RL
Berkeley AI Research 提出一种基于分治（divide and conquer）的强化学习算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到长时程任务。
Berkeley AI ResearchSI 评分2424 word2vec 究竟学到了什么？伯克利提出可定量预测的学习理论
伯克利 AI 研究团队证明，在随机小初始化等温和近似条件下，word2vec 的学习问题可化简为无权重最小二乘矩阵分解，梯度流动态有闭式解，最终学到的表示等价于对目标矩阵 M* 做 PCA。该矩阵仅由词共现概率与 unigram 概率定义，其顶部特征向量对应名人传记、政府行政、地理描述等可解释主题。训练因此表现为按序离散的秩递增步骤，每步降低损失并扩展一个正交子空间。