Google Research 评估 LLM 行为倾向与人类的对齐程度
Google Research 提出基于情境判断测试（SJT）的框架，评估 25 个 LLM 的行为倾向与人类共识的对齐程度。结果显示两类差距：模型倾向会偏离人类标注共识，且在人类无共识时无法覆盖其意见分布。人类标注一致时大规模与前沿闭源模型接近满分，共识低于 90% 时停滞在 80% 出头。
全部AI 动态
全部动态
今日 609 条Google ResearchAI 评分4646 Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemma 4 开源模型家族，含 26B MoE 与 31B Dense 四种尺寸
Google DeepMind 发布 Gemma 4 开源模型家族，提供 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，采用 Apache 2.0 许可。
推荐理由：原文列出四档尺寸、Arena 排名与 Apache 2.0 许可，便于判断本地部署和微调的硬件与授权取舍。
Google ResearchAI 评分4545 Google Research：构建更好的 AI 基准，多少名标注者才够？
Google Research 的“Forest vs Tree”研究指出，AI 评测常用的每项 1–5 名标注者标准不足，往往需要超过 10 名标注者。基于 Toxicity 等数据集的模拟显示，最优配比取决于指标：多数投票准确率偏向增加条目，捕捉意见分布则需增加标注者；约 1,000 条总标注即可实现高可复现性，模拟器已在 GitHub 开源。
Mistral AI精选AI 评分6666 Mistral AI 发布 Spaces CLI，兼顾人类开发者与编码智能体
Mistral AI 发布 Spaces CLI，用 spaces init、cd、spaces dev 三条命令即可从零得到带热重载、数据库和自动生成 Dockerfile 的多服务项目。
推荐理由：Mistral 把 CLI 同时服务人类与编码智能体的设计原则整理成检查清单，可对照改造自家开发者工具。
Google DeepMind精选AI 评分6565 Google DeepMind 用 Gemini 重新构想 AI 时代的鼠标指针
Google DeepMind 公布由 Gemini 驱动的 AI 指针研究，让指针不仅能识别指向的对象，还能理解用户意图，并用指向加语音替代长提示词。团队提出维持工作流、边指边说、支持「这个」和「那个」、把像素变成可操作实体四条交互原则。
推荐理由：DeepMind 把指针变成能理解所指内容的 Gemini 入口，并已落地 Chrome，读者可据此观察交互从写提示词转向指向与语音。
Google ResearchAI 评分4949 Vibe Coding XR：用 XR Blocks 与 Gemini 加速 AI + XR 原型开发
Google 发布 Vibe Coding XR 工作流，将 Gemini 与基于 Web 的 XR Blocks 框架结合，把自然语言直接转成具备物理感知的 Android XR 应用，耗时低于 60 秒。
Google ResearchAI 评分4444 Google 推出 TurboQuant：以极致压缩重新定义 AI 效率
Google 推出 TurboQuant，一种零精度损失的压缩算法，可同时压缩 KV cache 并加速向量搜索。它先用 PolarQuant 随机旋转向量完成主体压缩，再用 1 bit 的 QJL 消除残差误差，TurboQuant 将在 ICLR 2026 展示。
Google ResearchAI 评分4242 Google Research 的 S2Vec 如何学习城市语言，映射现代世界
Google Research 提出自监督框架 S2Vec，用 S2 Geometry 分区加特征栅格化把建成环境转为多层图像，再以掩码自编码（MAE）学习通用嵌入向量。在社会经济预测中，S2Vec 在零样本地理外推任务（如 US-wide 人口密度、收入中位数）上常为最佳单一模型，与图像嵌入做多模态融合后优于单模态。树覆盖、海拔等环境任务仍有待改进。
Mistral AI精选AI 评分6666 Mistral AI 发布首个文本转语音模型 Voxtral TTS，4B 参数支持 9 种语言
Mistral AI 发布首个文本转语音模型 Voxtral TTS，4B 参数，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言，已通过 API 提供，定价 $0.016 / 1k 字符。
推荐理由：官方给出了 4B 模型在 9 种语言上的延迟、单价以及和 ElevenLabs 的人评对比口径，便于判断语音 Agent 的选型与成本。
Google ResearchAI 评分4040 Google Research 在 The Check Up：从医疗创新到真实诊疗场景
Google Research 在 The Check Up 公布医疗 AI 多项进展，其中与 Fitbit 合作的 Personal Health Agent（PHA）研究发现，模拟协作医疗团队的 PHA 比单任务健康应用更能支持长期健康。
Google Research精选AI 评分7272 Google 与 NHS 合作在 Nature Cancer 发表两项 AI 乳腺癌筛查研究
Google 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项论文，分别评估 AI 乳腺癌筛查系统的独立性能及其作为第二读片人嵌入双读流程的效果。
推荐理由：两项研究给出了AI作为第二读片人的性能数据与部署细节，可供评估AI嵌入既有人工复核流程的可行性与难点。
Mistral AIAI 评分4444 Mistral AI 推出 Forge：为企业构建基于自有知识的前沿级模型
Mistral AI 推出 Forge，一套让企业用自有专有知识训练前沿级模型的系统，覆盖预训练、后训练与强化学习，支持稠密与 MoE 架构。Forge 按 agent 优先设计，Mistral Vibe 等智能体可用自然语言完成微调、超参数搜索与数据合成。合作方包括 ASML、Ericsson、欧洲空间局、新加坡 HTX 与 Reply。
Mistral AI精选AI 评分7373 Mistral AI 发布 Mistral Small 4，统一推理、多模态与编码智能体能力
Mistral AI 发布 Mistral Small 4，称其是首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的编码智能体能力统一进单一模型的 Mistral 模型，以 Apache 2.0 许可开源。
推荐理由：Mistral Small 4 把推理、多模态与编码能力合进一个开源模型，读者可据此评估单模型替代多模型组合的部署取舍。
Mistral AIAI 评分5656 Mistral AI 以创始成员加入 NVIDIA Nemotron Coalition，将联合开发开源前沿模型
Mistral AI 宣布以创始成员身份加入 NVIDIA Nemotron Coalition，计划与 NVIDIA 联合开发前沿开源 AI 模型，Mistral AI 提供模型架构、训练技术、多模态能力和企业级微调工具，NVIDIA 提供算力、模型开发工具与合成数据管线。
Google ResearchAI 评分4242 Google 用高温超导研究问题评测 LLM：NotebookLM 表现最佳
Google 与康奈尔大学合作，用 67 道高温超导专家级问题评测 6 个 LLM，NotebookLM 和自建 RAG 系统表现最佳。被评测的还有 GPT-4o、Perplexity、Claude 3.5 和 Gemini Advanced Pro 1.5；NotebookLM 在视角平衡、全面性与证据支撑上得分最高，但最不简洁。论文发表于 PNAS，封闭系统使用 1,726 篇来源。
Mistral AIAI 评分4949 Mistral 发布 Leanstral：面向可信 vibe-coding 的开源基础模型
Mistral 发布 Leanstral，首个面向 Lean 4 的开源代码智能体，Apache 2.0 开源并提供免费 API。该模型激活参数 6B，采用稀疏架构，支持任意 MCP，并针对 lean-lsp-mcp 训练，也可在 Mistral vibe 的 agent 模式中使用。
Google ResearchAI 评分5959 Google 在 Flood Hub 上线城市山洪 AI 预报，可提前 24 小时预警
Google 在 Flood Hub 上线城市山洪预报，用新的 AI 方法可提前 24 小时预测城市山洪风险。该方法用 Gemini 分析公开新闻报告以确认洪灾地点和时间，据此构建 Groundsource 历史山洪事件数据集用于训练与评估，模型采用含 LSTM 的 RNN 架构，当前空间分辨率为 20x20 公里。
Google ResearchAI 评分5656 Google 推出 Groundsource，用 Gemini 把新闻报道转为结构化灾害数据
Google 推出 Groundsource，用 Gemini 从多语言新闻报道中抽取洪水事件，并开放首个城市山洪数据集，包含 260 万条记录、覆盖 150 多个国家、时间跨度从 2000 年至今。
Google Research精选AI 评分6565 Google Research 与 BIDMC 开展 AMIE 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，在真实门诊流程中开展 AMIE 对话式诊断 AI 的前瞻性单中心可行性研究，100 名成年患者就诊前通过安全网页链接与 AMIE 进行文本问诊，全程由医生视频监督，未触发任何安全中止。
推荐理由：研究以盲评方式对比 AMIE 与初级保健医生的鉴别诊断和管理计划质量，为对话式医疗 AI 的真实落地提供参照。
Mistral AIAI 评分5858 Mistral 基于 Vibe 构建自动编写 Rails 测试的智能体
Mistral 基于其开源编码助手 Vibe 构建了一个自动为 Rails 代码库生成和改进 RSpec 测试的智能体，可在 CI/CD 中无人干预运行。该智能体依靠仓库级 AGENTS.md 执行计划、按文件类型拆分的 Skills 文件，以及 RuboCop 与 SimpleCov 自定义工具完成生成、校验和自校正。
Google ResearchAI 评分5353 Google Research 发布 WAXAL 数据集，开放 27 种非洲语言语音资源
Google Research 发布 WAXAL 开放语音数据集，覆盖 27 种撒哈拉以南非洲语言，面向超 1 亿使用者，采用 CC-BY-4.0 许可。数据集包含约 1,846 小时转写自然语音的 ASR 数据和超 565 小时高保真录音的 TTS 数据。采集工作自 2021 年起由非洲高校与社区组织主导、Google 提供方法指导，Google 表示将继续扩充语种。
Mistral AI精选AI 评分6363 Mistral 发布 Voxtral Transcribe 2，推出实时与批处理两款语音转写模型
Mistral 发布 Voxtral Transcribe 2 系列两款语音转写模型，包括用于批处理的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime，后者以 Apache 2.0 权重在 Hugging Face 开源。
推荐理由：Realtime 以 sub-200ms 延迟和 Apache 2.0 权重开源，读者可据此比较实时语音应用的端侧落地成本。
Mistral AI精选AI 评分6565 Mistral 发布终端编码智能体 Mistral Vibe 2.0
Mistral 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型系列驱动。2.0 新增自定义子智能体、多选澄清、斜杠命令技能、统一智能体模式与自动更新，已在 Le Chat Pro 和 Team 套餐上线，超出额度可按量付费或自带 API key。
推荐理由：原文列出 Vibe 2.0 新增的子智能体、斜杠命令技能等控制项与定价变化，可供判断终端编码智能体的使用成本。
Mistral AIAI 评分5353 Mistral AI 定位 vLLM 内存泄漏，源头在 UCX 的 mmap hook
Mistral AI 团队复盘了 vLLM 中的一次内存泄漏排查。在他们用 Mistral Medium 3.1 做 P/D 分离部署并启用图编译时，系统内存以每分钟 400 MB 线性增长，数小时后会进入 OOM 状态。
Mistral AIAI 评分5959 Mistral AI 发布 Mistral OCR 3
Mistral AI 发布 Mistral OCR 3，称其在表单、扫描件、复杂表格和手写内容上相对 Mistral OCR 2 的整体胜率为 74%。
Mistral AI精选AI 评分7474 Mistral AI 发布 Devstral 2 系列编码模型和 Mistral Vibe CLI
Mistral AI 发布新一代编码模型系列 Devstral 2，包含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者均开源，分别采用修改版 MIT 和 Apache 2.0 许可。
推荐理由：材料给出 Devstral 2 在 SWE-bench Verified 上 72.2% 的成绩，并附上与 DeepSeek V3.2、Claude Sonnet 4.5 的人工评测胜负对比。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral 3 系列模型，全部以 Apache 2.0 开源
Mistral 发布 Mistral 3 模型家族，包含稀疏 MoE 的 Mistral Large 3（41B 激活、675B 总参数）与三款密集小模型 Ministral 3（3B、8B、14B），全部以 Apache 2.0 开源。
推荐理由：Mistral 3 一并公布参数规模、开源许可与硬件适配方案，读者可据此对照自身部署条件判断选型。
Mistral AIAI 评分5252 Mistral AI 宣布与 SAP、Helsing 合作并在德国开设办公室
Mistral AI 宣布与德国企业和机构达成多项长期战略合作，并将在未来几个月内在德国开设办公室。其中与 SAP 的多年合作会把 Mistral 模型集成进 SAP 的 AI Foundation，并共同开发面向欧洲复杂行业与政府机构的行业解决方案；与 Helsing 的合作则加速面向真实防务与安全场景的视觉-语言-动作模型研发。Mistral 还表示正显著扩大德国本地团队。
BAIR：Berkeley AI Research BlogAI 评分4747 BAIR：不依赖 TD 学习的 RL，分治法价值学习
BAIR 博文提出一种基于分治法的 RL 算法，不依赖 TD 学习做价值学习，理论上把 Bellman 递归次数从线性降到对数，从而扩展到长时序任务。在一项与 Aditya 共同主导的工作中，该方法已用于 goal-conditioned RL，作者称这是首个把分治价值学习规模化的工作。但如何选取最优子目标 w 仍不清楚。
Mistral AIAI 评分4343 Mistral AI 发布 Mistral AI Studio 生产级 AI 平台
Mistral AI 发布 Mistral AI Studio，一个由 Observability、Agent Runtime 和 AI Registry 三大支柱组成的生产级 AI 平台。
Mistral AI精选AI 评分7070 Mistral AI 完成 1.7B€ C 轮融资，ASML 领投，投后估值 11.7B€
Mistral AI 宣布完成 1.7B€ 的 C 轮融资，投后估值 11.7B€，由半导体设备厂商 ASML Holding NV 领投。现有投资方 DST Global、Andreessen Horowitz、Bpifrance、General Catalyst、Index Ventures、Lightspeed 和 NVIDIA 参投。
推荐理由：Mistral AI 完成 1.7B€ C 轮融资并获 ASML 领投，读者可据此了解前沿模型公司与半导体产业的绑定方式。
Mistral AIAI 评分5151 Mistral 为 Le Chat 推出 Memories（beta）记忆功能
Mistral 为 Le Chat 推出 Memories（beta）记忆功能，会自动保存有用信息，并在调用时给出指向来源的链接。用户可以随时关闭记忆、开启不使用记忆的隐身对话、编辑或删除单条记忆，还能导出和从别处导入记忆数据。官方同时上线 Memory Insights 提示词，帮助用户查看 Le Chat 记住了什么，并称后续将支持按类别整理记忆和查看记忆何时被使用。
Mistral AIAI 评分5959 Mistral AI 为 Le Chat 上线 20 多个 MCP 连接器与 Memories
Mistral AI 在 Le Chat 上线 20 多个基于 MCP 的安全连接器（beta）和 Memories（beta），免费版用户即可使用，还能接入目录之外的任意远程 MCP 服务器。
BAIR：Berkeley AI Research BlogAI 评分4444 word2vec 究竟学到了什么？
word2vec 的学习过程被证明在实际条件下可约简为无权重最小二乘矩阵分解，最终表示等价于 PCA。从接近零初始化训练时，它按离散步骤依次学习正交线性子空间，每步提升嵌入矩阵秩并阶梯式降低损失。这些特征可闭式算作矩阵 M* 的前几个特征向量，按 Wikipedia 统计前几项对应名人传记、政府市政与地理制图等概念。
TensorFlow BlogAI 评分3838 TensorFlow 2.20 发布：tf.lite 由 LiteRT 取代，tf.data 加速预热
TensorFlow 2.20 发布，tf.lite 模块将弃用，端侧推理开发迁移至独立仓库 LiteRT，新 API 提供 Kotlin 和 C++ 版本。LiteRT 面向 NPU 和 GPU 硬件加速，为 NPU 提供统一接口，并通过零拷贝硬件缓冲减少内存拷贝。
Mistral AIAI 评分4949 Mistral 如何微调 Pixtral-12B 释放卫星图像视觉语言模型潜力
Mistral 用 LoRA 微调 Pixtral-12B，在 Aerial Image Dataset（AID）卫星图像分类任务上较基础模型取得显著提升。实验使用 8,000 条训练样本与 2,000 条测试样本，未微调的 Pixtral-12B 会把 Playground 误判为 Stadium，还会幻觉出不存在的类别名。
Mistral AIAI 评分5151 Mistral 发布 Codestral 25.08 及企业级完整编码栈
Mistral 发布 Codestral 25.08 及配套企业编码栈，涵盖补全、语义检索、智能体工作流和 Mistral Code IDE 插件，今日起可用于企业部署。
Mistral AI精选AI 评分6060 Mistral AI 公布 LLM 环境足迹研究，披露 Mistral Large 2 训练与 Le Chat 推理数据
Mistral AI 发布 LLM 全生命周期环境足迹研究，与 Carbone 4、法国生态转型署 ADEME 合作完成，并由 Resilio 和 Hubblo 复核。
推荐理由：Mistral 公布模型训练与推理的环境足迹核算口径及具体数据，可供评估 AI 环境影响时对照参考。
Mistral AIAI 评分5555 Mistral 为 Le Chat 推出 Deep Research、语音模式等新功能
Mistral 为 Le Chat 推出一批新功能，包括 Deep Research（预览）、语音模式、原生多语言推理、Projects 和图像编辑。Deep Research 由工具增强的研究 agent 驱动，可产出带引用的结构化报告；语音模式基于新语音模型 Voxtral，推理能力来自 Magistral 模型。
Mistral AI精选AI 评分6565 Mistral AI 发布语音理解模型 Voxtral，含 24B 和 3B 两个版本
Mistral AI 发布语音理解模型 Voxtral，提供 24B 和 3B 两个尺寸，均以 Apache 2.0 许可开源，并已上线其 API。模型支持 32k token 上下文，可处理最长 30 分钟的音频转写或 40 分钟的音频理解，还能根据语音意图直接触发函数调用。
推荐理由：原文对比了开源 ASR 与闭源 API 在成本、部署上的取舍，并给出两档尺寸和 API 定价，可作为语音方案选型参考。