RESEARCH · LIBRARY
Live papers
11 materials
paper
AlphaProof Code 首次形式化验证 Signal 加密协议实现
Google DeepMind 发布 AlphaProof Code，一个结合人类专家与多LLM智能体的形式化验证框架，首次对广泛部署的 Signal 协议编译代码完成了数学级安全属性证明，将传统需专家数年完成的任务缩短至四周，并开源验证工件供社区使用。paper
Google Research 发布 Agile Deliberation 框架：用 AI 辅助人类定义主观视觉分类边界
Google Research 发布 Agile Deliberation 框架，帮助人类系统化定义主观概念（如健康食品、误导性内容）的视觉分类边界。该框架将流程分为概念范围界定和概念迭代两个阶段：前者引导用户建立子类别与排除规则的结构化基础，后者通过 VLM 主动呈现语义边界案例，驱动用户在图片反馈中自然澄清意图并自动更新模型。paper
反向博弈论如何约束AI智能体
研究人员提出反向博弈论通过激励设计约束AI智能体，例如奖励模型预测其他模型回答的能力以抑制“沙盒测试”。该方案还包括竞争性动态及“解决者”与“审计者”角色轮替机制。目前相关理论仅发布于预印本阶段。paper
The sleep framework：让 LLM 在持续学习中保留知识的睡眠框架
Google Research 提出 sleep framework，通过模拟人类睡眠机制帮助大语言模型在持续学习中稳定保留知识。该框架交替运行 active（wake）phase 和 sleep phase，利用 MoE 与 Hope 架构进行参数扩展、GKD 知识播种及 synapse pruning，支持模型将短期上下文转化为长期参数。paper
Google Research 推进 AI 胸片模型用于结核病筛查
Google Research 与合作伙伴协作，将基于深度学习算法的胸部 X 光筛查工具推进至临床部署，已获得 CE MDR Class IIb 认证并在六国运行，已完成超两万次阅片，同时将 chest X-ray embeddings 与 MedGemma 等多模态基础模型开源，全球下载超千万次，印尼卫生部正基于该开源模型推进全国结核病筛查计划。paper
ForTy 2020：Google DeepMind 与伙伴发布 10 米级全球森林类型地图
Google DeepMind、Google Research 联合世界资源研究所和国际应用系统分析研究所发布 ForTy 2020，这是首张 10 米分辨率的全球森林类型地图，将地球每块土地归入六种类型之一，并附 2017 至 2025 年时间序列追踪森林变化。paper
微软研究员与AI协作解决31年KLS猜想，确立高维几何通用原理
Microsoft Research研究员Xinzhi Zhang与合作者证明Kannan-Lovász-Simonovits（KLS）猜想，确立了log-concave分布中简单超平面切割始终能以固定因子捕捉最窄瓶颈的维度无关几何原理。paper
Magnetar 的基于证明的通用计算
微软研究院推出 Magnetar，一种基于零知识证明的通用计算系统。它能对用 Rust、Go 或 C 编写的程序生成简短证明，平均比此前最快的可比系统快 10 到 39 倍，且安全仅依赖标准哈希函数。该成果是微软研究院十余年研究的最新进展。paper
ABBEL：用自然语言信念状态实现高效记忆交互
伯克利AI研究所提出ABBEL框架，将总结过程建模为可更新的自然语言信念状态并通过重建目标进行监督。在CollabBench协作编码任务中，ABBEL-rec-BG相比全上下文模型缩小了约50%的性能差距，且峰值token更少、训练步骤减半；在Combination Lock游戏中配合领域知识信念评估器可达到或接近全上下文水平。论文链接 arXiv:2512.20111。paper
GRASP 如何让世界模型实现更稳定的长时域梯度规划
Berkeley AI Research 提出 GRASP，一种针对学习动态模型的基于梯度的规划方法，使长时域规划更实用。该方案将轨迹提升到虚拟状态以实现时间上的并行优化，向状态迭代直接添加随机性以支持探索，并重塑梯度以避免高维视觉模型中脆弱的“状态-输入”梯度。paper
向量数据是如何工作的
Berkeley AI Research 发布 SPEX 和 ProxySPEX 算法，用于在特征归因、数据归因和机制可解释性层面高效识别影响 LLM 输出的关键交互。SPEX 基于稀疏恢复和信号处理理论，ProxySPEX 进一步利用层次结构假设减少约 10 倍消融次数。代码已集成至 SHAP-IQ 开源仓库，适用于数千组件规模的分析任务。