Google Research 發表 PHRM 研究，探索智能手機被動監測心率與靜息心率
Google Research 在 Nature 發表 PHRM 研究系統，透過智能手機前置鏡頭在面部解鎖後擷取 8 秒影片，於日常使用中被動估算心率（HR）及每日靜息心率（RHR）。
推薦理由：研究結合實驗室測試與八日自由生活驗證，按膚色報告 HR 誤差，並呈現 RHR 估算覆蓋率及穿戴裝置對照，讓讀者掌握日常使用中的證據範圍。
#論文/研究
#論文/研究
今日 3 條Google Research精選AI 評分6565
OpenAI News精選AI 評分6767 OpenAI 模型解決 80 年單位距離問題並推翻離散幾何重要猜想
OpenAI 的一個模型解決了有 80 年歷史的單位距離問題，推翻離散幾何中的一項重要猜想。這項成果標誌著 AI 驅動數學的一個里程碑。
推薦理由：這項成果為 AI 驅動數學提供一個具體案例，呈現模型解決離散幾何 80 年單位距離問題並推翻重要猜想的結果。
Google DeepMind精選AI 評分6363 Google DeepMind 的 Co-Scientist 發掘可再利用的抗肝纖維化候選藥物
Stanford University School of Medicine 的 Gary Peltz 團隊測試 Co-Scientist 提出的 3 種肝纖維化候選藥物，當中 2 種阻止纖維化並促進肝細胞再生。
推薦理由：研究在同一活體人類肝細胞平台比較 Co-Scientist 與研究者挑選的藥物，呈現系統從少量相關文獻線索中找到候選藥物的案例。
Google DeepMind精選AI 評分6060 Google DeepMind 宣佈 AI co-clinician 醫療研究計劃，探索醫療協作模式
Google DeepMind 宣佈 AI co-clinician 研究計劃，探索讓 AI 在醫生專業監督下協助患者照護。在 98 個基層醫療問題的評估中，97 個案例錄得零項嚴重錯誤；在開放式藥物問答中，系統表現勝過可用的前沿 AI 系統。
推薦理由：文章並列呈現 AI co-clinician 在證據整理、藥物問答和多模態問診的測試結果，並以醫生整體表現較佳界定其臨牀輔助定位。
Berkeley AI ResearchAI 評分4747 GRASP：面向更長時域的世界模型梯度式規劃
GRASP 是一種面向學習型世界模型的梯度式規劃器，透過虛擬狀態並行化時間步最佳化，令長時域規劃更實用。它在狀態迭代中直接加入隨機性以探索，並重塑梯度，讓動作取得清晰訊號，同時避開穿過高維視覺模型的不穩定「狀態輸入」梯度。
Google ResearchAI 評分5151 Google Research 評估大語言模型行為傾向的對齊程度
Google Research 提出一套評估大語言模型行為傾向與人類偏好對齊程度的框架，並分析 25 個大語言模型。研究將經驗證的心理問卷改編為情境判斷測試，並以 550 名參與者中每題 10 名標註者的偏好分佈作比較。結果顯示，模型在低人類共識情境仍普遍過度自信，部分模型的自我陳述亦與其在情境中的行為傾向不一致。
Google DeepMind精選AI 評分6464 Google DeepMind 公開 AI 有害操縱評估工具包及研究結果
Google DeepMind 公開一套經實證驗證的工具包及研究材料，用於評估 AI 有害操縱能力，並衡量操縱成效與模型採用操縱手法的傾向。研究涵蓋 9 項研究及逾 10,000 名來自英國、美國和印度的參與者，涉及金融、健康等高風險領域；結果顯示，不同領域的操縱成效不能互相推定，AI 在健康相關議題上達成有害操縱的效果最低。
推薦理由：研究把有害操縱評估拆分為操縱成效與模型採用操縱手法的傾向，並發現不同領域的結果不能互相推定，為高風險情境評估提供可複用方法。
Google ResearchAI 評分4242 描繪現代世界：S2Vec 如何學習城市語言
Google Research 開發 S2Vec，透過自監督學習將建成環境特徵轉為通用嵌入向量。評測中，S2Vec 在美國人口密度及中位收入等未見地區的零樣本地理適應任務中，通常是表現最佳的單一模型，但樹冠覆蓋、海拔等環境任務仍有改進空間。S2Vec 與影像嵌入向量融合，整體通常優於單一模態。
Google Research精選AI 評分7070 Google Research 探討機器學習如何改善乳癌篩查流程
Google Research 與 NHS 合作開展兩項研究，評估 AI 單獨讀片及融入乳癌篩查雙讀仲裁流程的表現。單獨讀片評估的癌症檢出率由每 1,000 名女性 7.54 升至 9.33，AI 亦檢出原雙讀流程漏掉的間隔癌中的 25%。融入雙讀仲裁後，流程在癌症檢出敏感度和特異度上達非劣效，估計可減少 46% 的人工讀片；但仲裁者曾推翻 AI 對 93 宗陽性癌症個案作出的正確召回判斷。
推薦理由：兩項研究分別檢視 AI 單獨讀片及加入人機仲裁後的流程，讓讀者同時衡量讀片人力效益與仲裁風險。
Google DeepMindAI 評分5050 Google DeepMind 發佈衡量 AGI 進展的認知框架，並聯手 Kaggle 啟動評測黑客松
Google DeepMind 發佈衡量 AI 邁向 AGI 進展的認知框架，提出 10 項假設對通用智能重要的認知能力。框架建議以涵蓋各能力的任務、具人口代表性的成人基準，以及 AI 相對人類表現分佈的比較，分三階段評估系統。
OpenAI NewsAI 評分4141 ChatGPT 為勞工提供薪酬資訊洞見
美國人每天向 ChatGPT 發送近 300 萬則詢問薪酬與收入的訊息，這些查詢有助縮小薪資資訊差距。
Google Research精選AI 評分7373 Google Research 推出 Groundsource，以 Gemini 將新聞報道轉化為突發洪水資料
Google Research 推出 Groundsource，利用 Gemini 從新聞報道抽取突發洪水事件，建立涵蓋 150 多個國家的 2.6 million 筆開放歷史資料集。
推薦理由：文章列出 Groundsource 的人工核驗數據和 GDACS 事件匹配結果，讓讀者比較新聞抽取資料的時空準確度與既有災害檔案覆蓋情況。
Google Research精選AI 評分6767 Google Research 探討 AMIE 對話式診斷 AI 在真實臨牀研究中的可行性
Google Research 的前瞻性研究在真實門診流程中評估 AMIE 用於就診前病史採集的可行性。研究納入 100 名成人，互動由醫師即時監督且沒有觸發安全停止；AMIE 的鑑別診斷在 90% 個案中涵蓋最終診斷，前三項診斷準確率為 75%。研究屬單中心文字聊天研究，沒有對照組；PCP 的管理方案在實用性及成本效益方面較佳。
推薦理由：這項研究將 AMIE 用於門診前病史採集，展示即時醫師監督下的安全與診斷評估，亦交代單中心、無對照設計的限制。
OpenAI NewsAI 評分2727 IH-Challenge 改善前沿大語言模型的指令層級
IH-Challenge 訓練模型優先遵循可信指令，改善前沿大語言模型的指令層級。此訓練亦提升模型的安全可引導性，以及抵禦提示詞注入攻擊的能力。
OpenAI NewsAI 評分5454 OpenAI 研究發現推理模型難以控制思維鏈，這有利於安全監控
OpenAI 介紹 CoT-Control，並發現推理模型難以控制自身思維鏈，進一步凸顯可監控性作為 AI 安全保障的作用。
Google ResearchAI 評分4747 教導 LLM 以貝葉斯方式推理
Google Research 透過「貝葉斯教學」訓練 LLM 模仿貝葉斯助理的預測，提升推薦表現並泛化至其他任務。此方法採用監督式微調；在航班推薦測試中，未經特定訓練的 LLM 表現遠遜最優貝葉斯助理，且常在一次互動後便不再進步。
OpenAI NewsAI 評分3939 GPT-5.2 Pro 協助將 single-minus 振幅延伸至引力子
新預印本將 single-minus 振幅延伸至引力子，GPT-5.2 Pro 協助推導及驗證量子引力中的非零引力子樹振幅。
OpenAI NewsAI 評分2121 OpenAI 打擊 AI 的惡意用途｜2026 年 2 月
OpenAI 最新威脅報告探討惡意行為者如何將 AI 模型與網站及社交平台結合使用。報告亦分析這類活動對偵測與防禦工作的意義。
Google ResearchAI 評分5050 MapTrace：以合成數據訓練 MLLM 追蹤地圖路徑
Google Research 提出 MapTrace，以合成數據訓練多模態大語言模型（MLLM）在地圖上追蹤有效路徑，應對模型難以理解空間幾何與拓撲關係的問題。
OpenAI News精選AI 評分7373 GPT-5.2 推導出理論物理學新結果，提出膠子振幅公式
GPT-5.2 在理論物理中提出一條新的膠子振幅公式，一篇新預印本記錄了這項結果。OpenAI 與學術合作者其後正式證明並驗證了該公式。
推薦理由：材料交代 GPT-5.2 提出的膠子振幅公式及 OpenAI 與學術合作者其後的正式證明和驗證，呈現模型研究結果的核查環節。
Google ResearchAI 評分4949 超越一對一：以 DialogLab 編寫、模擬及測試動態人類與 AI 羣體對話
Google Research 提出開源原型框架 DialogLab，用於編寫、模擬及測試動態人類與 AI 羣體對話。框架採用「編寫、測試、驗證」流程，並以視覺化介面及驗證儀錶板協助設計與分析對話。14 名參與者的評估顯示，人類控制模式顯著更具投入感，並普遍被認為更有效、寫實。
Google ResearchAI 評分4242 Google 如何運用 AI 工具重新定義通用設計、提升無障礙程度
Google 提出 Natively Adaptive Interfaces（NAI）框架，以多模態 AI 工具建立更個人化、具適應性的無障礙應用介面。NAI 主張按情境資訊作出設計決策，並以動態、由智能體驅動的模組取代靜態導覽。Gemini 原型可將即時影片轉為互動音訊描述，讓使用者即時查詢畫面細節。
OpenAI NewsAI 評分5151 GPT-5.3-Codex 系統卡稱其為迄今能力最強的智能體編碼模型
GPT-5.3-Codex 系統卡將該模型描述為迄今能力最強的智能體編碼模型。它結合 GPT-5.2-Codex 的前沿編碼表現，以及 GPT-5.2 的推理和專業知識能力。
Google ResearchAI 評分3939 Sequential Attention：讓 AI 模型在不犧牲準確度下更精簡、更快速
Google Research提出 Sequential Attention，將子集選擇整合至單次模型訓練，以較低開銷提升模型效率並維持準確度。該方法以注意力分數逐步挑選特徵，在多項神經網絡基準測試中取得最先進結果。
Google ResearchAI 評分5959 Google Research 與 Included Health 宣佈將開展全美對話式 AI 虛擬醫療隨機研究
Google Research 與 Included Health 宣佈，待機構審查委員會（IRB）批准後，將在全美開展前瞻性、經參與者同意的隨機研究，評估對話式 AI 在真實虛擬醫療流程中的表現。研究將把 AI 管理患者互動的能力與限制，和標準臨牀實踐比較，從模擬研究及單中心可行性測試推進至全國規模的真實臨牀評估。
Google ResearchAI 評分5858 Google Research 探討智能體系統的規模化原理及有效條件
Google Research 團隊對 180 種智能體配置進行受控評估，提出智能體系統的量化規模化原則。在可並行的金融推理任務中，集中式協作較單智能體提升 80.9%；在 PlanCraft 的序列規劃任務中，多智能體方案則令表現下降 39–70%。研究的預測模型根據工具數量及任務可拆解程度，對 87% 未見任務配置正確識別最佳協作策略。
Google ResearchAI 評分5454 ATLAS 提出多語言模型的實用 scaling laws
Google Research 提出 ATLAS 多語言 scaling laws，相關研究將於 ICLR 2026 發表，基於 774 次訓練實驗，涵蓋 10M–8B 參數模型。
Google ResearchAI 評分4545 介紹 GIST：智能採樣的下一階段
Google Research 在 NeurIPS 2025 介紹 GIST，這種資料子集選取演算法兼顧多樣性與效用。GIST 保證所選子集的價值至少達絕對最優解價值的一半，並在圖像分類等基準任務中超越最先進方法。
Google ResearchAI 評分4444 小模型，大成果：Google Research 以分解方法提升意圖提取效果
Google Research提出分解式流程，令小型多模態 LLM 從網頁及手機互動軌跡提取意圖，表現勝過 CoT 提示和端到端微調。流程先逐屏摘要，再從摘要序列抽取整體意圖；測試涵蓋手機、網頁軌跡及 Gemini、Qwen2 基礎模型。Gemini 1.5 Flash 8B 配合此法，效果可媲美 Gemini 1.5 Pro，展示裝置端意圖理解的應用潛力。
Hugging Face BlogAI 評分5151 AssetOpsBench 彌合 AI 智能體基準與工業實務的落差
AssetOpsBench 是面向工業資產運維的 AI 智能體基準與評估系統，從六項質性維度評估智能體表現。它涵蓋 2.3M 個感測遙測點、4.2K 張工單及 53 種結構化失效模式，並以 881 條執行軌跡分析失敗。社羣測試中，沒有受測模型達到部署準備門檻 85 分；多智能體任務準確率為 47%，低於單智能體的 68%。
Google Research精選AI 評分6363 NeuralGCM 利用 AI 改善全球長期降水模擬
Google Research 在 Science Advances 發表 NeuralGCM 降水研究，報告模型在 280 km 解析度下改善最長 15 天的降水預報及多年氣候模擬。
推薦理由：研究展示以 NASA 衞星降水觀測直接訓練 NeuralGCM 機器學習部分的做法，並呈現極端降水與日變化模擬的改善。
Berkeley AI ResearchAI 評分5050 資訊驅動的成像系統設計：互信息評估與 IDEAL 優化
Berkeley AI Research 提出一套以互信息直接評估及優化成像系統的框架，並在 NeurIPS 2025 論文中驗證其對四類成像應用的預測能力。方法利用含噪測量與已知噪聲模型估算互信息，測試涵蓋彩色攝影、射電天文、無透鏡成像和顯微鏡。IDEAL 僅優化成像系統的編碼器，不需反向傳播整個解碼器；在色彩濾光片設計中，結果匹配端到端優化，並減少記憶體及計算需求。
OpenAI NewsAI 評分5555 OpenAI 評估鏈式推理的可監測性
OpenAI 推出一套評估鏈式推理可監測性的框架與評測套件，涵蓋 24 個環境中的 13 項評測。研究結果顯示，監測模型內部推理比只監測輸出有效得多，並為 AI 系統日益強大時的可擴展控制提供一條有前景的路徑。
OpenAI NewsAI 評分1818 企業 AI 採用現況
OpenAI 以數據呈現企業 AI 採用現況，展示組織如何從實驗走向實際生產力提升與新能力拓展。
Google ResearchAI 評分4545 Urania：洞察 AI 聊天機械人使用情況的差分隱私框架
Google Research 提出 Urania，以差分隱私分析 AI 聊天機械人對話，提供端到端形式化隱私保證，避免單一對話過度影響摘要。框架透過差分隱私聚類及關鍵詞提取，再讓 LLM 僅根據經私隱保護的關鍵詞生成摘要，不接觸原始對話。與非差分隱私基線比較時，LLM 評估者在一項評測中最多有 70% 的情況偏好 Urania 的摘要。
Google DeepMindAI 評分5959 FACTS Benchmark Suite 系統評估大語言模型事實準確性
Google DeepMind 與 Kaggle 推出 FACTS Benchmark Suite，透過四項基準評估大語言模型的事實準確性。套件包含更新版 Grounding Benchmark - v2，以及 Parametric、Search、Multimodal 三項基準，並公開提供 3,513 個例子；Kaggle 管理私有保留集並維護公開排行榜。
Google ResearchAI 評分5959 Google Research 提出 Titans 架構與 MIRAS 框架，探索 AI 長期記憶
Google Research 在兩篇新論文中提出 Titans 架構與 MIRAS 理論框架，旨在結合 RNN 的速度與 Transformer 的準確度，支援長期記憶。
Google ResearchAI 評分5252 Google Research 推出 MSEB，評測八項機器聽覺能力
Google Research 推出 Massive Sound Embedding Benchmark（MSEB），以統一框架評估八項機器聽覺能力。基準涵蓋語義與聲學任務，並可評估不同類型的模型；初步實驗顯示，現有聲音表徵在八項任務上仍有明顯提升空間。
OpenAI NewsAI 評分3030 OpenAI 如何透過「confessions」讓語言模型保持誠實
OpenAI 研究人員正測試「confessions」方法，訓練模型在犯錯或作出不當行為時承認問題。此方法旨在提升 AI 誠實度與透明度，並增進對模型輸出的信任。
Google DeepMind精選AI 評分7272 AlphaFold 助研究人員解析心臟病關鍵蛋白 apoB100 的結構
密蘇裏大學研究人員結合 AlphaFold 預測與冷凍電子顯微鏡（cryo-EM）影像，解析了構成「壞膽固醇」低密度脂蛋白（LDL）的關鍵蛋白 apoB100 結構。
推薦理由：這項工作展示了 AlphaFold 的原子級結構預測如何與冷凍電鏡影像互補，協助研究人員解析 apoB100 結構，並為研究 LDL 與 ASCVD 提供結構依據。