AutoSynthData：为智能体生成企业训练数据
ServiceNow CoreAI 构建 AutoSynthData 框架，通过分析目标模型在企业环境</think>
#论文/研究
#论文/研究
今日 1 条Hugging Face BlogAI 评分3939
Microsoft ResearchAI 评分3232 <think>Let me analyze this article carefully.
The article is about Microsoft Research developing a machine learning system for forecasting space-weather risks on power grids. Key facts。
Google ResearchAI 评分3636 Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller 框架，将扩散模型去噪过程重构为连续控制问题，通过一个轻量级"转向阻尼器"附加网络引导生成、保持基础模型冻结不变。其白盒微调版本在 Stable Diffusion v1.4 上对基线模型取得 90% 胜率，并支持对无法修改内部权重的闭源模型进行控制。
Google ResearchAI 评分4040 Google Research：Retrieve-for-Train 框架如何绕过复杂 AI 搜索的推理瓶颈
Actually the original title structure is "Bypassing inference bottlenecks。
Google ResearchAI 评分4545 ToolGrad：利用文本"梯度"高效生成工具使用数据集
Google Research 在 ACL 2026 提出的 ToolGrad 采用"答案优先"范式：先生成工具调用链再反推用户查询，借助文本"梯度"迭代构建 API workflow。
Google ResearchAI 评分3434 <think>Let me analyze the original title and content:
Title: "AgentHands: Generating interactive hand gestures for spatially grounded agent conversations in XR" This is a research prototype introduction paper。
Berkeley AI ResearchAI 评分4343 ABBEL：Berkeley AI Research 教 LLM 更新信念状态以高效完成长程交互
Berkeley AI</think>
Berkeley AI ResearchAI 评分4242 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI Research 发布综述与视角文章，探讨自适应并行推理（Adaptive Parallel Reasoning）作为高效推理扩展的新范式。文章指出当前 Self-consistency、Best-of-N、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分4343 GRASP：面向长horizon世界模型的梯度规划方法
GRASP 是面向世界模型的梯度规划新方法，通过将轨迹提升为虚拟状态以跨时间并行优化、对状态迭代加入随机性以增强探索、并重塑梯度让动作获得清晰信号，解决长horizon规划中梯度条件变差、损失景观充满局部极小等难题。
Berkeley AI ResearchAI 评分3939 SPEX 与 ProxySPEX：面向大语言模型的可扩展交互识别方法
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大语言模型中以可扩展方式识别驱动模型行为的特征交互。方法借助信号处理与编码理论，基于稀疏性与低阶性假设将指数级搜索重构为可解的稀疏恢复问题；ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融次数达到与 SPEX 相当的性能，可应用于特征归因、数据归因与模型组件归因等可解释性任务。
Google ResearchAI 评分4040 Google Research 用 MapTrace 数据管线教多模态大语言模型读懂地图
Google Research 提出 MapTrace 合成数据生成管线，用于教多模态大语言模型（MLLM）在地图上追踪路径。该管线利用 Gemini 2.5 Pro 与 Imagen-4 生成多样化地图，并由 MLLM 充当 Mask Critic 与 Path Critic 把关质量，最终产出 200 万组带标注问答对并开源。
Google ResearchAI 评分3838 Google Research：通过分解式两阶段流程让小模型在设备端实现比肩大模型的用户意图提取
Google Research 在 EMNLP 2025 发表的论文提出分解式两阶段流程，先逐屏总结用户操作，再从屏幕摘要序列中提取意图，让小型多模态大语言模型可在设备端完成用户意图理解。该方法在移动端和网页轨迹上均优于 CoT 提示与端到端微调；其中 Gemini 1.5 Flash 8B 配合分解流程即可达到与 Gemini 1.5 Pro 相当的 F1 分数，同时显著降低成本与延迟。
Google ResearchAI 评分4646 NeuralGCM 利用 AI 更好地模拟长程全球降水
NeuralGCM 在 Science Advances 发表新版论文，直接以 NASA 2001–2018 年卫星降水观测训练混合 AI-物理模型，在 15 天天气预报与多年代气候模拟上均优于传统物理模型。相比 IPCC 报告所用领先工具，平均误差降低 40%，对最强 0.1% 极端降水及日变化周期改进尤为显著。
Berkeley AI ResearchAI 评分4444 基于信息驱动的成像系统设计
NeurIPS 2025 论文提出基于互信息的成像系统评估与设计框架，以信息量统一替代分辨率、信噪比等传统指标。方法利用已知噪声物理直接计算噪声熵，用概率模型（如 PixelCNN）估计测量分布，在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证了信息估计对解码器性能的预测能力。