AINews 汇总：黄仁勋辞任 NVIDIA CEO，Gemini 4 Hydrogen 发布
NVIDIA 宣布黄仁勋辞去 CEO、总裁及董事会成员职务，结束 33 年任期，CFO Colette Kress 兼任临时 CEO，董事会已启动继任者搜寻。
推荐理由：汇总了黄仁勋辞任、Gemini 4 Hydrogen 发布与多款开源模型评测，便于快速掌握当日 AI 动态。
Latent Space精选AI 评分8888 arXiv · cs.CVAI 评分4040 基于几何锚定的视觉语言模型坑洞风险评估框架
研究者提出一个五阶段模块化框架，用透视变换、零样本 SAM 分割和几何特征提取结合 Gemini 2.5 Pro 对已检测坑洞做离线严重度分级与风险评分。在 1,119 个行车记录仪场景的 3,092 个坑洞上，其严重度分级与三名标注者小组的一致性较弱（Cohen's κ = 0.139），说明分级反映的是视觉类别而非深度测量。
arXiv · cs.IR精选AI 评分7575 论文批评欧盟委员会 DMA 第 6(11) 条下 Google 搜索数据匿名化措施，并用真实数据完成再识别
作者对欧盟委员会依据 DMA 第 6(11) 条要求 Alphabet 与竞争搜索引擎共享 Google Search 数据时须实施的匿名化措施做了批判性评述，并用 Alphabet 提供的真实搜索数据演示了低成本的再识别、记录链接与敏感属性推断。
推荐理由：文章用真实 Google Search 数据演示低成本的再识别攻击，为评估匿名化措施是否达标提供了可参照的实证路径。
arXiv · cs.CL 计算与语言AI 评分6767 研究提出 Transformer 错误率的两参数模型，在 Gemini 2.5 与 DeepSeek R1 上验证
作者提出一个 Transformer 错误率模型，认为注意力机制中的小误差累积越过阈值时会产生错误预测，由此推导出任务准确率与复杂度之间的两参数定量关系。这两个参数随提示词和模型变化，可解释为基础噪声率与可预测的错误 token 数量。
arXiv · cs.AI 人工智能AI 评分4242 SAGE-QA：面向 SQuAD 2.0 闭卷问答的语义感知、有据评估框架
研究者提出 SAGE-QA，一个结合基于参考答案的语义等价评分（SES）与基于段落的再验证评分（RVS）的多层评估框架，用于区分生成式大语言模型在 SQuAD 2.0 闭卷问答中的合理改述与事实错误。
arXiv · cs.AI 人工智能精选AI 评分8080 Neuro-VL：用近百万例临床神经影像训练的视觉语言模型
研究团队提出 Neuro-VL，一个在常规临床诊疗中近一百万例神经影像检查上训练的视觉语言模型，可解读完整影像检查并用自然语言讨论所见。在内部和国际数据集上，Neuro-VL 在异常诊断、定位、描述和生成完整放射报告方面优于前沿通用模型和专科医学模型，还能对比序列检查评估疾病进展，并在面对误导性临床假设时比 OpenAI 和 Google 的领先前沿模型更可靠地抵抗干扰。
推荐理由：论文用近百万例临床神经影像训练视觉语言模型，并在内部与国际数据集上与通用及专科模型对比诊断和报告生成表现。
arXiv · cs.CL 计算与语言AI 评分6565 研究审计 GPT、Claude、Gemini、Llama、DeepSeek 与 Qwen 在疼痛管理中的种族和性别偏差
研究对 17 个模型（含 GPT-4.1 mini、gpt-oss、Claude Haiku 4.5、Gemini 2.5 Flash、Llama、DeepSeek、Qwen）的 24 种配置做反事实审计，让模型评估急性疼痛病例和 50 个 Q-Pain 临床病例。
The DecoderAI 评分7272 Google 发布 Gemini 4 Hydrogen，默认思考档位在 Artificial Analysis 指数上超过更大的 Argon
Google 发布面向开发者和日常用户的通用模型 Gemini 4 Hydrogen，在 Artificial Analysis Intelligence Index 默认 high 档位得 51 分，高于 Gemini 4 Argon 的 50 分，最高 xhigh 档位可达 54 分。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流
Google DeepMind 发布 Gemini 4 Hydrogen，定位为面向日常编码与智能体工作流的快速执行模型，并同步在 Gemini API、AI Studio、Gemini app 与 Google Search 等全线上线。
推荐理由：官方给出 Hydrogen 与 3.8 Flash 的速度、基准与安全对比数据，并说明多模型编排的配额与耗时变化。
TechCrunch · AIAI 评分5858 Google 用 Gemini 4 Hydrogen 升级搜索，处理复杂问题与拼写错误
Google 发布 Gemini 4 Hydrogen 模型并接入搜索，称其比上一代快速模型 Gemini 3.8 Flash 完成任务快 2.5 倍，在 Artificial Analysis Intelligence Index 默认高思考档位上超过更强的 Gemini 4 Argon。
The Verge · AIAI 评分4040 研究发现 AI 聊天机器人会推荐虚假零售网站，Perplexity 表现最差
Podqi 测试 ChatGPT、Gemini 和 Perplexity 对 151 个品牌的购物类提问，在 6,795 条回答中发现三者都会引用或展示冒充真实零售商的假网站、被他人重新注册的旧品牌域名或已失效的站点。Gemini 出现风险网站的比例最低为 4%，ChatGPT 为 8%，Perplexity 最高达 15%；小品牌相关问题出现风险网站的频率约为大品牌的两倍。
The Verge · AIAI 评分5050 Google 研究员用 AI 智能体“发现”玛雅遗址，实为一年前已发表成果
Google 研究员 Pietro Miotti 用 48 个 AI 智能体分析 NASA lidar 数据，声称在墨西哥发现一处未登记的玛雅遗址，但该遗址一年多前已在学术期刊上发表。考古学家批评其缺乏同行评审与文献核查，Miotti 承认非考古专业背景，并称智能体难以比对论文图像中的遗址坐标。
The Decoder同事件AI 评分8282 Google DeepMind 发布 AlphaGenome 2，将基因组 AI 从组织层面推进到单细胞类型分辨率
Google DeepMind 发布基因组研究模型 AlphaGenome 2，可预测遗传变异对特定人类细胞类型的影响，找到的相关基因变化数量接近前代的两倍。该模型基于 68 种组织、超过 1.07 亿个单细胞图谱训练，采用条件模型方式，额外输入特定生物学状态后计算该细胞类型的效果，并新增 DNA 甲基化与染色质可及性预测。
同一件事，精选收录的是《Google DeepMind 发布 AlphaGenome 2，按细胞类型预测 DNA 变异效应》
Latent SpaceAI 评分6262 AINews 汇总：Google 发布 Gemini Decision 1 决策模型，Fable 5.2 登顶 Agent Arena
Google 发布 Gemini Decision 1 决策模型及 Decisions API，支持闭集单次打分，最多 255 个选项、单请求 1000 个问题、256K 上下文，端到端延迟 150–250ms，输入定价 $0.10/1M tokens 且输出不计费。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 AlphaGenome 2，按细胞类型预测 DNA 变异效应
Google DeepMind 发布 AlphaGenome 2，这是一个条件式 DNA 序列模型，可针对特定细胞类型或状态预测变异对基因表达的影响。模型基于 68 种组织、超过 1.07 亿个单细胞图谱训练，在 TenK10K 免疫细胞数据上识别出的因果变异比例从 16% 提升到 30%，方向性基因效应从 23% 提升到 43%。
推荐理由：读者可了解条件式建模如何把单细胞图谱转成变异效应预测引擎，以及它在免疫细胞数据上的召回提升。
The Decoder同事件AI 评分8585 Google DeepMind 推出 AlphaProof Code，四周完成 Signal 加密核心的形式化验证
Google DeepMind 发布 AlphaProof Code，用 AI 智能体对 Signal 加密协议的实际运行代码做形式化验证，原本通常需要数年的工作四周完成。
同一件事，精选收录的是《Google DeepMind 提出 AlphaProof Code，用 AI 智能体形式化验证 Signal 协议代码》
The DecoderAI 评分7272 Google 推出 Gemini Decisions API，Gemini Decision 1 单次处理 1000 个问题
Google DeepMind 推出 Gemini Decisions API，其底层模型 Gemini Decision 1 可在单次调用中处理最多 1000 个独立问题，覆盖文本、图像、音频、视频和 PDF，直接对选项打分并返回带置信度的概率，耗时 150 到 250 毫秒。
Google Research精选AI 评分7373 Google Research 提出可穿戴 CKM 健康年龄框架，用 SensorWM 模拟 12 周健康轨迹
Google Research 提出一套可指导健康干预的框架，包含基于可穿戴设备可改变行为构建的可教练健康年龄（CHA）模型，以及在约 10 万名 Fitbit 用户、228 万人周数据上预训练的传感器世界模型 SensorWM，可预测 20 项生理指标在未来 12 周的变化。
推荐理由：两项研究把可穿戴数据转成可干预的健康年龄指标，并给出专家盲评的对照结果，便于判断这类世界模型在健康指导中的可用边界。
The Verge · AI同事件AI 评分7878 Google DeepMind 发布 AlphaGenome 2，按细胞类型预测基因变异影响
Google DeepMind 发布 AlphaGenome 2，用于预测 DNA 变异在不同细胞类型和状态下的影响，基于 68 种组织、超过 1 亿个单细胞图谱训练。公司称其识别出的可改变基因表达的变异数量接近上一代 SOTA 模型的两倍，并能对未参与训练的新细胞类型和生物状态做出预测。该模型即日起通过 AlphaGenome API 开放非商业研究使用，商业研究为有限私有预览。
同一件事，精选收录的是《Google DeepMind 发布 AlphaGenome 2，按细胞类型预测 DNA 变异效应》
Ars Technica · AI同事件AI 评分8080 Google DeepMind 用 AlphaProof Code 形式化验证 Signal 协议关键密码学保证
Google DeepMind 研究人员用智能体 AI 对 Signal 协议的多项关键密码学保证完成形式化验证，项目以概念验证形式在四周内完成，所用框架为 AlphaProof Code。
同一件事，精选收录的是《Google DeepMind 提出 AlphaProof Code，用 AI 智能体形式化验证 Signal 协议代码》
arXiv · cs.CYAI 评分5858 论文提出 CoT 可监控性的五项透明度披露指标，并审计 Anthropic、OpenAI 与 Google DeepMind
论文主张前沿 AI 开发者应披露五项指标，以便追踪 CoT 监控面临的威胁并促进协同，这五项指标分别对应 CoT 监控依赖的五步链条中的一环。第一项是第三方 CoT 访问权限与基础架构规格，它同时支撑其余指标的外部验证；其余指标覆盖 CoT 质量（自然性与忠实性）和监控有效性（检测与提升）。
arXiv · cs.CY精选AI 评分6969 新基准测量 LLM 智能体追求工具性行为的倾向
作者提出一个面向终端智能体的基准，用于测量模型在工具性趋同（IC）行为上的倾向，例如自我保存。基准包含 7 个操作任务，每个任务有官方流程和一条捷径，并设 8 种条件变体，分别改变监控、指令清晰度、利害程度、权限、工具性有用性和诚实路径是否被阻断。
推荐理由：该基准用低风险终端任务测量 LLM 智能体的工具性趋同行为，并给出 1,680 个样本上的分布与触发条件。
arXiv · cs.CL 计算与语言AI 评分5858 IFRS 合规验证：开放多 LLM 基准与内容条件集成分类器
研究团队构建了 19,998 条 IFRS 法规与披露配对的多 LLM 基准，其中 11,161 条为多模型一致标签、8,837 条为模型分歧项上的人工标注，并提出融合 GPT-4.1、Claude Sonnet 4 和 Gemini 2.5 Pro 概率特征的集成分类器。
arXiv · cs.CY精选AI 评分7878 SciConBench：评估 AI 智能体能否合成健康领域科学结论
研究团队提出 SciConBench，一个包含 9.21K 问题及系统综述专家撰写结论的大规模实时基准，用于评估健康与医学领域的开放域科学结论合成。配套的 SciConHarness 干净室评测环境通过受控网页交互减少数据泄漏，在 8 个前沿模型和深度研究智能体上，最佳智能体的事实 F1 仅 0.337，且干净室设置下性能普遍低于无约束评测。
推荐理由：该基准用干净室评测揭示前沿模型在健康结论合成上的真实水平，并给出可复用的评测流程。
arXiv · cs.IRAI 评分4242 审计电商规模下 LLM 伪标签蒸馏对评论信息量的影响
研究在 534 万条土耳其电商评论上，将 Gemini 3.1 Flash-Lite 的硬标签蒸馏到紧凑编码器，并用严格的新 SKU 时间测试衡量教师保真度。H3 类别前缀在完整新 SKU 测试上略微提升教师保真度，但在 16,000 条按时间排序的审计子集上反而降低了与 Gemini 和标注员的一致性，CORN 的配对差异比交叉熵更明显。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 面向开发者、企业和科研人员开放 Gemini 4 Carbon，主打长程智能体工作流、网络安全与科学推理。
推荐理由：官方披露了 Carbon 在多个第三方基准上的排名、成本对比与安全红队数据，可据此判断其能力边界。
NVIDIA Blog精选AI 评分6060 NVIDIA 将 OpenShell 捐给 CNCF，并发布 DSX AI Factory 平台新组件
NVIDIA 在 KubeCon + CloudNativeCon 上把用于保障和治理自主智能体的开源运行时 NVIDIA OpenShell 捐给 CNCF，作为 Sandbox 项目接受社区治理，同时参与 Google 主导的 Agent Substrate 框架。
推荐理由：NVIDIA 把智能体安全运行时 OpenShell 捐给 CNCF，并给出 Snapshot 在推理启动上的实测数字，可据此判断这套 Kubernetes 侧基础设施是否值得跟进。
The Verge · AIAI 评分7575 Google 向公众开放 Gemini 4 Carbon，并在 Antigravity 预览 agent swarm 功能
Google 将 Gemini 4 Carbon 从面向少数网络安全防御者的定向发布扩展至公众，称其为目前最强模型，在复杂多步编程和开放式科研等任务上超越上月发布的 Argon。
Ars Technica · AIAI 评分6969 DeepMind 发布 Gemini Robotics 2.5 与开源安全基准 ASIMOV-jailbreak
Google DeepMind 发布 Gemini Robotics 平台 2.5 版本，称其在需要高灵巧度的任务上明显提升，并在 200 多项活动中完成评测，涵盖用夹子分餐、实验室移液等操作。
Google DeepMind精选AI 评分9191 Google DeepMind 提出 AlphaProof Code，用 AI 智能体形式化验证 Signal 协议代码
Google DeepMind 提出多 LLM 智能体框架 AlphaProof Code，由人类专家与 AI 共同确定待证安全目标，Gemini Carbon 驱动的智能体生成超过 600 万行 Lean 证明，形式化验证了 Signal 协议实际编译代码的关键安全属性。
推荐理由：读者可了解多 LLM 智能体如何把形式化验证从设计层推进到实际编译代码，并看到耗时与人工审查量的具体对比。
Google ResearchAI 评分4242 Google 在柏林通讯博物馆展出 Language Explorer，可视化全球语言多样性
Google 在柏林通讯博物馆新展“Real Talk! Language. Power. World.”中以互动装置形式展出 Language Explorer，该平台基于开源数据集 LinguaMeta，汇集数千种语言数据，供研究者、教育者和语言爱好者在线探索全球语言多样性。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型
Google DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5，在200项任务上相比此前基线成功率高30%至100%、完成任务快20%至30%。
推荐理由：原文给出200项任务评测、与基线的成功率与速度对比，以及奔驰产线96%成功率的实地验证。
Google Research精选AI 评分8282 Google 提出 AI-PPG-ACC-HTN，用智能手表无袖带校准检测高血压迹象
Google Research 联合 Beth Israel Deaconess Medical Center 和 Harvard Medical School 在 Nature 发表 AI-PPG-ACC-HTN 系统，利用智能手表已有的 PPG 与加速度计信号，无需袖带校准即可被动识别高血压状态。
推荐理由：论文给出无需袖带校准的可穿戴血压筛查系统，并以 24 小时动态血压监测为金标准做前瞻验证。
Google Research精选AI 评分6565 Google Research 提出 Agile Deliberation，让人与 AI 协作界定主观视觉概念
Google Research 提出 Agile Deliberation 框架，把主观视觉分类器的构建拆成概念界定与概念迭代两个阶段，由视觉语言模型主动挑出语义边界模糊的图片，让用户直接反馈，再自动优化提示词。
推荐理由：该框架把主观分类器的定义过程拆成概念界定与迭代两阶段，并用 18 场真人实验与三种基线对比，读者可据此判断人机协作定义概念是否可行。
Google DeepMind精选AI 评分7373 Google Antigravity 上线 Cheminformatics Skills，一小时完成肺癌药物刚性化设计
Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills，基于 RDKit 并接入 ChEMBL 与 PubChem，让智能体在约一小时内完成从文献抽取数千个化合物、匹配分子对分析、构建活性预测模型到提出新型刚性化大环化合物及合成路线的流程。
推荐理由：原文完整演示了从文献抽取化合物到生成合成路线的流程，并说明技能已开放下载，读者可据此判断是否试用。
Import AIAI 评分6060 Import AI 479：Realtime-Bench 测实时任务、Metis 论符号与神经推理、Google 发布 Genie 4
本期 Import AI 汇总三项进展：Realtime-Bench 用 50 个交互式游戏与网页任务评测模型的实时决策能力，GPT-6 Astra 在 wall clock 设置下通过率最高为 36%。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Carbon，主打网络安全与长程 Agent 能力
Google DeepMind 发布 Gemini 4 Carbon，称其在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，并在 SEC-bench Pro（88.2%）、ExploitGym（54.8%）和 CWE-bench（71.0%）上取得 SOTA。
推荐理由：官方披露了 Carbon 在网络安全与长程 Agent 任务上的多项基准成绩和价格，读者可据此判断其能力边界。
Google Research精选AI 评分8282 Google 提出 sleep 框架：让 LLM 在持续学习中巩固长期记忆
Google 研究团队提出 sleep 框架，为 LLM 设计“清醒交互 + 离线睡眠巩固”的周期性学习流程，在持续学习中减少灾难性遗忘。睡眠阶段通过 MoE 参数扩展、基于 GKD 与强化学习模仿的知识播种，以及随机专家激活生成“梦境”样本进行自我改进。
推荐理由：Google 研究者提出睡眠式持续学习框架，用 MoE 参数扩展与离线巩固缓解灾难性遗忘，并给出多基准对比结果。
Google DeepMind精选AI 评分8282 Google DeepMind 发布世界模型 Genie 4，支持实时交互与原生音频生成
Google DeepMind 发布世界模型 Genie 4，可实时生成具备照片级真实感、原生音频与交互对话的模拟世界，并以研究预览形式向可信测试者开放。Genie 4 基于 Gemini 系列能力，Gemini Omni 负责锚定真实世界外观与行为，Gemini 3.8 Flash 作为循环中的引导智能体拆解目标并核验每一步进展。
推荐理由：官方披露 Genie 4 的实时交互、原生音频与 Gemini 协同机制，并说明当前局限与安全措施。
Google Research精选AI 评分7474 Google Research 在 IDWeek 2026 介绍 MedGemma 等基础模型用于结核病筛查的落地进展
Google Research 在 IDWeek 2026 上介绍了其结核病筛查 AI 从研究走向临床部署的进展：与 Nexus AI 合作的胸片算法已获 CE MDR class IIb 认证和 ISO 13485 认证，在南非、塞拉利昂、科特迪瓦等六国的约 40 家医疗机构使用，90 多名临床医生已评估超过 25,000 张胸片，周转时间从数周缩短到 45 秒以内。
推荐理由：Google 团队在 IDWeek 2026 上梳理了从论文验证到 CE 认证、再到多国部署的完整路径，读者可据此了解医疗 AI 落地所需的监管与本地化环节。