值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
Google Research 提出智能体记忆框架 ReasoningBank，通过同时从成功和失败经验中提炼高层结构化推理模式与防错规则，使 AI 智能体在部署后具备测试时持续自进化能力。结合记忆感知测试时扩展（MaTTS）机制，智能体在 WebArena 和 SWE-bench Verified 评测中任务成功率分别提升 8.3% 与 4.6%，同时显著降低了无效探索步骤。
推荐理由：该研究将测试时扩展与智能体记忆机制结合，为解决智能体重复犯错和缺乏长程自进化能力提供了可落地的闭环框架。
Google 联合英国 NHS 在《Nature Cancer》发表两项研究，评估了乳腺癌筛查 AI 系统的独立性能及其融入临床双读工作流的可行性。在涵盖超 11 万名女性的回溯性与前瞻性测试中，AI 独立运行时的癌症检出率从每千人 7.54 例提升至 9.33 例，并检出 25% 原双读流程漏诊的间期癌。
推荐理由：研究通过超十万例真实筛查数据验证了算法替代第二阅片人的非劣效性，展示了医疗诊断场景下人机协同与工作流落地的量化路径。
Google 与 Beth Israel Deaconess Medical Center（BIDMC）合作完成了一项前瞻性单中心可行性研究，评估对话式医疗 AI 模型 AMIE 在门诊就诊前采集病史的实际表现。
推荐理由：该研究展示了对话式医疗模型从模拟环境走向真实门诊预诊的可行性与安全性数据。