🔥 今日头条：Google 将 AI 搜索广告扩展至国际市场，核心搜索广告增速放缓
Alphabet 财报显示搜索收入增速从 17% 降至 12%，股价盘后跌 8%。Google 选择将 AI Mode 广告推向国际市场并在美国测试多轮对话广告。这暴露了核心搜索广告见顶的焦虑，AI 广告被寄予厚望。然而，AI Mode 中赞助商品点击率与自然结果相当，意味着商业化尚未带来增量效率。对广告主而言，多轮对话广告可能重塑交互方式，但需警惕 AI 搜索对传统关键词广告的蚕食。短期看，收入阵痛难免；长期看，AI 原生广告是必由之路。
🚀 行业速递 Top 10
- Let the Gate Decide: Per-Lookup Precision for Quantized Conditional Memory in LLMs
论文提出 GateRQ，利用门控值动态分配精度，对长尾实体查询保留更多比特。在 DeepSeek-V4.1-Flash 上无需重训即可将 GPU 表内存减少 7.8 倍，vLLM 吞吐量提升 11%-31%，仅损失约 1 个 PopQA 点。
- Physiognomy Revisited: How Vision-Language Models Encode Sensitive Attributes Through Image Transformation
研究发现视觉语言模型在图像转换任务中会非确定性地遵从改变种族和性取向的请求，生成图像具有统计可区分性并强化刻板印象，且这种偏见会回流到文本推理任务，甚至可用于犯罪画像。
- PROBE: Frontier Coding Agents Find Different Bugs Than Maintainers Fix
PROBE 基准涵盖 20 个仓库的 2457 个真实修复 bug。前沿编码代理召回率低于 21%、精确率低于 9%，且发现的 bug 分布与维护者修复的显著不同。尽管精确率低，LLM 和人类评估者仍认为 85% 的发现有效。
- 预印本测试显示 15 个 LLM 检出临床试验论文方法学错误的能力超过人类同行评审
预印本测试 15 个 LLM 检测临床试验论文中植入的方法学错误，模型得分 53%-96%，人类审稿人平均仅 27%。Claude Opus 5.5 最高达 99%。人类仅 7% 能发现文本与表格矛盾，AI 耗时 1.4-16.3 分钟，人类需 5-8.5 小时。
- MedJev: Evaluating Zero-Shot System-One Decision Making in Medicine
MedJev 是可在笔记本本地运行的系统一医疗模型，在 MedQA 达 72.5%、USMLE 达 75.4%、NEJM 达 80.1%，接近 GPT-4 水平。住院死亡率预测 AUROC 0.926 超 XGBoost，但分诊任务不及监督模型。提出轻量重校准方法将 ECE 降至 0.007。
- Small agents should know what their tools do
论文提出 EffectWorld，通过效应类型工具声明和重放验证器，使小模型能安全高效调用工具。在 Qwen3-4B 上微调后，分布内任务成功率从 53% 升至 99%，分布外从 52% 升至 81%，输出 token 减少约三分之一。
- Google 发布 PLE 基准：最强 AI 智能体在物理工程任务上仅得 50.6%
Google 发布 PLE 基准，包含 85 项由执业工程师编写或审核的电气、土木、结构和机械工程任务。智能体每个任务需读取约 61 个项目文件并交付进度表、报告或 2D/3D 图纸，最强智能体仅得 50.6%。
- UnityBench-Mini3D: Evaluating LLM Agents for 3D Game Development in Unity
UnityBench-Mini3D 包含 77 个 Unity 项目级任务，按 7 类技能和 3 个难度分级，使用 1178 个人工编写的里程碑测试进行引擎内评估。21 个模型和 9 个编码框架平均通过率仅 57.7%，简单任务 80.9%，困难任务 35.2%。
- ResCom: Activation Residual Compensation for Large Language Model Quantization
ResCom 利用激活舍入残差进行低秩校正，无需梯度训练即可补偿量化误差。在 Llama-3-8B 4 比特下，WikiText-2 困惑度从 7.708 降至 7.147，MMLU 提升 2.89 个百分点，GSM8K 从 23.96% 升至 36.16%。
- Anthropic 报告：Claude 研究模型在 Chrome、Safari、Android、Windows、Linux 发现漏洞并串联 5 条攻击链
Anthropic 发布研究报告，称一个未公开的内部 Claude 研究模型在 Chrome、Safari、Android、Windows 和 Linux 中发现漏洞，串联出 5 条可实际运行的攻击链，相关漏洞已按协调披露流程报告并修复。
