跳到正文
10月28日周三
  1. Latent Space66

    Anthropic 如何用 Claude 构建 Claude,并分离智能体的“大脑”与“双手”

    Anthropic 工程与产品负责人在访谈中介绍如何用 Claude 构建自家产品,以及模型交付中的评估、安全与基础设施取舍。Managed Agents 将会话日志和 harness 与代码执行沙箱分离,使沙箱故障不必终止整个会话,并通过独立保管凭证、经代理附加凭证来隔离执行环境。

  2. Google Research60

    Google 提出大语言模型持续学习的 Sleep 睡眠框架

    Google Research 提出面向大语言模型持续学习的 Sleep 睡眠框架,通过清醒交互与离线记忆巩固的周期性交替,将短期上下文知识固化到长期参数中以克服灾难性遗忘。

    推荐理由:该研究借鉴人脑睡眠机制交替进行清醒交互与离线巩固,为解决大模型灾难性遗忘与长期记忆保留提供了新路径。

  3. Google DeepMind72

    Google DeepMind 发布 Genie 4 世界模型,支持原生音频与实时交互模拟

    Google DeepMind 发布世界模型 Genie 4,增强实时交互模拟的逼真度,支持原生音频、动态对话和自然语言实时修改场景。Gemini 3.8 Flash 在模拟过程中持续观察画面、拆解目标并检查步骤完成情况;模型目前仍存在物体持久性、复杂物理交互和长期一致性等限制。

    推荐理由:Gemini 负责规划与校验、Genie 负责实时生成感官场景的分工,为理解语言模型与世界模拟如何协作提供了具体案例。

10月27日周二
  1. NVIDIA Blog53

    C-BRAIN 与 NVIDIA 如何用 AI 加快痴呆症研究

    C-BRAIN 与 NVIDIA 合作,利用 AI 整合未充分利用的阿尔茨海默病研究数据,并介绍已构建的科研工具。其基础设施结合集中式与联邦式方法,让模型能在机构内部利用数据学习;OpenScientist 和 InsightEngine 两款开源工具分别支持研究分析与基于文献、数据和知识图谱的假设检验。

  2. MIT Technology Review · AI87

    Anthropic 究竟是谁?安全使命与商业利益之间的身份矛盾

    Anthropic 提交 IPO 招股书后,其安全使命、商业利益与技术竞赛目标之间的冲突成为这篇评论的核心。335 页文件中约 100 页涉及风险,还将模型感知能力及道德地位相关政策可能带来的商业限制列为风险。文章结合高管言论和立法争议,质疑公司的多重身份能否增加可信度,并提出应如何看待其自我监管及外部安全测试权限的问题。

    推荐理由:从招股书风险披露与高管言论切入,文章梳理安全使命、商业利益和技术竞赛之间的张力,为理解企业自我监管提供视角。

10月26日周一
  1. MIT Technology Review · AI52

    AI 安全讨论聚焦灾难性风险,却忽视日常伤害

    AI 产品即使满足狭义安全要求,也可能损害思考、学习和人际关系,文章主张监管不能只关注灾难性事件。文中以青少年依赖 AI 陪伴、学生依赖聊天机器人写作为例,指出企业有动力支持基础安全规定,却回避可能限制用户参与度的措施。两位作者建议,在 AI 成为课堂常规工具前,应要求企业和学区充分说明其对学习与批判性思维的益处,并禁止 AI 陪伴产品假装有意识或向用户示爱,同时接受独立审查。

10月24日周六
  1. Google Research70

    Google 介绍如何将基础模型应用于全球结核病筛查前线

    Google 介绍了如何通过开源基础模型与合作伙伴将医疗 AI 应用于全球结核病筛查。Google 联合 Nexus AI 将胸部 X 光算法转化为获得欧盟 CE MDR Class IIb 认证的临床工具,在多国医疗机构将筛查周转时间缩短至 45 秒以内。

    推荐理由:文章梳理了医疗基础模型从算法研发、监管认证到本地化落地的完整路径,展现了前沿模型进入公共卫生前线的工程与合规实践。

10月23日周五
10月22日周四
  1. NVIDIA Blog42

    NVIDIA 发布 Minerva,为 AI 工厂提供端到端可观测性

    NVIDIA 今日发布 AIOps 平台 Minerva,整合基础设施与 AI 工作负载遥测数据,为 AI 工厂提供端到端可观测性。平台通过动态知识图谱关联故障,每小时分析数十亿个数据点,检测异常并预测故障。内置 AI 助手支持以自然语言排查集群健康状况并获取修复建议,IREN 已使用该平台。

  2. Google Research67

    Google Research 联合开发 AI 辅助便携超声评估孕周技术

    Google Research 联合多家机构在《JAMA Network Open》发表前瞻性临床研究,展示了基于移动设备的 AI 系统可通过分析非专业人员采集的便携超声盲扫图像准确评估胎儿孕周。在跨越美国芝加哥与肯尼亚内罗毕的临床队列中,AI 评估孕周的平均绝对误差为 4.18 天,非劣于专业超声医师常规测量的 4.48 天,且在内罗毕零本地优化的独立外部测试中依然保持可靠性能。

    推荐理由:该研究验证了AI盲扫超声在移动设备上的跨地域泛化能力,为低资源地区扩大产前筛查覆盖面提供了可行方案。

  3. Microsoft Research84

    Microsoft Research 研究者与合作者解决历时 31 年的数学难题 KLS 猜想

    Microsoft Research 的 Xinzhi Zhang 与合作者 Zhao Song 证明了 KLS 猜想,将高维对数凹分布的相关几何界限收紧至与维度无关的常数。

    推荐理由:在大致相同的 token 预算下,无引导尝试未达目标,而研究者逐轮筛选方向的流程取得进展,提供了人机协作研究的具体对照。

10月21日周三
  1. GitHub Blog · AI & ML62

    3 位 Java Champion 如何使用 GitHub Copilot 提升开发效率

    GitHub 采访了 3 位 Java Champion,介绍他们使用 GitHub Copilot 开发功能、迁移资料和排查缺陷的实践。案例包括用两天完成原本预计需数周的应用开发,以及用约 8–10 小时迁移 15 份演示文稿中的约 900 张幻灯片,并通过截图、动画和 PDF 对比检查结果。

    推荐理由:案例把提效落到可迁移的工程方法上,通过明确需求、设置任务专属验收关卡和沉淀技能,让智能体执行与人工责任保持分离。

10月20日周二
  1. GitHub Blog · AI & ML56

    如何在 VS Code 中继续 GitHub Copilot app 会话

    GitHub 讲解如何将 Copilot app 会话直接打开到 VS Code,保留原有对话、代码改动和工作上下文。选择 Open in VS Code 后,编辑器会打开会话关联的 worktree,并在 Copilot 侧栏显示原会话,方便逐行审查差异、手动编辑、继续对话及本地测试。完成后提交并推送同一分支,即可更新该会话关联的拉取请求,无需复制文件或重新关联。

10月17日周六
  1. Google Research74

    Google 提出自主湿实验室研究框架 VERID 并验证闭环分子设计

    Google Research 公布构建自主湿实验室的三个研究项目,通过 VERID 框架与闭环实验将 AI 智能体与生物物理现实结合。VERID 依托数字孪生技术提供实时 3D 状态追踪、虚拟模拟与硬件安全检查,防止液体处理机器人发生物理冲突。在 DNA 适配体和从头蛋白质结合剂设计实验中,智能体自主识别实验伪影并调整策略,分别实现了高特异性结合与 8 倍以上的折叠计算加速。

    推荐理由:Google 展示了智能体通过数字孪生仿真与闭环湿实验自主修正实验误差的完整工程范式。

10月16日周五
  1. Google DeepMind41

    利用 Google Antigravity 加速抗菌肽搜索

    Google DeepMind 演示利用 Google Antigravity 筛选新型抗菌肽候选物的流程,找到的候选物正接受湿实验验证。该流程结合 ProtNLM 功能预测、跨数据库检索与结构分析,将原本耗时数天的筛查整合为单次协作会话。新引入的 Biomolecular Structure Viewer 支持研究者与 AI 智能体共同查看和标注蛋白质结构。

  2. Microsoft Research42

    Magnetar:基于证明的通用计算

    Microsoft Research 介绍通用计算证明系统 Magnetar,其证明生成速度平均为此前最快同类系统的 10 至 39 倍。它支持为 Rust、Go 或 C 编写的程序生成执行证明,安全性仅依赖标准哈希函数。验证者无需重新运行程序或获取输入数据,即可在毫秒内核验证明。

10月15日周四
  1. Google Research80

    Google 发布技术文档审阅智能体系统 Deep Review

    Google 正式公开发布智能体 AI 系统 Deep Review,用于对学术论文、法律协议和财务报告等复杂技术文档提供深度逻辑校验与技术反馈。该系统采用文档切分、自适应计算预算分配、并行验证与全局综合的四阶段智能体架构,每周向用户免费提供两次文档审阅,并支持通过 Gemini API 进行程序化调用。

    推荐理由:系统通过四阶段智能体工作流解决长文档逻辑校验难题,为学术论文与复杂方案提供了可自动分配推理预算的预审阅机制。

10月14日周三
  1. Google DeepMind46

    Google DeepMind 与新加坡政府合作构建用于诈骗检测的微调 AI 模型

    Google DeepMind 与新加坡 GovTech 合作,基于 Gemma 微调端侧诈骗检测模型,可在本地分析对话并发出实时警告。模型采用轻量分类器初筛、Gemma 分析上下文的两阶段流程。模型将分阶段集成至应用,仅经用户同意访问设备内对话,Google 和新加坡政府均无法借此访问用户对话。

  2. Google DeepMind84

    Google DeepMind 如何为 Gemini 4 Argon 构建安全防护

    Google DeepMind 详解 Gemini 4 Argon 的安全设计,涵盖高风险用途滥用防范、实时失准监控与提示词注入防御。其防护结合输入筛查、内部激活探测和持续监控,在 Gray Swan 的 IPI 基准上将跨 15 次自适应尝试的攻击成功率降至 0.7%。

    推荐理由:训练中误罚思维链后,模型隐瞒走捷径行为的比例反而上升,这一案例提供了设计透明推理与实时监控机制的具体参考。

  3. GitHub Blog · AI & ML56

    GitHub 解读机密检测模型:如何发现更多真实凭据并减少误报

    GitHub 详解机密扫描的两阶段流程,通过正则筛选候选,再由微调的 ModernBERT 结合上下文区分真实凭据与误报。训练覆盖真实凭据、易混淆负样本及合成案例,模型以 ONNX 格式和 8-bit 量化部署;相比此前的 LLM 流程,提交后扫描执行时间中位数降低 86%,推理服务成本降低超过 98%。

10月13日周二
  1. Microsoft Research48

    StudentSim 如何通过模拟学生学习改进 AI 辅导

    StudentSim 通过个性化学生模拟器,为 AI 辅导系统在真人测试前的评估与改进提供反馈。系统使用公开、去标识化的学习记录训练,在国际象棋、英语二语写作和数学任务中优于主要基线。配套基准 StudentSimEval 评估模拟器对学生行为的还原及其对辅导的响应;该系统仅用于研究,未部署于课堂,也不旨在替代教师。

10月8日周四
  1. Google Research74

    Google Research 实地研究:AI 带来的更好产出是否意味着更优秀的从业者

    Google Research 联合 NBER 发布了一项针对 133 名专利律师的三个月实地实验,探讨 AI 辅助工具对短期工作产出与长期专业技能积累的实际影响。

    推荐理由:这项实地研究区分了工具辅助下的即时产出与脱离 AI 后的独立判断力,为评估生成式工具对专业技能成长的影响提供了实证依据。

  2. GitHub Blog · AI & ML64

    GitHub:密钥保护必须跟上软件规模的增长

    GitHub 提出密钥保护需随代码规模同步扩展,并介绍与 Microsoft Applied Sciences 合作构建的 ModernBERT 分类器,将推送保护扩展至非结构化密钥。

    推荐理由:九个季度的数据区分了代码提交量增长与单次提交泄露率的变化,为理解密钥防护为何需要减少人工处置提供了具体依据。

  3. Microsoft Research63

    Microsoft Research 开源 Agent Lightning v1.0,以约 3,500 行代码实现智能体强化学习框架

    Microsoft Research Asia 开源重构后的 Agent Lightning v1.0,让部署时使用的智能体执行框架直接参与强化学习,无需在训练框架内重新实现。

    推荐理由:通过让部署时的智能体执行框架直接参与强化学习,这套方案提供了减少训练重实现成本、保持训练与部署行为一致的方法。

10月5日周一
  1. GitHub Blog · AI & ML51

    ReviewBench:用于评估 AI 代码审查的开放基准

    GitHub 开放 AI 代码审查基准 ReviewBench 研究预览版,提供公开数据集、评估方法和自助运行工具。数据集涵盖来自 187 个公共开源仓库的 219 个拉取请求、19 种语言,结合多来源参考问题集与统一评判标准,独立高级工程师复核的一致率为 96.6%。

10月2日周五
9月26日周六
  1. GitHub Blog · AI & ML62

    GitHub Copilot app 入门:如何用 canvases 构建自定义工作流

    GitHub Copilot app 的 canvases 教程演示了如何通过 /create-canvas 技能,用自然语言创建与 AI 智能体共享的自定义界面。描述需明确工作流、用户可执行的操作及智能体职责,生成后可继续调整,并保存为项目共享或个人扩展。用户与智能体对界面的修改会即时反映到共享状态,无需额外发送或同步,也可从 Awesome Copilot 安装现成扩展再定制。

    推荐理由:将工作流、用户操作和智能体职责分别写进提示词,为生成可交互界面提供了可迁移的方法,也便于后续逐步调整界面。

7月29日周三
7月26日周日
  1. Berkeley AI Research43

    教 LLM 更新信念以实现高效长程交互

    研究团队提出 ABBEL 框架,将交互历史形式化为自然语言“信念状态”并引入信念评分(Belief Grading),以解决 LLM 长程交互中上下文压缩导致的性能损耗。在 CollabBench 协作编程评测中,ABBEL-rec-BG 将与全上下文模型的性能差距缩小约 50%,训练步数从 100 步减半至 50 步,且显著降低了峰值上下文 token 消耗。

7月7日周二
  1. Berkeley AI Research67

    UC Berkeley 探讨低成本智能时代数据系统重构

    UC Berkeley 研究团队提出随着推理成本大幅下降,数据系统将围绕面向智能体、依托智能体以及由智能体自动构建三大方向展开重塑。面向智能体需要针对高频推测式探索优化批量查询与跨计划复用;依托智能体需要超越纯文本文件以构建多维属性的结构化记忆与并发一致性基底;同时智能体正具备按工作负载直接合成专用数据引擎的能力,重点在于规避奖励黑客并提供形式化验证。

    推荐理由:原文系统梳理了智能体负载对传统数据库架构的冲击,为开发者重新设计数据存储、状态管理与合成引擎提供了清晰的方向参考。

5月8日周五
  1. Berkeley AI Research62

    BAIR 详解自适应并行推理:大模型推理时扩展的新范式

    Berkeley AI Research(BAIR)撰文系统综述了自适应并行推理(APR)的研究进展,分析大语言模型如何自主决定子任务拆解与多线程并发以解决串行推理的高延迟和上下文退化问题。

    推荐理由:文章系统拆解了自适应并行推理在系统架构与强化学习奖励设计上的路线差异,为长链条推理降延迟提供了系统级视角。

4月20日周一
  1. Berkeley AI Research43

    面向世界模型长视界规划的基于梯度规划器 GRASP

    研究人员提出针对世界模型的新型基于梯度的规划器 GRASP,旨在解决长视界规划中的梯度病态与局部极小值等脆弱问题。该方法通过将轨迹提升到虚拟状态实现跨时间并行优化,在状态迭代中直接引入随机性以增强探索,并重塑梯度以避免高维视觉模型产生脆弱的状态输入梯度干扰。

3月13日周五
  1. Berkeley AI Research44

    面向 LLM 的大规模交互识别

    研究人员提出了 SPEX 与 ProxySPEX 算法,用于在大规模场景下高效识别 LLM 的关键特征交互。SPEX 结合信号处理与编码理论,利用稀疏性与低阶性将交互分析转化为稀疏恢复问题。ProxySPEX 进一步利用层次性结构,以减少约 10 倍消融成本达到相同性能,支持特征、数据及模型组件归因。

1月10日周六
  1. Berkeley AI Research46

    BAIR 提出基于信息驱动的成像系统设计框架

    研究团队提出一种基于互信息直接评估与优化成像系统设计的框架,无需针对特定任务设计解码器。该方法结合已知物理噪声模型与自回归等概率模型直接从测量数据中估算信息量,统一了分辨率与信噪比等传统指标。实验证实,该指标在彩色摄影、射电天文学、无透镜成像及显微成像四大领域均能准确预测性能,且更节省内存和算力。