跳到正文
全部动态
11月10日周二
  1. 产品与应用·One Useful Thing精选

    Ethan Mollick 实测 Claude Fable 5.2 称其接近 Jagged AGI

    Ethan Mollick 提前试用 Claude Fable 5.2 后认为,按他给出的定义,即 AI 在多数可用电脑完成的知识任务上达到多数人类专家水平,这已接近 AGI,但仍属他所说的 Jagged AGI。他用硬件破解、创业方案、复现 Auden 课程、原创学术论文和 3D 世界生成等项目测试,多数任务达到专家水准,例如一篇 182 页论文和 450 多个由代码实时绘制的世界。他指出主要短板是模型不会自己发现作品冗长、重复或乏味,评审 agent 只查错不查质量,因此他仍不放心让模型独立经营业务。

  2. 公司与融资·Latent Space

    Latent Space深度访谈:前沿实验室在买什么数据

    Latent Space首期AI数据公司深度访谈,对话Handshake AI团队。其AI训练业务约一年内从上线做到10亿美元年化毛收入,节目演示金融、生物、编码与对齐四类强化学习环境及VIALS基准,并讨论前沿实验室如何采购与评估专家数据。

  3. 政策与安全·MIT Technology Review AI

    佩洛西继任者当选,准备推动AI监管

    Scott Wiener赢下佩洛西旧金山席位进入国会,接受MIT科技评论采访称将推动联邦AI监管,包括设立强势监管机构、举报人保护、测试审计与“终止开关”,并反对联邦抢占州法。他援引METR报告称Anthropic或已实现递归自我改进,认为监管窗口正在关闭。

  4. 开源·Engineering at Meta官方

    Meta开源LLDB跨CPU/GPU调试插件架构

    Meta介绍其在LLDB中构建的厂商中立加速器插件架构,将CPU与GPU作为独立调试目标统一呈现。大部分通用框架已上游至LLVM,含插件接口、GDB远程协议包及模拟测试;仅在使用受支持GPU运行时时启用,纯CPU应用无额外开销。

11月9日周一
  1. 论文与研究·NVIDIA Blog官方精选

    NVIDIA 在 CoRL 发布开源世界动作模型 GR00T 2 与 Isaac Lab 3.0

    NVIDIA 在 CoRL 上发布开源世界动作模型 GR00T 2,基于 NVIDIA Cosmos 构建,训练数据包含 10 万小时 NVIDIA 开源人类第一视角数据。该模型在 50 个评测任务中无需任务专属演示即完成 40 个,每任务仅一条演示时平均成功率 71%,五条演示升至 95%。同时 NVIDIA 推出 Isaac Lab 3.0 与 Isaac Lab-Arena 0.4 开发者预览,前者与 Newton 结合在视觉灵巧操作基准上训练吞吐最高达 Isaac Lab 2.3 配 PhysX 的 2.5 倍。

  2. 论文与研究·Import AI

    Import AI 480:AI系统证明量子猜想、Meta触觉手套与分布式训练

    AI科学初创Physical Superintelligence用非公开Anthropic模型找到Aaronson-Ambainis量子猜想证明并经Lean验证;Meta Reality Labs发布Tactus触觉与姿态传感手套,用于精细操作数据采集;Core Automation跨9000英里、异构GPU集群完成约32B稀疏MoE分布式训练,并展望轨道算力。

  3. 公司与融资·NVIDIA Blog官方

    英伟达携手韩国多行业推进物理AI落地

    英伟达与三星、Kakao Mobility、LG电子等韩国企业合作推进物理AI:三星用cuISS、cuDSS、cuEST等加速半导体仿真,某AI均质化案例提速约1600倍;Kakao Mobility基于DRIVE AGX Thor与Halos开发L4自动驾驶;LG在真实工厂用Isaac GR00T驱动CLOiD机器人完成操作任务。

  4. 智能体·NVIDIA Blog官方

    英伟达推进韩国智能体AI安全生态

    英伟达介绍其开放智能体安全平台OpenShell:现代汽车集团正探索NemoClaw蓝图与OpenShell运行时,韩国AI安全公司AIM Intelligence将Starfort平台与OpenShell集成,结合运行时访问控制与恶意指令、数据泄露检测。LG AI Research开放基于Nemotron数据集开发的K-EXAONE-2.5 API访问。

  5. 公司与融资·NVIDIA Blog官方

    英伟达与韩国扩大主权AI合作

    英伟达与韩国科学技术信息通信部扩大主权AI合作,覆盖AI半导体、数据中心、人才、初创、模型、智能体与安全;韩国NPU/XPU企业可探索加入NVLink Fusion生态,英伟达还将与三家联合体及四家韩国基础模型公司用Dynamo优化推理,并宣布与SK电讯、Rebellions合作。

11月8日周日
  1. 产品与应用·Andrej Karpathy (@karpathy)

    Karpathy用Claude Code三分钟搭建TristanTube视频站

    Karpathy将Tristan的YouTube频道榜单做成TristanTube,收录4.7万个硬核视频并支持电视模式,称用Claude Code三分钟一次成型;此前他还用Claude筛选HN二十年4300万条评论做出HackerTube,并分享仅需手动建API密钥、开VPS和买域名的流程。

11月7日周六
  1. 产品与应用·GitHub Blog AI & ML官方

    GitHub发布Copilot智能体工程全流程指南

    GitHub博客介绍Copilot在规划、构建、验证、观察四阶段的智能体工程实践,包括Slack/Teams协作、云沙箱会话续接、堆叠PR、AI代码审查与自动修复等;并披露一周提交量超12亿、AI高采用团队PR审查时长增加441%。

  2. 模型发布·Mistral AI (@MistralAI)官方

    Mistral介绍Voxtral 3语音轮次结束检测

    Mistral AI发帖介绍Voxtral 3的轮次结束检测能力,可帮助开发者判断用户何时说完话,从而构建更及时的语音交互,减少对人工规则的依赖。

11月6日周五
  1. 产品与应用·MIT Technology Review AI

    我围观人形机器人打扫公寓:未来已来

    MIT科技评论记者体验旧金山初创Tau Robotics的人形机器人清洁服务:目前机器人由人类远程操控,靠摄像头观察并采集训练数据,部分吸尘拖地任务已可自主完成。服务收费从每小时30美元涨至两台机器人每周60美元,公司迄今仅完成约两百次清洁,机器人动作笨拙但已能完成厨房和马桶清洁。

  2. 模型发布·Google DeepMind Blog官方

    Google DeepMind 发布 Gemini Omni 1.2 Flash,支持15秒视频并降价30%

    Google DeepMind 发布 Gemini Omni 1.2 Flash,原生视频生成时长从 Omni 1.1 的 10 秒提升到 15 秒,并支持按 3 至 15 秒逐秒指定时长。720p 视频价格较 Omni 1.1 下调 30% 至每秒 $0.07,可先用 360p 或 720p 快速出稿再升到 1080p 或 4K。该模型已在 Gemini API 和 Gemini for business 全面开放,输出带 SynthID 水印。

  3. 模型发布·Google AI (The Keyword)官方精选

    Google 发布 Gemini Omni 1.2 Flash 视频模型,支持 15 秒片段并降价 30%

    Google DeepMind 发布 Gemini Omni 1.2 Flash,并在 Gemini API 与 Gemini for business 全面开放。该版本支持原生 15 秒视频生成,可按 1 秒步长指定 3 至 15 秒时长,720p 定价 $0.07/秒,较 Omni 1.1 降价 30%。新增多轮对话式编辑和更强的参考遵循,可组合人物、产品、风格图、3 秒以内运动片段与音频线索,保持人脸、服装和品牌色一致。

  4. 论文与研究·Google Research Blog官方精选

    Google Research 在 Nature 发表智能手表无袖带检测高血压的多模态 AI 研究

    Google Research 在 Nature 发表多模态 AI 系统 AI-PPG-ACC-HTN,用消费级智能手表的光电容积脉搏波(PPG)与加速度计(ACC)数据被动检测高血压迹象,无需袖带校准。系统先用 2109 名参与者共 492347 小时的无标注传感器数据做自监督预训练,再按人聚合多日嵌入向量并结合身高,用正则化逻辑回归输出连续高血压概率。在覆盖美国 5 个中心、196 名参与者的前瞻性多中心研究中,以 24 小时动态血压监测(ABPM)为金标准,初筛灵敏度 65.8%、特异度 90.0%、PPV 80.6%;在初始诊室血压升高的 48 人子集中,确认测试灵敏度 78.4%、特异度 90.9%、PPV 96.7%。作者称该工作属早期可行性研究,不替代袖带诊断,相关发现已用于 Google Health 应用的血 pressure trends Health Guardian 功能。

  5. 论文与研究·Microsoft Research官方

    微软发布PDD Kit:用形式化证明约束智能体写的代码

    微软研究院联合GitHub Next推出PDD Kit研究原型,将用户意图转为Verus形式化规范,对智能体生成的Rust代码逐输入证明其符合规范,证明无法覆盖处回退到测试。团队在约5000行Rust的全栈应用Pet Store上验证登录逻辑,开发者只需审阅意图而非逐行读代码。目前仅支持Rust,仍属研究原型。

11月5日周四
  1. 智能体·Mistral AI (@MistralAI)官方

    Mistral Studio推出托管智能体与应用

    Mistral AI宣布在Mistral Studio中推出托管智能体与应用,并新增工作流、企业连接、可观测性和评估能力,强调更快构建、可自选部署位置并保持控制权。

  2. 论文与研究·Apple Machine Learning Research官方

    苹果提出摊销MIPS方法,加速RAG检索

    苹果在ICML 2026论文中提出摊销最大内积搜索:针对固定键库离线训练小型神经网络,学习查询到最佳匹配的路由。SupportNet按簇近似支撑函数改进路由,KeyNet直接预测最佳键作为查询重写。在Natural Questions上,SupportNet达95%路由召回比质心路由快约1.9倍;KeyNet配合FAISS IVF达99%召回耗时最多减少约8倍。

  3. 政策与安全·MIT Technology Review AI

    得州选举变天,AI数据中心建设或受阻

    得州民主党在中期选举中拿下参议员、州长和州众议院,当选者竞选时主打反对数据中心,并推动暂停新建。此前州长 Abbott 已指示监管机构停发数据中心许可。得州是AI数据中心建设重镇,在建的Stargate Frontier和Nexus Hubbard规模巨大,政策转向可能拖慢大厂AI基建,但地方审批分散、工会态度等因素使实际执行仍存变数。

  4. 论文与研究·Google Research Blog官方

    Google开源Agile Deliberation:让AI帮人厘清主观分类边界

    Google Research提出Agile Deliberation框架,把主观视觉分类器的构建变成人与AI的迭代对话:先由系统引导用户拆解概念、明确排除项,再用视觉语言模型主动挑出边界模糊图片,让用户反馈并自动优化提示词。团队在18场1.5小时真人实验中测试健康食品与内容审核场景,称其分类一致性和表现优于零样本、AI自动拆解及人工调参等基线,并已开源代码与算法。

  5. 公司与融资·Interconnects

    开放模型推理经济规模有多大?

    Nathan Lambert 基于 Baseten、Fireworks、Together AI 等开放模型推理平台及 OpenRouter 的 token 数据,估算开放模型推理市场规模与增长趋势,并与 Google 等闭源及超大规模平台的 token 用量对比。文中提到 Fireworks 称每日服务超 40T token,该垂直业务较今夏增长逾 2 倍。

11月4日周三
  1. 智能体·Google DeepMind Blog官方

    Google为Antigravity推出化学信息学技能,药物发现流程缩至一小时

    Google DeepMind发布面向Google Antigravity的化学信息学技能,基于RDKit并连接ChEMBL与PubChem,可检索化合物、做匹配分子对分析和构建效力模型。官方演示以肺癌药物为例,代理在一小时内完成数千化合物筛选并提出新型大环分子及合成路线。技能现已上线,企业用户可用Google Cloud账号登录,另向1万名科学家提供6个月最高用量层级免费名额。

  2. 开源·Engineering at Meta官方

    Meta发布F3 Lightning:广告ML特征上线提速3.6倍

    Meta工程博客介绍F3 Lightning,在F3之上将特征发布与共享执行解耦,使每个特征可独立编译、验证、部署和回滚。通过稳定计算标识、统一执行计划、共享内存缓冲和稠密索引映射,在计算成本不增加的前提下,同类特征上线速度约为原F3的3.6倍,并支持更频繁的模型迭代。

11月3日周二
  1. 论文与研究·MIT Technology Review AI

    反向博弈论能否管住AI智能体?

    MIT科技评论介绍“反向博弈论”(机制设计)作为AI对齐新思路:不深挖模型内部,而是设计激励规则让智能体守规。文中引述MIT经济学家Stephen Morris等关于交叉验证防“放水”、智能体互相对抗的预印本,以及普林斯顿Elad Hazan让模型轮流扮演解题者与审计员的方案,并讨论智能体合谋、理性假设是否成立等局限。

  2. 模型发布·Google AI (The Keyword)官方

    Google十月AI更新:Gemini 4双模型与Genie 4世界模型

    Google回顾十月AI进展:Gemini 4 Argon全球上线,覆盖AI Studio、Gemini API、云与搜索;两周后宣布主打长程工程与网络安全防御的Gemini 4 Carbon,进入美国政府及可信防御方预发布测试;另推出实时交互世界模型Genie 4、SynthID检测器全球英文开放、开源嵌入模型EmbeddingGemma 2等。

11月2日周一
  1. 论文与研究·Import AI

    Import AI 479:实时任务基准、太空安全与Genie 4

    本期介绍Realtime-Bench实时交互基准,50项游戏与网页任务测试前沿模型,GPT-6 Astra墙钟通过率仅36%;另评DIA太空安全报告、Metis符号与神经推理融合研究,以及Google DeepMind Genie 4世界模型研究预览,支持实时修改、物理与人物模拟、原生音频。

  2. 产品与应用·Andrej Karpathy (@karpathy)

    Karpathy用Claude打造HackerTube视频推荐站

    Karpathy称周末用Claude Code与Opus 5.5,将HN二十年4300万条评论筛选为6454个常被推荐视频,搭建HackerTube,无需登录即可获得推荐,并公开评论分析数据供他人用Claude生成自己的版本。

10月31日周六
  1. 政策与安全·Interconnects

    开放权重模型是否加剧网络安全风险?

    作者复盘此前关于开放权重模型网络风险的判断,认为GLM-5.3等开放模型发布后并未出现所谓灾难性后果,风险更多来自AI能力扩散而非开源本身,并指出近期漏洞与攻击事件中闭源模型参与更多。

10月30日周五
  1. 产品与应用·Google DeepMind Blog官方

    PlanAssist试点评估时间减58%,扩至12个英国规划机构

    Google DeepMind与英国政府合作的AI规划工具PlanAssist,在Barnet、Camden、Dorset试点中把常规住宅申请评估时间平均缩短58%,超70%生成报告无需修改即获批准。工具现进入12个月Beta阶段,新增12个地方规划机构分三批接入,总数达15个;若测试顺利,英国政府计划2027年向英格兰所有地方议会开放,最终决定仍由规划官员审核。

  2. 论文与研究·Microsoft Research官方

    微软用合成企业数据评测Copilot

    微软研究院介绍其Industry Evaluation Data Generation Platform:基于O*NET、招聘信息和SEC文件构建全合成企业租户环境,自动生成行业评测查询,并称合成数据质量综合分提升39%、部分环境超0.9,该平台已成为Copilot首个标准化评测基线,全程不使用真实客户数据。

  3. 论文与研究·Microsoft Research官方

    微软研究聚焦第97期:智能体框架与蛋白质模型

    微软研究播客汇总多项进展:自改进智能体框架ForkPilot在六个基准上降低最多59%算力;CABRA框架揭示编码智能体理解陌生代码库仍是主要瓶颈;TeleTune从活动日志学习可复用技能;Copilot使用分析显示文档编辑占比超20%;Shiksha Copilot在印度低资源学校减少教师备课时间;PBC天气预报框架在竞赛中夺冠并部署肯尼亚;蛋白质基础模型BioEmu2开放公开预览。

  4. 论文与研究·Amazon Science官方

    亚马逊科学:蒸馏+Medusa让旅行LLM快20倍、成本降三分之二

    亚马逊科学介绍与Booking.com合作的研究:将知识蒸馏与Medusa并行解码结合,把70B教师模型能力迁移到1.1B学生模型,在旅行规划、智能筛选和住宿描述生成三个场景中保持质量,速度提升10–20倍、成本低于三分之一,该工作曾获ACL工业赛道最佳论文奖。

  5. 论文与研究·Engineering at Meta官方

    Meta规模化部署LLM即时测试系统JiTTests

    Meta公布Catching JiTTests生产部署结果:系统在代码合入前用LLM自动生成可执行测试,结合意图感知与dodgy diff双流程、LLM-as-Judge集成与规则评估器过滤误报,并采用human-on-the-loop减少人工审查。已有589名工程师参与,真阳性率60%;2026年上半年在合入前捕获74个严重隐私Bug,隐私SEV下降20%。

10月29日周四
  1. 模型发布·Google DeepMind Blog官方精选

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon,称其在网络安全与长周期任务上达到当前最强水平,在 Artificial Analysis 智能指数 v5.0 上以 59 分排名第一。Carbon 在漏洞发现 SEC-bench Pro 得 88.2%、漏洞利用 ExploitGym 得 54.8%、补丁修复 CWE-bench 得 71.0%,WebDev Arena 升至 1768 分排第 4。本周起先向部分网络安全防御者开放,再通过 Fairwind Program 逐步扩大,定价与 Argon 相同,输入 $2、输出 $10 每百万 tokens。

  2. 论文与研究·Engineering at Meta官方

    Meta发布下一代Andromeda广告检索系统

    Meta介绍下一代广告检索系统Andromeda,将LLM式MoE引入检索,并把索引匹配、打分与Top-K选择融合到单GPU流水线。官方称单卡吞吐超10亿广告/秒,较2024版提升约100倍,推理FLOPs减少约300倍;自2025年起Facebook转化率提升2.4%。

10月28日周三
  1. 论文与研究·Interconnects

    Interconnects评析AA v5基准:榜单的两难

    Nathan Lambert评析Artificial Analysis Intelligence Index v5的权重与排名,讨论单一智能指数在聚合分数、开源与闭源差距、私有基准透明度上的取舍,并指出基准机构商业模式带来的信任困境。

  2. 论文与研究·Google Research Blog官方

    谷歌提出“睡眠框架”:让LLM持续学习不忘旧知

    谷歌研究院提出“睡眠框架”,让大模型在活跃交互与离线“睡眠”阶段间交替:睡眠时通过MoE参数扩展、知识蒸馏与强化学习模仿巩固短期记忆,并以“做梦”式自生成样本自我提升。实验称在满语等未见语言翻译上近乎零遗忘,BABILong长上下文理解可扩展至1000万token,事实知识注入与数学推理均优于SFT、GRPO等基线。

  3. 产品与应用·Engineering at Meta官方

    Meta详解PrivacyLib:每秒数十亿次隐私检查,并管控内部AI智能体

    Meta工程博客深入介绍PrivacyLib:它作为通用库嵌入数百个数据与处理系统客户端,在数据访问边界执行隐私检查,每秒完成数十亿次检查,新隐私需求以模块形式复用既有集成。针对内部AI智能体,新增Agent Observability模块,通过AgentLib把工具调用与智能体会话关联并传播上下文,结合Policy Zones在数据返回前阻断不允许的访问。