跳到正文
只看一手
10月22日周四
  4. NVIDIA Blog71

    NVIDIA 扩展 Cosmos 平台，新增世界模型训练、评测与部署工具

    NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图，并在 GTC Berlin 把 Cosmos Framework 的训练优化技能扩展到更多开放模型，同时发布 Cosmos 3。

    推荐理由：原文列出数据工厂蓝图、训练框架与推理加速的完整链路，读者可据此判断世界模型的工程化门槛变化。

  10. Hugging Face Blog75

    NVIDIA 发布关系型基础模型 Kumo Relational，无需训练即可预测

    NVIDIA 发布预训练关系型基础模型 Kumo Relational，直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化。在 15 个数据库的 41 项任务上，它超过监督式关系深度学习模型和专家特征工程 GBDT 管线；在 SAP SALT 企业基准上，其 MRR 比 AutoGluon 集成高 8%，微调后扩大到 16%。

    推荐理由：原文给出与企业数据库上直接预测的对比结果和开放权重，可供读者判断无需训练的范式在关系型数据上走到哪一步。

  11. Hugging Face Blog42

    如何通过专化 SLM 词表将实际应用中的推理成本降低 77%

    基于 Qwen3-4B 的葡萄牙语作文评分系统通过 VocabX 重建词表，在基座模型、数据和训练配方不变的情况下，实测推理成本降低 77%。该系统的输出层矩阵从约 15.2 万行缩减至约 6.5 万行，因为解码阶段每个生成 token 都要读取整个 LM head 矩阵，且生成一个 token 的成本是读取一个 token 的 7.4 倍。

  13. Google Research65

    Google Research 用 AI 辅助超声评估孕周，普通操作员盲扫结果接近专家水平

    Google Research 在 JAMA Network Open 发表研究，评估其孕周评估 AI 模型在“盲扫”超声下跨临床场景与硬件的泛化能力。

    推荐理由：论文给出了跨芝加哥和内罗毕两地、零本地优化条件下的误差对比，可以了解模型在真实诊所与便携探头上的泛化表现。

10月21日周三
  4. Microsoft Research15

    微软研究院播客：Catalyst Lab 负责人 Chris White 谈从 DARPA 到暗网搜索的技术公益之路

    微软研究院播客中，Principal Technical Program Manager Weishung Liu 对话 Catalyst Lab 负责人 Chris White，回顾他从哈佛博士后到在阿富汗领导先进技术运营、再到担任 DARPA 项目经理的经历，并讲述他转向暗网搜索工具以打击人口贩运的选择。节目还讨论了问题选择在创新中的作用，以及见识人性阴暗面后如何保持希望。

10月20日周二
  1. Mistral AI78

    Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK

    Mistral 发布 Voxtral 3 系列语音模型和基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说合成一条实时流式管线，单轮响应在 1 秒内。

    推荐理由：Mistral 一次性发布语音转写、语音合成和语音智能体 SDK 这整套语音栈，并给出价格与基准对比，读者可据此评估自建语音 Agent 的成本与替代方案。

10月17日周六
  1. Google Research80

    Google Research 用三个项目让 AI 智能体接入真实湿实验室

    Google Research 发布研究博客，介绍用 VERID 框架和适配体、蛋白质设计两类闭环实验，把 AI 智能体从干实验（in-silico）设计推进到湿实验室执行。

    推荐理由：Google Research 用三个具体项目说明了智能体如何接入湿实验室的物理执行与闭环实验，其中包含多轮失败模式的分析。

10月16日周五
  2. Microsoft Research67

    微软研究院推出零知识证明虚拟机 Magnetar

    微软研究院发布零知识证明虚拟机 Magnetar，可证明用 Rust、Go、C 编写的程序，在 15 个基准程序上平均比现有最快的同类 zkVM 快 10 至 39 倍。它基于 RISC-V 架构，开发者无需手写密码学电路，安全性仅依赖 SHA-256、SHA-3 等标准哈希函数，不依赖椭圆曲线、格或可信设置。其证明校验时间约 12 毫秒，笔记本上每秒可证明 7.2 至 8.7 百万条处理器指令。

    推荐理由：微软研究院的新零知识证明虚拟机宣称比现有最快同类的 zkVM 快 10 至 39 倍，并仅依赖标准哈希函数，读者可借此理解这条技术路线的取舍。

10月15日周四
  1. Mistral AI65

    Mistral 发布时间序列基础模型 Timestral，209M 版本在三项基准居首

    Mistral AI 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四个尺寸。最大的 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准的预训练零样本模型中均排名第一，参数量为前 SOTA 的三分之二。

    推荐理由：原文给出了四个尺寸的参数量、三项基准排名和 CPU 推理延迟，便于横向比较时间序列基础模型的准确率与成本。

  2. Google Research76

    Google 发布文档审阅智能体系统 Deep Review

    Google 公开发布智能体 AI 系统 Deep Review，面向复杂技术文档提供反馈与技术核查，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。该系统由四阶段智能体流水线构成，包括文档分段、自适应预算分配、深度并行验证和全局综合与外部依据核查。

    推荐理由：官方公布了四阶段智能体流程与会议试点规模，可以据此判断自动审阅在投稿流程中的位置。

10月14日周三
  2. Google DeepMind77

    Google DeepMind 介绍 Gemini 4 Argon 的安全与责任开发

    Google DeepMind 开始广泛推送 Gemini 4 Argon，并同期扩大 Fairwind Program 的可信网络安全防御者范围。文中称 Argon 在网络安全测试中解出全部 12 个端到端模拟攻击场景（上一代为 5 个），并在生物、网络两类高风险领域启用新一代前沿防护。

    推荐理由：Google 披露 Gemini 4 Argon 在网络安全与生物领域的前沿能力及对应防护设计，可了解模型能力扩张时的安全取舍。

  3. GitHub Blog · AI & ML54

    GitHub 揭秘密钥检测模型：用 ModernBERT 替代 LLM 流水线

    GitHub 披露其密钥扫描模型采用正则候选生成加 ModernBERT 分类的两阶段流水线，替换此前的 LLM 方案。在线上 A/B 测试中，仓库所有者加权接受率提升 11.5%，push 后扫描中位执行时间降低 86%，服务成本降低超过 98%。离线评估显示，同流量下新流水线精度提升 13%、召回率提升 19%；模型以 8-bit 量化导出为 ONNX 用于推理。

  5. Google DeepMind95

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。

    推荐理由：官方给出多领域实测与定价细节，可据此判断新模型在编码、科研和企业工作流中的具体位置。

10月13日周二
  2. Microsoft Research48

    Microsoft Research 用 StudentSim 模拟学生学习，改进 AI 辅导系统

    Microsoft Research 提出 StudentSim，可用公开的去标识学习者记录为每个学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导系统。该研究报告在 chess、第二语言英语写作和数学上，StudentSim 优于领先基线，并提供有用的反馈信号。团队还发布 StudentSimEval 评测基准，从行为保真度与指导响应性两个维度评估模拟器。

10月8日周四
  1. Google Research60

    Google Research：AI 辅助带来更好产出，是否等于更好的专业能力？

    Google Research 在 11 家知识产权律所的 133 名律师中开展三个月现场实验，随机向其中三分之二的律师开放当时尚未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）。

    推荐理由：Google 团队通过三个月现场实验并配合去掉 AI 后的盲评，区分了 AI 带来的短期产出提升与长期专业判断的养成。

  3. Microsoft Research80

    微软研究院开源 Agent Lightning v1.0，约 3500 行代码的轻量 agent RL 框架

    微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量 agent 强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练。

    推荐理由：微软研究院开源这个框架，可以直接解决真实 agent harness 接入 RL 训练时重复实现的问题，并给出了可复现的编码智能体训练流程。

10月7日周三
  1. Google DeepMind72

    Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，这是一个可原生映射文本、图像、音频和视频到统一嵌入空间的多模态嵌入模型，基于 Gemma 4 架构，采用 Apache 2.0 许可，参数量 7.4 亿。

    推荐理由：EmbeddingGemma 2 把文本、图像、音频和视频嵌入统一到 7.4 亿参数的端侧模型，给出各模态参数拆分和内存占用，便于评估私有化检索方案。

  2. Microsoft Research34

    Microsoft 研究副总裁 Jennifer Neville 谈 AI 的失败与评估能教会我们什么

    Microsoft 研究合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动当前 AI 系统突破传统基准的性能边界，以及模型在超出传统 benchmark 测试时出现的"意外失败"。她同时分享了使用当前 AI 系统的实用建议，并强调当结果出乎预期时应仔细检查数据。