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。
美国法官驳回特朗普关于 EPA 可单方面撤销所有《清洁空气法》诉讼的主张，马斯克旗下 SpaceXAI 仍须面对孟菲斯 Colossus 数据中心未经许可燃气轮机的污染诉讼。NAACP 此前起诉要求其使用最佳可用污染控制技术，并按每项违规每日最高 124,426 美元处以罚款。
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。
AT&T 正与 OpenAI 合作，让法律知识更易获取，其 LegalEdge 团队借此重新设计需求受理流程，并扩大法律判断能力的覆盖范围。
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。
Hugging Face 博客发布 TorchNeuron 性能剖析系列第一部分，讲解如何在 AWS Trainium 上用 torch.profiler 配合 Neuron 后端捕获干净的性能 trace。
Microsoft Research 的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，给出一项与维度无关的固定界。
推荐理由：这项证明本身是数学进展，更有价值的是把研究路径讲成了人机分工范式，读者可据此理解 AI 在科研协作中扮演的角色。
Ars Technica 报道，靠广告变现的 AI 初创公司 OpenEvidence 正快速增长，估值达 150 亿美元，不少医生可能已在使用该产品。报道同时指出，它的回答准确性和广告模式仍受到质疑。
IBM 更新 Granite Speech 系列三款模型，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
作者用 Claude Mods 定制 Claude Code 的工作流，并用它对照 OpenAI 和 Cursor 的同类设计。Claude Mods 是运行在 Claude Code 内的 TypeScript/JavaScript 插件，可响应提示词、工具调用、界面渲染等事件并改写默认行为，作者还自己写了 Next Steps Supervisor 等 mod。
Mistral 与 NVIDIA 正合作把 Mistral Large 4 与 NVIDIA CUDA-X、Warp 及 Omniverse 结合，用于加速工程仿真并打通仿真、模型开发与设计之间的闭环工作流。
DeepSeek 开源了支撑 V4.1 Flash 的生产推理框架 DeepInfer，并发布配套的 deepseek-recipe 协议转换库，支持 NVIDIA SM100 与华为昇腾 950，KV cache 管理和负载均衡等组件因与内部基础设施耦合暂未完整放出。
推荐理由：材料把 DeepSeek 开源推理栈的架构设计与经济测算放在一起，读者可据 vLLM 的对比视角判断其可复用程度。
Meta 在遭遇 AI 相关反对声后，从商业服务条款中删除了“训练”一词。条款有所改动，但仍未加入尊重 robots.txt 的内容。
三位拥有 10 年以上 Java 经验的 Java Champion 分享了用 GitHub Copilot 在生产和开源项目中提效的实践。Vlad Mihalcea 用 Copilot 在 IntelliJ IDEA 中把原本需数周的应用开发缩短到两天，并按任务切换模型，复杂推理用带 100 万上下文窗口的 Opus。
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。
企业 AI 正从零散的聊天机器人实验变成业务基础层，衡量成本的重点也从每 token 或每 GPU 小时的价格转向"每个有用产出的有效成本"，即完成可用工作所需的平台、模型、运维与算力总成本。
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。
TripleTen 调查显示科技业领跑 AI 采用，金融业紧随其后：48% 金融从业者被要求使用 AI 聊天机器人，32% 被要求自动化部分工作流程，医疗与教育分别仅 18% 和 25%。79% 的受访员工被要求学习至少一项新技能，但仅 30% 的管理者认为判断 AI 输出对错是必备能力。科技从业者年均自费 1758 美元用于培训，医疗与教育约为 990 和 883 美元。
三星在韩国平泽建设大型半导体制造基地，为满足GPU所需专用存储芯片的旺盛需求，已有三座晶圆厂全天候运转、第四座即将投产，第五座在2024年存储芯片需求下滑时停工后随AI热潮重启。三星预测存储芯片需求将持续激增到2028年，平泽扩建是其重夺存储芯片领先地位的努力。
在 VS Code 中选择 Open in VS Code，即可打开 GitHub Copilot 应用中的会话，任务、计划和对话上下文与 worktree 均保持不变。
OpenAI 的 Dots 和 Meta 的 Muse 等个人 AI 智能体应用大规模上线后，Muse 首月下载量达 500 万次，智能体产生的网页流量在 8 月至 9 月间增至三倍。
Import AI 作者在曼谷 IMF 会议上发表演讲，称今年已获得令人信服的证据，表明 AI 驱动的“奇点”已经开始。他指出 AI 正改变国家安全、全球经济轨迹并参与自身开发，Anthropic 研究人员现在产出的代码量几乎是公司前四年的 10 倍。演讲重点讨论如何通过远见与克制让人类共享 AI 进步带来的收益。
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。
Google DeepMind 展示了科学家如何用智能体开发平台 Google Antigravity 发现一种新的抗菌肽候选物，该候选物预测对呼吸道感染相关病原体有活性，目前已进入湿实验室验证阶段。
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。
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。
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。
Google 发布关于地理空间推理智能体的技术报告，在四个基准上对比四种配置，包括独立 LLM、基础工具、Earth AI 工具和带前置规划的完整智能体，并公开 GeoKTools 与 GeoExpertQueries 两个新基准的开发集。
Google Research 在 Mountain View 的 Research@ 活动上展示了 10 项新进展，包括 Google Earth AI 扩大早期访问并新增实验性地理空间分析、行星预测引擎和 agent-to-agent API 三种接入方式。
Google DeepMind 与新加坡政府科技局（GovTech Singapore）合作，基于轻量级 Gemma 模型微调出一个保护隐私的端侧诈骗检测模型，训练数据来自本地诈骗对话。
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。
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。
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：官方给出 Argon 在 ERQA 物理推理基准的得分，并用机器人控制、Real2Sim 等多组提示词展示能力边界。
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。
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：在 .github/copilot-instructions.md 写入仓库级约定，在 .github/instructions 下用 applyTo 指定路径级规则，在 .github/skills 中以 SKILL.md 打包可复用流程，在 .github/agents 定义自定义智能体。
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。
Import AI 476 汇总了多项新研究：Elorian 与 Scale AI 发布 Humanity's Sixth Sense 基准，用 522 道题测模型对图像和视频隐含信息的直觉推理，人类基线 pass@1 为 93.1，表现最好的 GPT 6 Astra 为 53.6，GLM-5.3-flash 与 Kimi K3 仅在 26 左右。
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。
GitHub 介绍其与 Microsoft Applied Sciences 合作构建的 ModernBERT 分类器，用于把推送保护扩展到非结构化密钥，可在不到 2 毫秒内评估一批候选密钥，并称有望把可拦截的密钥数量提高一倍以上。
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。