跳到正文

全部动态

今日 29 条
7月29日周三
  3. Berkeley AI Research62

    从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon

    Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让 CUDA 内核作为知识库被改写为 Apple Silicon 内核。

    推荐理由：展示了把 CUDA 内核优化经验迁移到 Apple Silicon 的结构化翻译层，读者可了解跨硬件内核迁移的具体做法与实测差距。

  4. OpenAI News62

    GPT-5.6 如何兼顾前沿智能与效率

    OpenAI 发布文章说明 GPT-5.6 在模型、推理和智能体工作流上提升了 AI 效率，目标是让每一美元带来更多可用智能。文章标题强调 GPT-5.6 将前沿智能与前沿效率结合。

    推荐理由：OpenAI 官方解释 GPT-5.6 如何在模型、推理与智能体工作流上提升效率，读者可了解其单位成本智能的改进方向。

7月28日周二
7月27日周一
7月26日周日
  1. Berkeley AI Research35

    Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互

    Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以缓解递归摘要带来的性能损失。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也低于全上下文设置。

7月23日周四
  1. OpenAI News62

    OpenAI 在 ChatGPT 中推出 Health 功能

    OpenAI 在 ChatGPT 中推出 Health 功能，符合条件的美国用户可安全连接医疗记录和 Apple Health，获得更个性化的健康洞察并更好地理解自身健康状况。

    推荐理由：OpenAI 把医疗记录与 Apple Health 接入 ChatGPT，读者可据此判断个人健康数据会怎样进入对话式助手。

  2. Hugging Face Blog62

    Diffusers 原生支持 Nunchaku 4-bit 扩散推理

    Hugging Face 在 Diffusers 中引入 Nunchaku Lite，可直接用 from_pretrained() 加载 Nunchaku 风格的 4-bit 量化 checkpoint，无需自定义 pipeline 或本地 CUDA 编译。

    推荐理由：原文给出 Nunchaku Lite 在 Diffusers 中的加载方式与实测延迟、显存数据，可据此判断消费级 GPU 跑扩散模型的实际门槛。

  3. Google Research62

    Google 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体研究

    Google Research 发布论文 SymptomAI，用五个 Gemini Flash 2.0 症状问诊智能体开展 n=13,917 的全国随机研究，参与者向智能体描述症状并得到鉴别诊断（DDx）与后续建议。

    推荐理由：Google 用 13917 人随机对照研究比较五种 Gemini Flash 2.0 症状问诊智能体，并给出临床专家盲评与 Fitbit 生理信号对照结果。

  4. Google Research62

    Google Research 提出用强化学习让量子计算机从错误中学习

    Google Research 在 Nature 发表论文，提出一种强化学习框架，让智能体从量子纠错检测事件中学习，在计算过程中持续调整数千个控制参数以对抗漂移。在 Willow 超导处理器上，该方法将纠错码的逻辑稳定性提升 3.5 倍，并在专家校准基础上进一步把逻辑错误率压低 20%，使表面码逻辑错误降至每千个纠错周期不到一次。数百量子比特的数值模拟显示，所需 RL 训练轮数不随系统规模增长。

    推荐理由：Google 用强化学习让量子纠错在计算过程中持续校准控制参数，读者可了解其方法与 Willow 处理器上的实测结果。

7月22日周三
7月21日周二
  3. Hugging Face Blog62

    Hugging Face 发布 Grabette：开源机器人操作数据采集系统

    Hugging Face 发布 Grabette，一套开源低成本的手持夹爪数据采集系统，无需机器人即可录制操作演示并自动转为 LeRobot 格式数据集。Grabette 配备广角鱼眼相机和 RGBD 相机，BOM 成本约 490€，配套的机器人端夹爪 Gripette 成本约 120€。

    推荐理由：原文给出了一套无需机器人即可采集操作数据的开源硬件与处理流程，读者可据此判断数据采集门槛的变化。

7月20日周一
7月17日周五
  1. Google DeepMind74

    Google DeepMind 发布 Gemini 3.5 Flash Cyber 安全模型

    Google DeepMind 发布 Gemini 3.5 Flash Cyber，一款基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用取得接近更大模型的表现。

    推荐理由：官方给出轻量安全模型在多个漏洞基准上的对比数据与受限开放方式，可据此判断专用小模型在代码安全场景的定位。

7月16日周四
  2. Google DeepMind38

    Google DeepMind 与 Isomorphic Labs 公布生物韧性联合方案

    Google DeepMind 与 Isomorphic Labs 公布联合生物韧性方案，一方面防止威胁行为者滥用其模型，另一方面让政府、科学家与生物安全专家借助 AI 应对疫情。过去 12 个月，双方已推进超过 15 项合作，覆盖预防、检测与响应三个方向，包括将 SynthID 水印技术适配到生物学领域，以及用智能体 AlphaEvolve 优化宏基因组测序数据分析算法。

  5. Hugging Face Blog88

    Hugging Face 披露 7 月安全事件：自主 AI 智能体驱动的入侵

    Hugging Face 披露本周检测到一起针对其部分生产基础设施的入侵，该事件由一套自主 AI 智能体系统端到端驱动，攻击者通过恶意数据集利用数据集处理中的远程代码加载器和模板注入两条代码执行路径，从处理节点升级到节点级访问、窃取云和集群凭证并横向移动至多个内部集群。

    推荐理由：Hugging Face 披露首起由自主 AI 智能体端到端驱动的入侵事件，并说明防御方在托管模型护栏受限时改用开源模型完成取证。

  6. Google Research31

    Google Research 揭示扩散模型创造力来源：score smoothing 机制解析

    Google Research 在 ICLR 2026 论文中揭示扩散模型的创造力源于神经网络训练中的 score smoothing 效应：权重衰减等正则化使模型学到平滑的 score function，让去噪过程在训练数据点之间插值，从而生成新样本而非简单记忆。研究通过一维实验验证，权重衰减越强，插值区域越明显，即使无显式正则化，梯度训练的隐式正则化也能产生类似效果。

7月15日周三
  1. Hugging Face Blog85

    Thinking Machines 在 Hugging Face 发布 Inkling 多模态大模型及 Inkling-Small

    Thinking Machines 在 Hugging Face 发布 Inkling，一个约 1T 参数、支持 1M 上下文、原生接收图像文本音频输入的开源多模态 MoE 模型，同时发布 276B 总参数 12B 激活参数的 Inkling-Small。

    推荐理由：原文给出 Inkling 的架构细节、部署配置与基准对比，读者可据此判断这一开源多模态模型的落地门槛。