跳到正文
11月11日周三
11月10日周二
  1. Google DeepMind86

    Google DeepMind 发布 AlphaProof Code 深度验证 Signal 加密协议

    Google DeepMind 发布 AlphaProof Code,以多 LLM 智能体形式化验证 Signal 核心加密协议的实际代码。该框架由人类定义安全目标并审核规格,Gemini Carbon 驱动的智能体生成逾 600 万行 Lean 证明,Lean 自动检查结果供专家复核。

    推荐理由:材料展示多 LLM 智能体如何形式化验证 Signal 加密协议,并提供 Lean 检查、缺陷复测与开源验证产物等可核查细节。

  2. Google DeepMind74

    Google DeepMind 开放 SatWeave 与 PARDIG 天气数据集

    Google DeepMind 发布 SatWeave 和 PARDIG,为天气、水文和气候应用提供历史档案与实时数据流。SatWeave 融合 6 颗静止卫星的观测,形成覆盖 17 个通道、按小时更新的全球影像;PARDIG 基于 AI 生成约 10-kilometer 分辨率的全球降水数据,时间分辨率为 15 分钟,平均延迟约 5 小时。

    推荐理由:两套开放数据集分别统一卫星观测和生成全球降水图,为新的天气应用提供了可复用的数据基础。

  3. Hugging Face Blog69

    Hugging Face 决策模型接口与实践指南

    Hugging Face 介绍了决策模型的统一接口,让模型针对状态和多个具名问题直接返回结构化决策与概率,而非逐 token 生成文本。

    推荐理由:文章系统梳理了决策模型的接口、概率语义及其与传统分类和零样本分类的差异,并提供 Transformers、llama.cpp 与训练工具中的可复用示例。

  4. Google DeepMind80

    Google DeepMind 发布 Gemini Robotics 2.5 机器人模型

    Google DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型,提升机器人的技能广度、学习速度、灵巧性与安全性。该模型已面向机器人合作伙伴推出,在 200 多项任务中较此前基线取得 30% 至 100% 的更高成功率,任务完成速度提升 20% 至 30%。

    推荐理由:模型在灵巧性、真实产线可靠性和安全控制方面的评测数据,为机器人进入非结构化环境提供了具体参照。

11月9日周一
  1. NVIDIA Blog77

    NVIDIA 在 CoRL 发布 GR00T 2 世界动作模型与 Isaac Lab 3.0 等机器人仿真技术

    NVIDIA 在 CoRL 大会上推出开放机器人技术,包括世界动作模型 GR00T 2、Isaac Lab 3.0、Video to Data 工作流和 Isaac Lab-Arena 0.4 开发者预览。

    推荐理由:把世界动作模型、仿真框架和评测基准放在同一条线上讲清了机器人精细操作训练从 locomotion 转向 manipulation 的实现路径。

11月7日周六
11月6日周五
  1. Google DeepMind81

    Google DeepMind 发布 Gemini Omni 1.2 Flash 视频生成模型

    Google DeepMind 开始在 Gemini API 和 Gemini for business 全面推出 Gemini Omni 1.2 Flash,新增原生 15 秒视频生成、多轮对话式编辑和增强的参考遵循能力。

    推荐理由:Gemini Omni 1.2 Flash 同时扩展视频时长并下调价格,还展示了多轮编辑与参考保持能力,可用于评估规模化视频生成的取舍。

  2. Google Research64

    Google Research 发布 AI-PPG-ACC-HTN 智能手表高血压检测研究

    Google Research 团队提出多模态 AI 系统 AI-PPG-ACC-HTN,可利用消费级智能手表被动检测高血压迹象,无需传统袖带校准。研究通过 5 个美国临床点、196 名参与者,并以 24 小时动态血压监测为金标准验证;初筛敏感度为 65.8%、特异度为 90.0%,复检敏感度为 78.4%、特异度为 90.9%、阳性预测值为 96.7%。

    推荐理由:研究以临床金标准验证了无需袖带校准的智能手表高血压筛查方案,并提供两阶段模型与关键指标。

  3. Microsoft Research71

    Microsoft Research 用 PDD Kit 形式化验证智能体编写的全栈 Web 应用

    Microsoft Research 与 GitHub Next 推出研究原型 PDD Kit,将用户意图转换为 Verus 形式化规范,约束编码智能体生成的代码,并在无法证明的部分回退到测试。

    推荐理由:文章以完整登录流程展示形式化验证如何约束智能体生成代码,并明确区分可证明部分、信任边界与测试覆盖。

11月5日周四
  1. Mistral AI75

    Mistral Studio 扩展托管智能体、工作流与企业应用能力

    Mistral 扩展 Mistral Studio,新增托管智能体和应用,并加强工作流、企业上下文、智能体可观测性与评测能力。该平台可连接企业数据和系统,支持在云端、自有 VPC、本地或混合环境部署,并通过 Mistral MCP server 让开发者用 Mistral Vibe 或现有编码智能体测试并部署。

    推荐理由:这次更新覆盖智能体、流程和应用,并提供本地测试到部署的统一路径,便于评估企业落地方式。

  2. Google Research62

    Google Research 提出并开源 Agile Deliberation 框架

    Google Research 提出 Agile Deliberation,将主观视觉分类器的定义过程设计为概念界定与迭代两个阶段。框架利用视觉语言模型主动呈现边界样本,把用户反馈接入自动提示词优化,并通过 18 次、每次 1.5 小时的真实用户实验测试 Healthy Food 与 Pay-to-Play 两类任务。

    推荐理由:文章用真实用户实验说明迭代式人机协作如何细化主观分类边界,并开放了实现代码。

11月4日周三
10月30日周五
10月29日周四
  1. Mistral AI82

    Mistral Large 4 开放权重发布,强化编码与网络安全能力

    Mistral AI 发布改进后的 Mistral Large 4 开放权重版本,这是一款 1-trillion-parameter、原生多模态模型,强化学习后提升编码、推理效率与防御性网络安全能力。

    推荐理由:材料给出开放权重、部署入口、价格及多项编码和网络安全评测,开发者可据此评估其落地方式与性能成本。

10月28日周三
  1. Google Research60

    Google Research 提出 LLM 持续学习 sleep 框架

    Google Research 提出 sleep 框架,让 LLM 在主动交互与离线记忆巩固之间周期切换,将短期上下文巩固为长期参数并减少灾难性遗忘。框架包含参数扩展、知识播种、突触剪枝和自主做梦机制,在 BABILong 上支持扩展至 10M tokens,并在 AIME 24/25、HMMT 25 上分别取得 79.2%、69.0% 和 46.1% 的准确率。

    推荐理由:框架将主动交互与离线记忆巩固交替,并用多类基准验证长期知识留存和复杂推理表现。

10月24日周六
10月23日周五
  1. Microsoft Research70

    Microsoft Research 发布 Flint-interactive 交互式数据可视化语言

    Microsoft Research 推出 Flint-interactive,用于在 Flint 上创建支持点击、筛选、缩放、高亮和跨图表交互的数据可视化。其编译器将用户操作转换为语义事件,并处理视觉依赖与渲染逻辑,用户或 AI 智能体可通过 Flint-MCP、MCP Apps、Flint Interactive Canvas 及编程 API 定义交互和连接图表、文本、表格及应用状态。

    推荐理由:文章展示了 Flint-interactive 如何用语义事件和更新运算符降低交互式可视化的开发复杂度,并提供多种接入方式。

10月22日周四
  1. Microsoft Research62

    Microsoft Research与合作者证明KLS猜想

    Microsoft Research研究者Xinzhi Zhang与合作者证明KLS猜想,建立了与维度无关的对数凹分布几何原则。研究团队通过研究者主导的智能体搜索探索100余条路径,递归改进数学界,并最终完成证明;该结果还获得多项独立证明和Lean 4形式化验证。

    推荐理由:文章交代了KLS猜想证明的关键递归方法、AI参与方式及独立验证,可用于理解人机协同研究复杂数学问题的路径。

10月21日周三
10月20日周二
10月17日周六
  1. Google Research77

    Google Research 提出面向自主湿实验室的 AI 智能体研究框架

    Google Research 展示 VERID 框架及三项研究,让 AI 智能体能够在湿实验室中执行实验、读取反馈并迭代设计分子。VERID 以实验室工作单元的语义数字孪生追踪设备、试剂和孔位状态,在执行前检查碰撞、耗尽孔位等风险。

    推荐理由:文章展示 VERID 框架和闭环实验如何让 AI 智能体在物理实验室中安全执行并优化分子设计流程。

10月15日周四
10月14日周三
  1. GitHub Blog · AI & ML68

    GitHub推出基于ModernBERT的混合式密钥扫描器

    GitHub推出由正则候选生成和微调ModernBERT上下文分类组成的密钥扫描器,并将其扩展至提交前扫描。相比原有LLM流水线,该方案使仓库所有者加权接受率提高11.5%,推送后扫描执行时间降低86%,服务成本降低超过98%;离线评测精度提高13%,召回率提高19%。

    推荐理由:GitHub公开了混合式密钥扫描器的设计与评测结果,可供读者理解如何兼顾密钥检出率、误报率与部署成本。

10月13日周二
10月8日周四
10月6日周二
  1. Mistral AI85

    Mistral 发布开源权重模型 Mistral Large 4 公开预览版

    Mistral AI 发布 Mistral Large 4 公开预览版,这是一款 1T 参数、激活 52B 参数的原生多模态模型,权重计划于本月底发布。模型面向编码、智能体工作流、多模态理解和专业任务,公开预览 API 已上线 Mistral Studio,模型在 Mistral 自有欧洲数据中心训练并提供服务。

    推荐理由:文章披露了模型规模、核心基准、训练基础设施与 RL 方法,便于比较其能力边界和部署选择。

10月5日周一
  1. GitHub Blog · AI & ML70

    GitHub 发布开放 AI 代码审查基准 ReviewBench

    GitHub 发布研究预览版开放基准 ReviewBench,用于统一评估 AI 代码审查智能体。基准包含 219 个公开拉取请求,覆盖 19 种语言,并提供六项指标、公共排行榜及自托管评测工具。其黄金集由多来源发现、人工标注和 Claude Sonnet 5 评审构建,资深工程师独立复核的一致率为 96.6%;GitHub 称该基准的离线评测方向与生产实验一致。

    推荐理由:ReviewBench公开了数据、评分方法与提交流程,便于团队在统一条件下比较代码审查智能体并复现实验结果。

9月28日周一
  1. Mistral AI54

    Mistral 在慕尼黑开设德国中心,推进 Physics AI 与工业 AI

    Mistral 在慕尼黑开设德国中心,组建 Physics AI 和工业 AI 专业研究团队,并直接服务企业合作伙伴。中心将展开与 BMW、Siemens Energy 的合作,并与 TUM 合作研究汽车空气动力学数字孪生。Mistral 计划到 2030 年建设 1 GW 欧洲算力容量,并在德国扩充研究、工程和应用 AI 岗位。

9月16日周三
  1. Mistral AI66

    Mistral 与 Mozilla 合作,为 Firefox Smart Window 提供 AI 能力

    Mistral 与 Mozilla 宣布合作,由 Mistral 模型驱动 Firefox Smart Window beta,为法国和北美用户提供浏览器 AI 助手。Smart Window 可梳理复杂搜索结果、记住用户浏览过的重要内容,并依据浏览器标签页提供信息来源;英国和德国预计于今年晚些时候推出。Mozilla 表示对话默认不保存在其服务器上,合作伙伴同意实行零数据留存。

    推荐理由:这项合作把 Mistral 的开放权重模型接入 Firefox 智能窗口,并明确隐私、区域语言适配与用户控制机制。

7月26日周日