跳到正文
11月11日周三
  1. Google DeepMind66

    Google DeepMind 发布 AlphaGenome 2 DNA 序列模型

    Google DeepMind 发布 AlphaGenome 2,用于预测 DNA 序列及其变异对特定人类细胞类型的影响。模型基于超过 107 million 个细胞档案和 68 种组织训练,在 TenK10K 数据集上识别出的因果变异比例由 16% 提升至 30%,方向性基因效应由 23% 提升至 43%。

    推荐理由:AlphaGenome 2将DNA变异预测细化到具体细胞类型,并公开细胞条件化与跨模态预测能力,方便研究者比较其疾病相关预测效果。

  2. Ars Technica · AI75

    Google DeepMind 使用 AlphaProof Code 形式化验证 Signal 协议关键保证

    Google DeepMind 使用 AlphaProof Code 对 Signal 协议的关键密码学保证进行形式化验证,在四周内完成概念验证。分析未发现受检部分的新漏洞,并正确识别了旧版本中已知且已修复的漏洞,但尚未验证整个 Signal 移动应用。研究团队同时公开了相关规范与证明,以便支持后续形式化验证工作。

  3. Latent Space67

    AI News 周报汇总 Gemini 4 Carbon、Mercor 融资与 Claude Fable 5.2 等动态

    AI News 周报汇总了 Gemini 4 Carbon、Claude Fable 5.2、MiniMax H3-Image 等模型动态,以及 Mercor 完成 $750M D 轮融资、Anthropic 启动 IPO 路演等商业事件。文章还整理了模型评测、智能体安全、开源模型、推理基础设施和本地部署进展,并记录了社区对成本、基准公平性与实际可用性的讨论。

  4. Hugging Face Blog72

    Tether AI Research 发布 0.8B 端侧智能体模型 BotPsy

    Tether AI Research 发布 BotPsy,一款基于 Qwen3.5-0.8B、面向工具调用和智能体工作流的 0.8B 模型,适合在端侧部署个人助手任务。

    推荐理由:文章详述了 BotPsy 的训练方法、端侧定位与基准结果,也明确列出开放搜索和多步任务等限制,便于判断其适用场景。

  5. Latent Space60

    OpenAI 在 AI Engineer Code Summit 分享 Codex 新型工作方式

    OpenAI 在 AI Engineer Code Summit 的工作坊介绍了 Codex Cloud 2、个人智能体 dots 和语音模式等使用方式。Codex Cloud 2 可发布一次环境并运行多个隔离任务,也能在公司内共享;本地任务和云端任务的交接仍在改进,OpenAI 开发者体验工程师称语音可作为控制层,dots 则可用于检查遗漏、分派工作和推进 PR。

  6. Simon Willison77

    Google 向所有用户开放 Gemini 4 Carbon,并公布首发定价

    Google 向所有用户开放两周前面向部分网络防御人员宣布的 Gemini 4 Carbon。首发输入价格为 $2/million、输出价格为 $10/million,12 月 1 日将分别涨至 $4/million 和 $20/million。

    推荐理由:文章实测了 Gemini 4 Carbon 的思考档位、定价和代码生成效果,并提供可运行结果供读者对照体验。

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. Simon Willison77

    Meta AI 发布小型高效模型 Muse Ember

    Meta AI 发布 Muse Ember,将其定位为面向复杂推理及智能体重复任务的高效模型,并提供 6 个推理档位。其短提示词价格为每百万输入 token $0.10、每百万输出 token $0.50,支持最多 100 万输入 token,超过 200k 提示词后输入与输出价格分别升至 $0.30 和 $1.50。

    推荐理由:文章对比了 Muse Ember 与两款同级模型的定价、上下文阈值和任务成本,并展示不同推理档位的实际输出差异。

  4. 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。

  5. 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。

  6. MIT Technology Review · AI50

    美国数据中心反弹的核心阻力可能是电力而非科技文化

    作者走访美国弗吉尼亚州 Data Center Alley 后认为,数据中心引发的反弹更多源于其巨大的电力需求与发电、输电和社区成本,而不只是反科技情绪。多数面向 AI 的新设施倾向在电网稀疏地区自建天然气轮机和柴油发电机,理想用电规模可达 6,000 MW,可能促使企业选择人口较少地区或海外。

  7. MIT Technology Review · AI45

    Nancy Pelosi 的继任者 Scott Wiener 已准备好监管 AI

    Scott Wiener 赢得 Nancy Pelosi vacated 的旧金山国会席位后,可能在制定联邦 AI 政策中发挥关键作用。他主张设立强有力的联邦监管机构,并支持举报人保护、测试审计、紧急停止开关及问责机制,同时强调递归式自我改进带来的失控风险,但对国会推动监管仅持谨慎乐观态度。

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. MIT Technology Review · AI54

    实测 Tau Robotics 人形清洁机器人:仍需远程协助完成任务

    作者实测了 Tau Robotics 的人形清洁机器人,机器人目前仍主要由人工远程操控,可自主吸尘和拖地,并在有人示范动作后完成铺床和叠衣等任务。机器人目前存在楼梯行走不稳、控制设备过热中断、龙头漏水及物品倾倒等问题,服务定价为 $30 每小时单机器人、$60 每周双机器人或 $100 单次双机器人。

  2. 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。

  3. 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。

  4. 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. MIT Technology Review · AI54

    得州选举转向或给 AI 数据中心建设带来阻力

    得州民主党赢得州议会控制并将数据中心列为竞选议题,州长候任者 Gina Hinojosa 主张暂停新的数据中心项目。得州已从美国增长最快的数据中心市场转为 AI 基础设施建设重点地区,Stargate Frontier 和 Nexus Hubbard 等在建项目规模庞大。银行与贷款机构正收紧相关融资,而城市、县和州级政府之间的权限博弈可能使全面限制难以落地。

  3. 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
11月3日周二
  1. MIT Technology Review · AI56

    反向博弈论如何约束 AI 智能体

    反向博弈论试图通过机制设计激励 AI 智能体遵守规则,以应对模型故意低估测试表现、隐藏意图和误导评估者等问题。MIT、Yale 和 Columbia 的研究者提出让模型以预测另一模型答案为奖励目标,或让解题智能体与审计智能体相互检查,并通过惩罚作弊和漏查提高约束效果。

11月2日周一
  1. Import AI41

    Import AI 479:Realtime-Bench 评测低延迟任务,探讨太空战与 Genie 4

    Realtime-Bench 用 50 个交互式游戏和网页任务评估大语言模型在低延迟环境中的实时决策能力,涵盖感知、动态推理和时机选择。GPT-6-Astra(high)在 wall clock 设置下通过率最高,为 36%;模型在 paused clock 下的高推理配置成功率接近 70% 甚至 80%。文章还转述 DIA 报告,讨论太空武器、干扰和网络行动等安全挑战。

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26日周一