Amazon Build on Trainium 研究资助计划公布，34 个获奖项目聚焦负责任 AI
summary_zh: Amazon 公布 Build on Trainium 34 个获奖项目，该计划投入 110 万美元算力资助，聚焦新模型架构、ML 库、大规模分布式系统等方向。
全部AI 动态
全部动态
今日 126 条Amazon ScienceAI 评分3131 AI Snake OilAI 评分7272 AI agents can't yet do open-ended AI research
论文与两位未发表AI论文作者合作，让前沿AI智能体在6天、数千美元API额度内尝试回答其核心研究问题；两位作者均明确拒绝智能体产出的论文。分析发现智能体缺乏开放式研究所需的判断力、资源意识和创造力，未能有效回溯或遵循指令。研究团队承认样本小、存在立场偏见，并计划扩大样本与改进脚手架以持续评估。
MIT News · AIAI 评分3636 MIT 团队用 AI 筛选溶剂分子，研制出更快更稳定的钠金属电池
summary_zh: MIT 团队在 Joule 发表钠金属电池新电解质研究，通过 AI 辅助筛选 10 万个候选分子，最终确定最小溶剂 DMFSA，在保持电极稳定的同时加快离子传输，提升快充快放性能。
Mistral AIAI 评分5959 Mistral AI 发布 3B 开源多模态安全分类器 Shieldstral
Mistral AI 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，以 Apache 2.0 许可开放下载。它把内容审核建模为推理时传入纯语言策略的问答任务，无需重新训练即可适配新策略，在文本安全上匹配最高 7 倍规模的开源 guard 模型，并在多模态审核上刷新 SOTA。模型可在单张 16GB NVIDIA GPU 上运行。
MIT News · AI精选AI 评分6262 医疗 AI 辅助诊断的效果因用户专业水平而异
MIT 与斯坦福等机构的研究发现，AI 辅助虽提升非专家和临床医生诊断皮肤病的准确率，但可解释性方法的影响因用户知识水平而异。非专家倾向于遵从 AI，尤其信赖 LLM 生成的解释，即使解释有误；临床医生则能抵抗错误解释，仅凭模型预测表现最佳。研究建议在设计医疗 AI 时应考虑用户差异，避免过度依赖模型。
推荐理由：同一解释对非专家与临床医生效果相反，提示医疗 AI 应按用户知识水平差异化设计解释方式。
MIT News · AIAI 评分1818 Alexander Rakhlin 出任 MIT 统计学与数据科学中心（SDSC）主任
Alexander Rakhlin 被任命为 MIT Statistics and Data Science Center（SDSC）主任，接替自 2021 年起担任主任的 Ankur Moitra，Philippe Rigollet 曾在 2024-25 年担任临时主任。
Meta Engineering · AI精选AI 评分7171 Meta GEM 训练：如何将广告推荐基础模型效率在 LLM 规模下翻倍
Meta 发布 GEM 训练细节，通过定制推荐内核库、混合超低精度训练、拓扑感知 5D 并行与 SM-free 通信等协同设计，将端到端训练效率翻倍至 20–25% MFU，并在 12 个月内将训练 FLOPs 扩展 4 倍。
推荐理由：Meta 分享了 GEM 在 LLM 规模下训练推荐模型的具体方法，为跨推荐与 LLM 的基础设施协同设计提供可迁移经验。
Microsoft Research精选AI 评分8282 Orchard：面向可扩展智能体 AI 的开源框架
Microsoft Research 发布开源框架 Orchard，核心是 Orchard Env，一个基于 Kubernetes 的可复用环境服务，支持软件工程、网页导航和个人助理智能体的训练与评估。
推荐理由：开源框架 Orchard 把训练、评估与真实部署 harness 打通，让小参数模型也能在 SWE-bench 等基准接近前沿系统。
InterconnectsAI 评分4242 Interconnects 推出 Artifacts Hub 与 Adoption Dashboard
Interconnects 推出 Artifacts Hub 与 Adoption Dashboard 两项免费数据工具，覆盖 Hugging Face 近两年发布的 792 个开源模型。
Import AI精选AI 评分8080 AI自复制蠕虫原型出现：Open-weight LLM + 定制化框架实现自主传播
多国研究人员构建了基于开源大语言模型的自复制AI蠕虫原型，利用被控GPU资源运行推理并自主传播，漏洞检测成功率约80%，自我复制成功率约88%，完整攻击成功率约37%。论文指出自持型AI驱动的网络威胁已不再只是理论假设。
推荐理由：展示了自复制AI蠕虫的原型实现，读者可借此理解自主AI威胁从理论走向实践的具体路径。
InterconnectsAI 评分6969 开放模型 Pareto 前沿效用显现：Laguna S2.1、Inkling 与 Kimi K3 复盘
Interconnects 复盘最新开放模型动态，指出多家公司持续投入训练并以开放方式发布模型，Thinking Machines 的 Inkling 与 Poolside 的 Laguna S2.1 等均在 Pareto 前沿有表现。DeepSeek-V4-Flash 在 OpenAI 降价后更新，Kimi K3 采用非商业许可并引发关于美国政策工具的讨论。
Together AI精选AI 评分8989 Kimi K3 开发者指南：2.8T 参数开源模型发布
Kimi K3 是 Moonshot AI 发布的 2.8 万亿参数开源模型，是全球首个 3 万亿参数量级的开源模型，支持 1M 上下文长度，在 Together AI 上提供 OpenAI 兼容 API。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
MIT News · AIAI 评分2828 Daniela Rus 获巴伐利亚州总理高科技奖
Daniela Rus 因机器人学、人工智能与自主系统贡献获2026巴伐利亚州总理高科技奖，表彰自组织机器人集群、软体机器人、自主移动与脑启发AI四方向。其团队研发可吞服 origami 机器人、自组装船只及液体神经网络，仅用19个控制神经元即可导航陌生环境，并创立 Liquid AI。
Google Research精选AI 评分7272 Science One Framework：基于 Chain-of-Evidence 的可验证自主研究框架
Google Research 提出 Science One Framework 与 Chain-of-Evidence（CoE）审计框架，在 75 篇生成论文上验证自主研究系统的可验证性。Science One Framework 在五个 ADRS 任务上实现零幻影引用、完全可复现得分，并在 MLE-Bench 与 Parameter-Golf 上达到 SOTA。
推荐理由：通过引入可验证证据链框架，为自主研究系统的可信度提供了可量化的审计方法。
MIT News · AIAI 评分1212 MIT 学生与博士后赴国会山倡导持续联邦科研投入
summary_zh: 今年春季，25 名 MIT 学生与博士后赴华盛顿特区，在两天内走访了 32 个州的 62 个国会办公室，倡导联邦科研经费支持。参与者围绕 AI 隐私安全、深海采矿等议题与跨党派工作人员交流，并接受拨款流程与沟通策略培训。
Amazon Science精选AI 评分6060 ControlG：用工业控制器协调多任务图自监督学习
Amazon在ICML发表论文提出ControlG框架，将多任务图自监督学习的梯度混合改为按时间分配计算资源，由PID控制器逐块调度目标。系统在9个图基准上平均排名1.4–1.9，ogbn-arxiv达72.86%，并开源代码。
推荐理由：将工业控制中的PID控制器引入多任务训练，为避免梯度冲突提供了可解释的新调度范式。
Microsoft Research精选AI 评分7979 Echoverse：面向计算机使用智能体的深度演化环境
Microsoft Research 发布 Echoverse，包含 10 个深度领域世界和 2 个能力世界，通过数据库锚定的真实状态与可重置环境训练计算机使用智能体。
推荐理由：高保真合成环境与模型共同进化的闭环设计，为计算机使用智能体提供了可复现的训练与评估新路径。
Microsoft ResearchAI 评分4545 EvoLib：将经验转化为演化知识
EvoLib是一个让大语言模型在推理过程中从自身经验自主学习的框架，无需真实标签或外部反馈，将过去尝试转化为可复用技能和反思性洞察。在数学推理、代码编写和长时序任务上，EvoLib一致优于检索式记忆方法，以更少token实现更高性能，并将测试时计算更有效地转化为性能增益。该框架无需模型更新，可应用于任何通过API部署的黑盒语言模型，且对任务顺序具有鲁棒性。
Hugging Face BlogAI 评分3636 GPU 管理：为什么闲置 GPU 如同停飞的飞机
GPU 成本按日历小时计费，产出只按计算小时计算，企业 AI 的瓶颈从模型质量转移到算力利用率。航空业用飞机地面时间预测生存率，同样，企业 GPU 预算相近时，分化取决于硬件是否真正被使用。集群上线后的核心问题从"能否拿到加速器"变成"能否让 GPU 持续忙碌"，而利用率由调度、网络、运维等下游决策共同决定。
Google DeepMind精选AI 评分6666 Gemini Robotics ER 2 发布：赋能机器人视频理解、任务编排与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2，具身推理模型，在视频理解与任务编排上较 ER 1.6 实现显著升级，并支持多机器人协作。
推荐理由：Gemini Robotics ER 2 在视频理解与任务编排上较 ER 1.6 实现显著升级，支持多机器人协作与实时推理，为物理世界中的具身智能提供了新的能力基准。
Google DeepMindAI 评分4848 Google 在 Flow Music 上线 Lyria 3.5，升级音乐性、歌词、人声与创作控制
Google 在 Flow Music 中上线新一代音乐生成模型 Lyria 3.5，在音乐性、歌词、人声质量和创作控制四方面带来提升。该模型可生成更复杂自然、旋律结构更丰富的作品，歌词的提示词遵循与结构意识更好，人声更具情感表现力且发音改善，用户还能更便捷地控制输出节奏与时长。
Amazon Science精选AI 评分6464 PatientAgentBench：面向患者端健康 AI 智能体的新评估基准
Amazon Science 发布 PatientAgentBench 基准框架，用于评估面向患者的 AI 智能体在多轮对话中的临床安全与工作流准确性。该基准基于合成病历与动态场景，由 LLM-as-a-jury 按六维度打分，并在千余次对话中测试前沿模型，发现模型在常规行政请求中易遗漏风险，且能力提升仍无法完全关闭临床安全缺口。框架已开源至 GitHub，包含场景生成、工具沙箱与评估系统。
推荐理由：基准揭示了即使强模型在常规病例中也易遗漏临床风险，为安全设计指明了可迁移的改进方向。
MIT News · AIAI 评分2727 MIT 开发的医学数据库如何演变为全球数据共享标准
MIT 和 Beth Israel Hospital 于 1975 年开始收集和数字化心电图记录，1980 年制成磁带并通过邮寄分发，最终成为 PhysioNet 首个数据库。
Berkeley AI Research精选AI 评分6262 K-Search：从 CUDA 到 MLX 的内核优化迁移研究
Berkeley Sky Lab 与 IBM Research 将 K-Search 进化式内核搜索框架扩展至 MLX 后端，通过结构化 CUDA-to-MLX 翻译层在 Apple Silicon 上复现专家级性能。在注意力内核上达到原生 MLX 的 0.97 倍速度，Mamba SSM prefill 相比社区 mlx-lm 提升约 20 倍；代码与后端已开源。
推荐理由：结构化翻译层让 CUDA 经验可迁移到 Apple Silicon，读者可借此评估跨平台内核优化的可行边界。
Together AI精选AI 评分7676 ThunderAgent：大规模合成数据生成中的 Agent 推理提速 2 倍
ThunderAgent 在单 8×H100 节点上相对 SGLang 达到 2.5 倍吞吐量、P50 延迟降低约 10 倍，8 节点集群实现 2.4 倍加速且接近线性扩展。
推荐理由：把多轮 agent 请求视为程序而非独立请求，让 KV cache 命中率提升并缓解多节点负载不均。
Together AI精选AI 评分7777 Together AI 与 Moonshot AI 战略合作，原生上线 Kimi 模型
Together AI 与 Moonshot AI 达成战略合作，成为 Kimi 模型的首发平台，首发模型为 Kimi K3。Kimi K3 是迄今最大开源模型，参数规模达 2.8T 的稀疏 MoE 架构，支持原生视觉与 1M token 上下文窗口。
Vector Institute精选AI 评分6262 当AI帮助过度时：理解与测量LLM行为中的认知萎缩
Vector Institute 发布 Cognitive Atrophy Bench，基于1,576段真实咨询对话（15,680轮、42,230条回复），由临床专家评估五个主流LLM在情感敏感对话中的行为模式。研究发现模型在长期对话中会变得更主导、更少开放式提问，逐渐将应对与决策转向模型端。
推荐理由：该基准为评估AI在情感对话中是否削弱用户自主性提供了可复现的测量框架。
Google DeepMind精选AI 评分6464 Gemini Robotics 2 带来机器人的全身体智能
Google DeepMind 发布 Gemini Robotics 2，包含三款模型分别实现全身体控制、具身推理与设备端适配。该模型可控制人形机器人完成行走、蹲伏、灵巧操作等复杂任务，ER 2 已在 Google AI Studio 和 Gemini Enterprise Agent Platform 开放预览，VLA 与设备端模型面向早期合作方开放。
推荐理由：Gemini Robotics 2 首次实现全身体控制、灵巧操作与多机器人协作，并在设备上快速适配新机体形态，为通用物理 AI 提供了新的能力基线。
Import AI精选AI 评分8787 Epoch 与 METR 发布 MirrorCode 基准测试：AI 系统完成长达一周的编程任务
Epoch 和 METR 发布 MirrorCode 基准，测试 AI 在仅通过 CLI 访问的情况下重新实现软件程序的能力。Opus 4.7 在 14 小时、$251 推理成本内完成了一个需人类 2-17 周的任务。25 个目标程序中 17 个至少有一次满分运行，8 个从未达到 100%。
推荐理由：MirrorCode 显示 AI 已能自主重新实现大型软件项目，读者可借此评估当前模型在长程编程任务上的真实能力边界。
Hugging Face Blog精选AI 评分6464 NVIDIA 发布 Cosmos-H-Dreams：实现手术机器人实时生成式仿真
NVIDIA 发布 Cosmos-H-Dreams，一款基于单张 RTX PRO 6000 GPU 运行的手术机器人实时生成式仿真器。该模型从 Cosmos-H-Surgical-Simulator 蒸馏而来，通过 FlashDreams 推理库实现约 160 fps 的交互式操作，每潜在帧仅需 2 步去噪，支持 dVRK 桌面缝合任务，并可连接学习型手术策略形成闭环。
推荐理由：NVIDIA将手术世界模型压缩至单卡实时推理，使外科机器人策略的闭环评估与合成数据生成不再依赖稀缺物理硬件。
Hugging Face Blog精选AI 评分9292 Hugging Face 披露 2026 年 7 月代理入侵事件技术时间线
Hugging Face 发布技术复盘，详细记录了 2026 年 7 月一次持续约 4.5 天的自主 AI 代理入侵事件。
推荐理由：原文披露了自主AI代理利用多阶段注入横向渗透的完整技术链路，为防御方提供了可迁移的检测与响应方法。
Berkeley AI Research精选AI 评分6060 ABBEL：教大语言模型更新信念以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将交互历史压缩为自然语言信念状态，并通过信念评分监督信念内容。在 CollabBench 协作编程中，ABBEL 恢复约一半全上下文性能差距，峰值上下文 token 数降至约 4.2 万，训练步数减半；在 Combination Lock 游戏中，结合领域知识的信念评分可接近或超越全上下文模型。
推荐理由：通过将摘要隔离为可监督的信念状态，在协作编程和组合游戏中以更少训练步数和更低显存缩小了与全上下文模型的性能差距。
Amazon ScienceAI 评分5252 Amazon 投资 Lean Focused Research Organization
Amazon 向 Lean Focused Research Organization（FRO）提供长期大额资金支持，这是 FRO 历史上最大单笔捐赠。
Ethan Mollick · NotesAI 评分7272 Ethan Mollick 撰写的 AI 工具选择指南
作者给出 AI 工具选择建议：低 stakes 任务可用免费模型，高 stakes 任务应选 Claude Opus/Fable 或 ChatGPT GPT-5.6 Sol 并调至 High 思考级别；真正的工作负载推荐 ChatGPT 或 Claude 的代理模式，并区分公司提供虚拟计算机与授权 AI 访问自己计算机两种方式。
MIT News · AIAI 评分3535 MIT 15 个项目入选美国能源部 Genesis Mission 第一阶段资助
美国能源部在 Genesis Summit 上宣布首批资助项目，MIT 主导 6 个、参与 9 个，涉及量子传感器、稀土提取、聚变数字孪生、AI 驱动材料设计等方向。Phase I 阶段团队需展示 AI 与科学工作流整合，并评估科学价值；后续可申请进一步资助。研究经费待签订协议协议。
Hugging Face Blog精选AI 评分6868 Nunchaku Lite 正式接入 Diffusers，4-bit 量化扩散模型推理无需额外推理引擎
Nunchaku Lite 现已原生集成到 Diffusers，用户可通过 from_pretrained() 直接加载 4-bit 量化扩散模型，无需单独推理引擎或本地 CUDA 编译。
推荐理由：Nunchaku Lite 现已原生接入 Diffusers，无需额外引擎即可通过 from_pretrained() 加载 4-bit 量化模型，在 RTX 5090 上 VRAM 从 24GB 降至约 12GB，推理加速约 30%。
Together AI精选AI 评分7373 Together AI 推出专用模型推理平台 Dedicated Model Inference
Together AI 发布 Dedicated Model Inference 平台，支持部署自有或开源权重模型，并提供部署配置、预热加速、Canary/蓝绿/滚动发布、A/B 与影子流量测试及 Prometheus 可观测性。平台覆盖从实验到生产的全生命周期，并同步开启自定义训练（含 LoRA 与强化学习）封闭测试。
推荐理由：原文给出部署预热、流量切换与可观测性等具体能力，读者可以据此判断它能否降低自研推理栈的运维成本。
Vector InstituteAI 评分3333 Mixture-of-Experts：从稀疏路由到多模态部署
MoE 模型通过路由器为每个 token 动态选择少量专家子网络激活，在增加总参数的同时保持每 token 计算稀疏。文章首先解释路由决策、负载均衡与训练中 specialization 的形成机制，随后报告了在 4 张 A100 GPU 上微调 350 亿参数多模态 MoE 的经验，涵盖 5 种失败的 sharding 方案、最终成功的方法，以及按层路由审计揭示的音频、视频与文本容量分配。
Google Research精选AI 评分6565 SymptomAI：迈向日常症状评估的对话式AI代理
Google Research发布SymptomAI研究，基于Gemini Flash 2.0通过13,917人随机实验表明临床医生在超50%情况下更偏好其鉴别诊断，且主动询问策略显著优于被动回答。
推荐理由：该研究通过一万三千余人的随机对照实验，为对话式AI症状评估提供了与临床医生横向比较的基准数据，并揭示了主动询问策略对诊断准确性的提升作用。
Google Research精选AI 评分6161 Google Research在Nature发表量子纠错强化学习框架
Google Research在Nature发表强化学习框架，使量子计算机能在运行中持续自我校准。在Willow处理器上，该方法将逻辑稳定性提升3.5倍，逻辑错误率在专家校准后再降20%，表面码和颜色码分别达到千次和百次纠错周期内少于一次逻辑错误的纪录水平。数值模拟表明所需RL训练迭代次数与系统规模无关。
推荐理由：Google Research在Nature发表强化学习框架，使量子计算机能在运行中持续自我校准，将逻辑错误率降至纪录低点。