GeoPT：具备物理感知能力的AI模型可模拟更广泛的真实场景
MIT CSAIL与清华大学提出GeoPT预训练方法，通过130万组合成动力学样本让仿真模型获得物理直觉，在工业基准上达到峰值性能的速度提升两倍、所需标注数据减少60%。该方法在复杂3D形状、战斗机气动、船体波浪和汽车碰撞等场景中均优于现有模型，并成功泛化到未训练过的光传播模拟。
推荐理由：GeoPT用合成动力学预训练让仿真模型更快更省数据，为构建物理基础模型提供了可迁移的新范式。
全部AI 动态
全部动态
今日 433 条MIT News · AI精选AI 评分6262 Hugging Face BlogAI 评分5858 NVIDIA 开源 Magpie TTS 多语言语音模型，支持 12 种语言与自有环境部署
NVIDIA 发布 364M 参数的开源语音合成模型 Magpie TTS Multilingual，支持 12 种语言，新增现代标准阿拉伯语、韩语和巴西葡萄牙语，并提供男声与女声。
InterconnectsAI 评分6565 Nathan Lambert 新书《Reinforcement Learning from Human Feedback》要点概览
Nathan Lambert 发布由 Manning 出版的后训练教材《Reinforcement Learning from Human Feedback: Aligning and Post-training LLMs》，配套 12 小时课程、代码练习与模型对比。书中覆盖 RL 算法直觉、系统设计因素、后训练历史、蒸馏以及过拟合与评估等常见陷阱，并强调理解研究价值与产业落地节奏。
Import AIAI 评分6363 Import AI 468：23 个 RSI 政策想法、PostTrainBench+ 以及信任与透明度如何影响 AI 竞赛
Import AI 468 分析了 23 个关于递归自改进的低风险政策建议，包括提供透明度、风险管理策略和国际合作等七大类别。作者还讨论了游戏理论论文 Racing to Ruin 如何通过信任和透明度实现 AI 竞赛的稳定协调，以及 PostTrainBench 基准上 AI 系统自动化 R&D 表现优于人类基线的事实。
Hugging Face Blog精选AI 评分6262 高效知识蒸馏：离线 Top-K Logits 与融合分块 KL 损失
Multiverse Computing 提出高效知识蒸馏方法，通过缓存教师模型 top-100 logits 与融合分块 KL 损失，避免构建全词汇表×序列矩阵，在单 H200 上把峰值显存从约 250GB 降至约 58GB，并在 32K 上下文下把蒸馏从四卡节点缩至单卡。代码已开源：github.com/CompactifAI/Full-Chunked-KL-Loss
推荐理由：通过缓存 top-K logits 与融合分块 KL 损失两条改动，把蒸馏显存占用压到单卡可跑，为长上下文蒸馏提供了可复现的低成本路径。
Hugging Face Blog精选AI 评分7777 Meta 发布开源多模态模型 Muse Glimmer，面向本地智能体场景
Meta 发布 30B 参数多模态模型 Muse Glimmer，由 Muse 蒸馏而来，采用 Apache 2.0 许可，面向本地智能体场景。
推荐理由：原文给出 30B 多模态模型在同级开放模型中的基准对照，可据此判断本地智能体方案与部署路径的选型空间。
InterconnectsAI 评分6464 从黑客事件看前沿AI安全：Nathan Lambert的十条观察
Nathan Lambert基于OpenAI-HuggingFace黑客事件及Black Hat披露，提出十条观点：更持久的推理模型可能更易被用于攻击；模型对用户意图的假设影响安全边界。
Google DeepMind精选AI 评分7676 WeatherNext AI 模型在气旋预报上实现突破，预测精度平均提前一天
Google DeepMind 发布 WeatherNext 模型，在气旋路径、强度和风场预测上平均比前代多出一天预报精度，相当于十年气象进展。该模型已在 Nature 发表论文，并在 2025 年飓风季帮助 NHC 对 Hurricane Melissa 做出历史性预报。
推荐理由：该模型在气旋路径、强度和风场预测上平均多出一天预报精度，相当于十年气象学进展，并已开源模型与代码供研究社区使用。
Hugging Face BlogAI 评分3636 Baseten 加入 Hugging Face Inference Providers，支持 Kimi K3、DeepSeek V4 Flash 等模型
Baseten 成为 Hugging Face Hub 支持的 Inference Provider，首批上线对话与文本生成任务。用户可在模型页或通过 Python、JavaScript SDK，用 HF token 调用 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开放权重 LLM，后续将扩展更多任务。
Amazon ScienceAI 评分3131 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。
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。
Weaviate BlogAI 评分2424 Building Foundry：AI 不是取代创意，而是消除检索摩擦
summary_zh: Weaviate Blog 介绍 Building Foundry，用语义搜索解决创意资产检索难题。系统将媒体转为向量嵌入，让"dark forest with blue atmospheric haze"这类语义查询能命中以 ENV_ALTSTUDING_DARK_V4 命名的文件，而非依赖关键词匹配。
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。
Partnership on AIAI 评分3434 投资者需要更清晰的信息以评估公司如何运用 AI
PAI 发布 AI 信息披露建议草案，帮助公司在现有披露标准下报告 AI 的影响、风险与机会。全球企业 AI 投资在 2025 年翻倍，生产力提升幅度达 15%–50%。该建议面向金融、医疗、零售、能源等多个行业，旨在提升资本配置决策信息质量，并与今年发布的 Corporate AI Risk Assessment Framework 配合使用。
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。