跳到正文

全部动态

今日 780 条
7月15日周三
7月14日周二
7月13日周一
  1. MIT News · AI64

    MIT与Thorn合作提出高斯探测方法,可100%准确检测模型是否被适配为生成CSAM

    MIT EECS副教授Ashia Wilson与研究生Vinith Suriyakumar联合MIT Healthy ML Lab、Thorn及波士顿大学研究者,开发了一种基于高斯探测的审计方法,通过分析LoRA适配器在模型内部结构中的修改来判断模型是否被专门化用于生成儿童性虐待材料(CSAM),而无需生成任何输出。

    推荐理由:该方法不生成内容即可检测模型是否被适配为产生CSAM,为平台审核开源模型提供了可扩展的新技术路径。

  2. Interconnects76

    开放模型还有6个月生存期?

    Nathan Lambert 分析指出,开放模型正面临蒸馏与前沿能力双重监管压力,最可能的结果是在6个月内对接近 GPT-5.5、Claude Opus 4.8 或 GLM-5.2 能力的开放权重模型实施禁令或延迟。他批评 Anthropic 的蒸馏讨论具有监管俘获特征,并认为仅靠美国单边禁令难以奏效,呼吁美国公司尽快发布同等能力的开放模型以改变叙事。

    推荐理由:作者以观察者视角梳理了开放模型面临的双重政策压力,可帮助读者理解当前监管讨论与产业博弈的关联。

7月11日周六
  1. Amazon Science60

    Amazon与密歇根大学推出HydroShear仿真器赋予机器人触觉

    Amazon与密歇根大学提出HydroShear,基于水弹性接触模型并加入路径相关力追踪,准确模拟触觉剪切力。机器人仅在仿真中训练强化学习策略后直接部署到真实Franka机器人,在四项接触密集任务上平均成功率93%,远超TacSL的34%和FOTS的58-61%。

    推荐理由:它用仿真解决了触觉力建模的难题,让机器人在模拟中训练后直接迁移到真实世界。

7月10日周五
  1. GitHub Engineering76

    GitHub Copilot Code Review 工具升级反而效果下降:指令重写后成本降低约 20%

    GitHub 工程团队将 Copilot Code Review 的代码探索工具替换为 Copilot CLI 的共享工具(grep、glob、view),预期是干净升级,但离线基准显示成本上升、发现的问题减少。

    推荐理由:同样的工具因指令与工作流不匹配反而拉低效率,调整提示词后成本下降约两成,读者可借此审视自己 Agent 的工具与指令设计。

  2. AI Snake Oil62

    Up the Stack:AI 逃离商品化困局与企业锁定风险

    作者 Arvind Narayanan 与 Akash Kapur 认为,当前按推理 token 收费的模式接近伯特兰悖论,实验室难以在模型层获得持久利润;他们更可能通过垂直整合、嵌入企业工作流、构建切换成本等方式向上迁移栈层,从而锁定客户并重塑竞争格局。

  3. Vector Institute88

    The AI Scientist:迈向科研全流程自动化

    Vector Institute 介绍 Jeff Clune 等人提出的 The AI Scientist 系统,可自主完成从选题到论文撰写的完整科研流程,其生成的论文在 ICLR 2025 ICBINB 工作坊通过同行评审。

    推荐理由:展示了AI系统端到端自动化科研流程的可行性,为理解自主科研代理的能力边界与扩展趋势提供了具体案例。

7月9日周四
  1. MIT News · AI60

    FloatForm:小型机器人船自组装成浮动结构

    MIT CSAIL 团队发布 FloatForm 系统,由 21 厘米方形自主船组成,通过磁锁原结构实现自组装、拆解与重组,仅在精调位置时引入轻量中央规划器。实验中 8 个机器人完成构型转换并集体运输,仿真可扩展至 64 个;10 次试验中 4 机器人成功率为 90%、8 机器人为 70%。论文发表于 Nature Communications,源自与阿姆斯特丹合作的 Roboat 项目。

    推荐理由:分布式水下机器人自组装为可编程水上基础设施提供了可扩展思路,对应急响应与公共空间重构有参考价值。

  2. Ollama Blog72

    Ollama 宣布融资 8800 万美元,全面押注开源模型

    Ollama 宣布完成 8800 万美元融资,由 Benchmark、Theory Ventures、8VC 等投资方跟投。公司定位为开源模型平台,已服务 890 万开发者,并被 85% 的财富 500 强企业使用。Ollama 表示将推进无缝混合推理、新模型快速支持及云端访问,同时保持开发者对模型、数据和隐私的控制。

    推荐理由:原文给出具体融资额与投资方,并说明 Ollama 在开源模型生态中的定位,读者可据此判断其后续产品走向。

7月8日周三
  1. Hugging Face Blog65

    transformers vLLM 后端达到原生推理速度

    Hugging Face 更新 vLLM 的 transformers 建模后端,在 Qwen3-4B、Qwen3-32B、Qwen3-235B-A22B-FP8 三种模型上达到或超越原生 vLLM 吞吐。模型作者只需添加 --model-impl transformers 标志即可自动获得优化推理,无需手写自定义实现。

    推荐理由:transformers 后端现已达到原生 vLLM 实现同等吞吐,模型作者无需重写代码即可在 vLLM 中获得优化推理性能。

  2. Google Research60

    通过导航应用干预缓解城市拥堵的实验研究

    Google Research在Nature Cities发表研究,在10个美国大城市开展为期6个月的实验,通过Google Maps将不到2%的出行引导至替代路线,使目标路段车速中位数提升约2%,燃料消耗下降0.5%–1.0%,全城受影响路段车速中位数提升约0.35%,高峰时段提升约0.5%,每年每城可减少数千吨CO₂e排放。

    推荐理由:研究提供了大规模实证证据,说明即使少量出行协调也能带来全城速度和排放的改善。

7月7日周二
  1. Hugging Face Blog67

    Hugging Face 模型登陆 Foundry Managed Compute,支持一键部署

    微软在 Build 2026 发布 Foundry Managed Compute,Hugging Face 模型现可通过一键部署在 Azure 上运行。模型目录每周更新,仅包含 SafeTensors 格式的安全筛选模型,支持 vLLM、SGLang、TensorRT-LLM、NIM、TEI、llama.cpp 等运行时,并提供统一端点、Azure Monitor 指标和每部署计费标签。

    推荐理由:Hugging Face 模型现可通过 Foundry Managed Compute 一键部署,微软承担了从运行时构建、安全扫描到 CVE 补丁的运维层,让企业能在自有租户中运行开源模型。

  2. Berkeley AI Research60

    Intelligence is Free, Now What? Data Systems for, of, and by Agents

    Berkeley EAIR 发表观点文章,探讨当推理成本接近零时数据系统面临的三重挑战:Data Systems For Agents(为智能体推测性查询重新设计,如共享扫描与近似答案)、Data Systems Of Agents(为多智能体集群提供结构化记忆与协调子层)、Data Systems By Agents(由智能体从零合成定制数据系统并验证正确性)。

    推荐理由:原文从推理成本骤降切入,提出数据系统需为智能体重塑的三重挑战,为理解Agent与数据基础设施的共演化提供了一个可迁移的分析框架。

  3. Hugging Face Blog70

    SkyPilot 集成 Hugging Face Storage:零 egress 跨云读取 Hub 数据

    Hugging Face 与 SkyPilot 联合推出 store: hf 存储后端,用 hf:// URL 将 HF Bucket 或 Hub repo 挂载到 SkyPilot 任务,实现跨云 GPU 任务零 egress 读取。

    推荐理由:Hugging Face Storage 成为 SkyPilot 官方存储后端,团队可在任意云上运行 GPU 任务并免费读取 Hub 数据,无需跨云拷贝或承担 egress 费用。

  4. Hugging Face Blog82

    LeRobot v0.6.0 发布:Imagine, Evaluate, Improve

    LeRobot v0.6.0 发布,引入世界模型策略(VLA-JEPA、FastWAM、LingBot-VA)、新 VLA 模型(GR00T N1.7、MolmoAct2、EO-1、Multitask DiT、EVO1)和奖励模型 API(Robometer、TOPReward)。

    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。

7月6日周一
  1. Hugging Face Blog42

    PRX Part 4:数据策略详解

    summary_zh: PRX 团队公开了其预训练数据策略:从公开与内部数据集混合采集图像数据,用 VLM 重新标注,并以长caption 保证描述完整。流程上使用 Lance 做特征工程与数据集构建、MDS 格式流式读取;文本编码器切换至 Qwen3-VL 后改为训练时实时计算 latent,仅带来约 3–4% 吞吐量开销;图像统一以质量 92 的 JPEG 编码。

7月4日周六
  1. Lilian Weng77

    Harness Engineering for Self-Improvement

    Lilian Weng 梳理了 harness 工程如何支撑递归自改进(RSI),将 harness 定义为围绕基础模型的运行时系统,负责编排执行、工具调用、上下文管理、状态持久化与结果评估。

    推荐理由:原文系统梳理了 harness 工程的设计模式与优化路径,读者可借此理解自改进循环中非模型层的角色与边界。

7月3日周五
  1. Google DeepMind46

    Google DeepMind 与 A24 宣布首个此类研究合作

    Google DeepMind 与 A24 宣布达成首个此类研究合作,把世界领先的研究实验室与最重视电影人的工作室配对,帮助艺术家开发新工作流和技术。双方将围绕多个项目展开长期研发协作,把 Google DeepMind 的创新直接嵌入创作流程,并从中获得顶尖艺术家的反馈与指导。Google 同时对 A24 进行了投资。

7月2日周四
  1. MIT News · AI18

    MIT校长Sally Kornbluth:好奇心驱动研究对国家创新与AI教育至关重要

    MIT校长Sally Kornbluth在华盛顿邮报直播活动中强调联邦资助的好奇心驱动研究对国家创新与安全的重要性,指出许多医疗与技术突破源自数十年基础研究。她提出MIT新课程在加强STEM与道德公民教育的同时,注重培养学生使用AI工具与编写提示词的能力,并强调团队协作防止AI取代学习小组。