为 Kubernetes 构建自定义指标导出器
summary_zh: Kubernetes 内置指标仅覆盖 CPU 和内存,自定义 metrics exporter 通过 HTTP server 在 /metrics 端点暴露应用状态,让 Prometheus 抓取并供 HorizontalPodAutoscaler 使用。
summary_zh: Kubernetes 内置指标仅覆盖 CPU 和内存,自定义 metrics exporter 通过 HTTP server 在 /metrics 端点暴露应用状态,让 Prometheus 抓取并供 HorizontalPodAutoscaler 使用。
计算机科学家Peter J. Denning在新书《Turing's Mistake》中指出,图灵1950年提出的
Headlamp 推出 Kubeflow 插件,将 Notebook、Pipeline、Katib、Training Runs 和 Spark 等 Kubeflow 自定义资源直接集成到通用 Kubernetes Web UI。
推荐理由:为 Kubeflow 提供原生 Kubernetes UI 入口,运营商可在不切换工具的情况下直接查看 Pod 与自定义资源状态。
summary_zh: MIT 城市研究与规划系于 2019 年推出网络安全诊所课程(Cybersecurity Clinic),由 Jungwoo Chun 与 Lawrence Susskind 授课。
summary_zh: 作者在 ICML 首尔 keynote 中提出 AI as Normal Technology 框架,认为在递归自改进等不连续性发生前,该框架正确且有用,可用于理解 AI 对经济与社会的影响。
summary_zh: Headlamp 可运行在桌面端(读取 kubeconfig)或在集群内(通过 ServiceAccount 访问 API),与仅支持集群内运行、依赖 service account token 的 Kubernetes Dashboard 不同。
Google 在印度启动 ATL Saathi 试点,这款由 Gemini 驱动的 web 应用为 Tinkering Lab 教育者提供 24/7 规划与培训助手。
伊利诺伊大学厄巴纳-香槟分校的研究发现,大脑早期感觉区域如体感皮层(S1)已参与决策过程,反馈环路在决策中发挥持续作用。这一发现挑战了信息单向层级传递的传统观点,或为构建更高效、更低能耗的下一代AI架构提供新思路。
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。
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。
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。
PAI 在日内瓦举办 2026 Partner Forum,与首届联合国 AI 治理全球对话同步,主题是从原则到实践的负责任 AI 落地。论坛宣布 Global AI Progress Hub 与年度 Global Responsible AI: Measures of Progress Report 两项新倡议。
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。
summary_zh: Vector Institute 与韩国国家AI研究实验室(NAIRL)签署战略合作备忘录,加速前沿AI研究并促进研究员交流与知识共享。
Vector Institute 与 ESA 宣布合作,聚焦气候科学与北极监测的地球观测 AI 应用。Vector 学者 Evan Shelhamer 加入 ESA Φ-lab 担任访问教授,并在 Φ-innovation Summit 发表多模型主题演讲。合作将深度学习与 Copernicus Sentinel 卫星数据结合,推动开放、可访问的地球观测分析。
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。
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。
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。
Amazon Science 发布 Rust 编写的代理 Turnstile,在模型生成时刻精确记录 token ID、log 概率、loss mask 与 MoE 路由轨迹,并导出与框架无关的 TrainingSequence。
推荐理由:原文给出了精确的 token 级记录方法,读者可据此避免 RL 训练中因重渲染导致的信号偏差。
summary_zh: Mistral Studio 现已上线,为企业的 Prompts 和 Skills 提供集中化的版本管理、归属权与审计追踪。每条指令不可变版本、可回滚、可标注(如 Production/Staging),并通过 Observability 将生产输出追溯至具体资产版本。
SensorFM 是一个大传感器基础模型,基于超过一万亿分钟、来自五百万参与者的无标注多模态可穿戴数据预训练,在心血管、代谢、睡眠和心理健康等35项判别任务上泛化,且通过 Agent classroom 可自动构建预测头。
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。
Robostral Navigate 是 Mistral AI 推出的8B具身导航模型,仅用单RGB相机在未见R2R-CE基准上达76.6%成功率,比多传感器方案高4.5分。模型完全自研、仅用仿真数据训练,借助前缀缓存将训练token减少22倍,再通过CISPO在线强化学习进一步提升3.2%成功率。
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。
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成,支持一键进入 SageMaker Studio。
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。
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。
Jesse Thaler 接任 MIT 核科学实验室(LNS)主任,接替 Bolek Wyslouch。Thaler 是理论粒子物理学家,将 LNS 带入 AI 驱动发现的新阶段,并计划把 IAIFI 的跨学科框架引入 LNS。LNS 同时将参与能源部 Genesis Mission 的 AI 科研项目。
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。
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。
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。
Partnership on AI 发布 Global AI Progress Hub 与「Global Responsible AI: Measures of Progress」年度报告,建立全球首个负责任 AI 实践公开记录。
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。
Import AI 464 汇总了 Fable 在 KernelBench-Mega 上写出首个真正且最快的 megakernel,实现 18.71 倍 CUDA 加速。
Hugging Face 推出 Hub 上的新仓库类型 kernel,并重构 CLI 与安全机制,包括可信发布者、代码签名与 manylinux_2_28 动态链接支持。
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。
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。
Vector研究人员在首尔举办的ICML 2026(7月6–11日)提交73篇录用论文,其中11篇为spotlight,主题覆盖生成式AI与视频生成、多模态与视觉语言系统、自主智能体、规划与优化理论,以及负责任AI部署、环境公平性等方向。
Mistral 发布 Leanstral 1.5,这是一个 Apache-2.0 许可的 Lean 4 形式验证模型,119B 总参数、6B 激活参数。它在 miniF2F 上达到 100%,解出 PutnamBench 587/672 题,FATE-H 为 87%、FATE-X 为 34%,权重已在 Hugging Face 开源并提供免费 API。
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。