跳到正文

全部动态

今日 489 条
7月9日周四
  2. Google Research60

    Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型

    Google Research 发布 SensorFM，一个从可穿戴数据直接学习的大规模传感器基础模型，预训练语料超过一万亿分钟多模态信号，来自五百万名同意参与者、覆盖 100 多个国家和 20 多款 Fitbit 与 Pixel Watch 设备。

    推荐理由：Google 用五百万人的可穿戴数据预训练通用生理表征，读者可了解其自监督缺失感知设计与跨任务泛化表现。

7月8日周三
  1. Mistral AI69

    Mistral 发布 Robostral Navigate 具身导航模型

    Mistral AI 发布首款具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、不依赖 LiDAR 或深度传感器，在 R2R-CE validation unseen 上取得 76.6% 成功率，比最佳单相机方案高 9.7 个百分点，比使用深度或多相机的最佳系统高 4.5 个百分点。

    推荐理由：Mistral 首款具身导航模型只用单目 RGB 相机就在 R2R-CE 上超过多传感器方案，可看其训练与强化学习设计。

  2. Hugging Face Blog62

    vLLM 的 transformers 建模后端实现原生速度

    Hugging Face 宣布 vLLM 的 transformers 建模后端在多个 LLM 架构上已达到或超过 vLLM 手写原生实现的吞吐。在 Qwen3-4B 单卡、Qwen3-32B 张量并行、Qwen3-235B-A22B-FP8 MoE 数据加专家并行三种配置下，该后端均追平或超越原生吞吐。

    推荐理由：原文给出 transformers 后端在 vLLM 中追平原生实现的具体架构与并行配置，读者可据此判断迁移成本。

  4. Google Research62

    Google Research 在 10 座美国城市实验导航协同分流缓解拥堵

    Google Research 在 Nature Cities 发表研究，在 10 座美国城市开展为期六个月的实验，通过修改 Google Maps 算法将遇到预设拥堵路段的行程引导至耗时相近的替代路线，仅不到 2% 的行程收到改道建议。

    推荐理由：Google Research 在 10 座美国城市做了为期半月的真实路网实验，读者可了解协同导航对全城车速与排放的实际影响。

7月7日周二
  2. Berkeley AI Research36

    智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统

    GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间，中位数约 50x。UC Berkeley 的 Aditya G. Parameswaran 等人提出，近乎免费的推理成本带来三类数据系统挑战：面向智能体的数据系统、由智能体运行的数据系统，以及由智能体构建的数据系统。

  3. Hugging Face Blog78

    LeRobot v0.6.0 发布：世界模型策略、奖励模型与部署 CLI

    Hugging Face 发布 LeRobot v0.6.0，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新一批 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT）以及统一奖励模型 API（Robometer、TOPReward）。

    推荐理由：LeRobot v0.6.0 把世界模型策略、奖励模型与部署 CLI 串成闭环，读者可据此了解开源机器人学习栈的新能力边界。

  4. Hugging Face Blog62

    Hugging Face 与 SkyPilot 打通零出网存储，可在任意云挂载 Hub 数据

    Hugging Face 与 SkyPilot 联合推出 store: hf 存储后端，用一条 hf:// URL 和现有 HF_TOKEN 即可把 Hugging Face Bucket 或任意模型、数据集、Space 仓库挂载进 SkyPilot 任务，并在 20 多家云、Kubernetes、Slurm 和本地集群上运行。

    推荐理由：原文给出跨云挂载 Hub 数据的具体配置与实测吞吐，读者可据此判断能否省下跨云读取成本。

7月6日周一
7月3日周五
7月2日周四
  1. Mistral AI71

    Mistral 发布 Leanstral 1.5，形式化验证模型开源并免费开放 API

    Mistral AI 发布 Leanstral 1.5，一个 Apache-2.0 许可、119B 总参数 6B 激活参数的形式化验证模型，在 miniF2F 上达到 100%，PutnamBench 解出 587/672 题，FATE-H 与 FATE-X 分别取得 87% 和 34%。

    推荐理由：原文给出 Leanstral 1.5 的基准成绩、训练流程与开源入口，读者可据此判断形式化验证模型的当前水位与成本差异。

7月1日周三
  1. Berkeley AI Research12

    Berkeley BAIR 实验室 2026 届博士毕业生展示

    Berkeley BAIR 实验室展示 2026 届博士毕业生，研究方向覆盖机器人、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for science 与医疗等领域。毕业生去向包括 OpenAI、Mistral AI、Amazon、Physical Intelligence 等机构，以及 UCLA、普林斯顿 CITP 和芝加哥大学等学术岗位。

  2. Hugging Face Blog62

    Hugging Face 与 Cerebras 将 Gemma 4 引入实时语音 AI

    Hugging Face 与 Cerebras 联合演示了一套实时语音到语音的开源流水线，用 Cerebras 加速 Gemma 4 31B 推理。该架构采用模块化设计，依次由 NVIDIA Parakeet 做语音识别、Gemma 4 VLM 在 Cerebras 上推理、阿里 Qwen3TTS 做文本转语音，各层均可替换。

    推荐理由：原文给出可复用的开源语音到语音架构与各层组件，读者可据此评估实时语音交互的搭建方式。

6月30日周二
  2. Google Research67

    Google 发布 TabFM：面向表格数据的零样本基础模型

    Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，把表格预测重构为上下文学习问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。

    推荐理由：原文给出 TabFM 的架构设计与 TabArena 基准结果，读者可据此判断零样本表格预测能否替代传统树模型流程。

6月29日周一
  1. Import AI50

    Import AI 463：NVIDIA 用 ENPIRE 让机器人自我改进，中国建成 10k GPU 集群

    NVIDIA 推出 ENPIRE 框架，让编码智能体自主驱动物理机器人完成策略迭代，在 PushT、插针、剪扎带等任务上达到 99% 成功率，硬件为双 YAM 机械臂加 RTX 5090 工作站。GPT-5.5 在 Codex 中与 Claude Code 里的 Opus 4.7 表现互有胜负，Kimi-2.6 落后，8 个智能体并行时得分更高。

6月27日周六
6月25日周四
  1. Google Research22

    Google 用线性弹性缓存优化云成本，Spanner 内存用量降 15.5%

    Google Research 提出线性弹性缓存，把页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小，在 Spanner 生产环境实测内存用量降低 15.5%、缓存未命中仅增 5.5%、TCO 降约 5%。该方案用浅层决策树为每个页面预测 TTL，缓存写满时仍由 LRU 兜底，并已在公开缓存 trace 上验证。

  2. Google Research31

    Google Research 研究：推理如何解锁 LLM 的参数化知识

    Google Research 在 COLM 2026 发表的论文揭示，让模型生成推理轨迹能解锁原本无法触及的参数化知识，即使面对简单单跳事实问题。研究在 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 上验证，发现两个机制：计算缓冲效应（用无意义文本填充推理长度也能提升召回）和事实启动（生成相关事实为正确答案做语义预热）。

6月24日周三
6月23日周二
  1. Mistral AI62

    Mistral 发布 OCR 4，支持边界框、块分类与置信度分数

    Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数，支持 170 种语言并可在单个容器中自托管部署。该模型在 OlmOCRBench 上取得 85.20 分，独立标注者在 600 多份文档的盲评中平均 72% 更偏好其输出。

    推荐理由：OCR 4 在文本之外返回边界框、块分类与置信度，读者可据此判断它如何改变 RAG 与智能体的文档处理流程。

6月22日周一
6月17日周三
  2. Google Research22

    Google Earth AI 发布矢量化数据集，将英国树篱与石墙转为可行动生态清单

    Google Research 发布矢量化数据集，把此前 Farmscapes 2020 的栅格地图转为树篱、石墙和矮林的可用生态清单，覆盖英国超 13 万平方公里。该框架基于在 3 亿多张全球卫星图像上预训练的 RSF Vision-Transformer 骨干，仅用约 247 平方公里标注数据微调，并用 Polsby–Popper 紧凑度分数（线性特征低于 0.5）区分林地、树丛与树篱。

6月16日周二
  1. Google DeepMind62

    Google DeepMind 发布 AI Control Roadmap，为智能体部署加装系统级安全层

    Google DeepMind 发布 AI Control Roadmap，提出在模型对齐之外增加系统级安全层，把内部智能体当作潜在未对齐对象来管理。该框架借鉴 MITRE ATT&CK 做 AI 威胁建模，用可信 AI 作为监督者审查智能体的推理与行动，并以覆盖率、召回率和响应时间三项指标衡量监控效果。

    推荐理由：Google DeepMind 公开内部 AI Control 路线图，给出威胁建模、监控指标与分级响应框架，可了解大厂如何为智能体部署加一层系统级安全。

6月15日周一
  1. Import AI42

    Import AI 461：Sequent 称"对齐尚未走上正轨"、FrontierCode 与合成研究实习生

    英国 AI Security Institute 对齐团队与 Timaeus 联合成立非营利研究机构 Sequent，目标是两三年内扩至 40-80 名全职员工，初期拟募资 1 亿至 1.5 亿美元，理由是"对齐尚未走上正轨"。该机构将围绕可扩展监督、学习理论、启发式论证、博弈论与 personas 等方向布局差异化对齐研究。

6月13日周六
  2. Google Research36

    用退役 Pixel 手机搭建低碳计算平台：加州大学圣地亚哥分校将部署 2000 台手机集群

    加州大学圣地亚哥分校在 Google 支持下，将用 2000 台退役 Pixel 手机的主板搭建数据中心，为数百名研究人员和学生提供低成本、低碳的云计算。手机主板约占整机隐含碳的 50%，SPEC 基准显示 25-50 台手机算力相当于一台现代服务器，20 台手机集群已能支撑 75 人以上课程的评分负载且延迟低于 AWS 默认后端。该系统预计 2026 年秋季上线。

6月11日周四
6月10日周三