跳到正文

全部动态

今日 8 条
9月17日周四
9月16日周三
  1. NVIDIA Blog45

    曼彻斯特大学利用 NVIDIA Earth-2 预测英国全境空气污染

    曼彻斯特大学与 NVIDIA 合作,基于 Earth-2 CorrDiff 和 StormCast 生成式模型构建英国全境空气污染预测模型,分辨率达 2-3 平方公里。模型在搭载 5,448 颗 GH200 的 Isambard-AI 超算上以单节点训练两天完成,推理可在桌面级 DGX Spark 上运行。团队计划开源训练数据与工作流,未来支持政策情景模拟、医疗预警及智能体交互查询。

  2. Claude:Blog(网页)83

    Claude 将 Cowork 与聊天合并为统一 Claude,并推出 Docs 和 Slides

    Claude 于 9 月 16 日宣布将 Claude Cowork 与聊天合并为一个 Claude,用户可在同一对话中提交快速问题或交给 Claude 持续完成报告等较大任务,即使关闭笔记本电脑也可继续处理。

    推荐理由:官方说明 Claude 将聊天与 Cowork 合并,并把文档、幻灯片和设计能力接入同一对话,便于理解其任务承接方式和付费计划开放节奏。

  3. Google Research44

    Google 提出 Retrieve-for-Train,用 RL 编译扩散检索器加速复杂 AI 搜索

    Google Research 提出 Retrieve-for-Train 框架,通过离线 RL 发现奖励对齐的查询 fan-out,并蒸馏进 53.9M 参数的轻量扩散检索器,实现单次非自回归查询展开。该方法对 Gemma3-4B 和 Qwen3-4B 进行微调,无需人工标注,也消除了推理时的文本 CoT token 开销,可在保持多样性、覆盖度等集合级属性的同时降低延迟。

  4. Google DeepMind86

    Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音对话模型

    Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型,分别面向规模化成本效率与高复杂度多步推理任务。

    推荐理由:官方同时给出两款实时语音模型的定位、基准成绩与 API、企业版和消费端开放路径,便于判断语音智能体落地选择。

  5. Hugging Face Blog73

    ALTK-Evolve 推出 Consistency Analyzer 与一致性准则,降低智能体重复执行失败率

    Hugging Face 与 IBM Research 介绍 ALTK-Evolve 新增的 Consistency Analyzer 和 consistency guidelines,用于诊断并减少 AI 智能体在同一任务上重复运行时的结果翻转。

    推荐理由:文章把智能体平均成功率与重复成功率区分开,并提供无需真值、可在单条轨迹上定位易翻转决策的诊断流程。

9月15日周二
  1. NVIDIA Blog47

    费城儿童医院如何用 NVIDIA 开源 AI 加速儿童心脏建模与护理

    费城儿童医院基于 NVIDIA 联合创立的开源医学影像框架 MONAI,将 CT、MRI 和 3D 超声图像在数秒内生成精确心脏模型,原本需熟练研究人员 4 小时的流程已可用于常规临床。其还借助 NVIDIA Warp 与开源物理引擎 Newton,把心脏器械模拟从最长 4 小时缩短至近实时;美国已有 20 多家儿童医院开展心脏建模项目。

9月14日周一
  1. Fireworks AI(网页)72

    Fireworks 发布 DeepSeek-V4.1-Flash,DeepSWE 编码准确率接近 GPT-6 Astra 且单任务成本为 1/15

    Fireworks 发布 DeepSeek-V4.1-Flash,并给出 DeepSWE、Terminal-Bench 2.1 与 HLE 评测。DeepSeek-V4.1-Flash 在 DeepSWE 上 Pass@1 为 74.34%,单任务成本 $0.430;GPT-6-Astra 为 74.12%、$6.524,二者质量接近而成本相差 15 倍。

    推荐理由:文章用 DeepSWE、Terminal-Bench 2.1 和 HLE 对比成本与能力边界,并解释输入输出分离激活及 KV cache 优化。

9月12日周六
  1. GitHub Blog · AI & ML62

    GitHub 营销团队如何用 Copilot 和 Actions 自动化活动全流程

    GitHub 日本与韩国营销负责人用 GitHub Copilot、Issue forms、Labels、Actions 和 Copilot agent skills,把活动从策划、报名筛选到会后 CRM 上传与报告自动化。

    推荐理由:文章把市场活动运营拆成 Issue、标签、Actions 与 SKILL.md,可作为非工程团队用 API 或 CLI 改造重复流程的参考。

9月11日周五
  1. GitHub Blog · AI & ML50

    GitHub Copilot 应用新手指南:使用 diff、终端与浏览器面板

    GitHub Copilot 应用内置 diff、终端与浏览器三个面板,让用户无需离开应用即可审查、运行并预览 AI 智能体对代码的修改。diff 面板以绿色和红色高亮增删内容,终端面板可运行命令并支持多窗口,浏览器面板可用 Pick & Polish 工具调整界面元素。完成检查后可直接接受更改并创建 pull request。

9月10日周四
  1. Mistral AI44

    Cloudera 与 Mistral 达成合作,为企业数据带来专业化、主权智能

    Cloudera 与 Mistral 宣布达成合作,将 Mistral 模型集成进 Cloudera 混合数据平台,支持企业在私有云、公有云、本地及完全气隙环境中运行推理并保持完全控制。企业还可在受控环境中用自有数据训练定制模型,保留对数据与智能的所有权。该合作面向 Cloudera 平台上由客户管理的 30 exabytes 数据,满足主权 AI 需求。

  2. Fireworks AI(网页)60

    Fireworks AI 解读企业如何迈向专业化智能并训练自有模型

    Fireworks AI 提出企业获得专业化智能通常会经历租用闭源前沿模型、围绕模型做提示词和 RAG 等工程、引入开源模型控制成本与延迟、最终训练自定义模型四个阶段。

    推荐理由:文章把企业从租用闭源模型到训练自有模型的路径拆成四个阶段,并用 UIPad 成本与分类结果说明路由和微调的决策依据。

  3. Fireworks AI(网页)62

    Genspark 与 Fireworks Lab 发布 Gen-1 Slides,后训练 MiniMax M3 实现 Opus 5 级幻灯片生成

    Genspark 与 Fireworks Lab 将开源多模态模型 MiniMax M3 后训练为 Gen-1 Slides,可端到端规划、撰写并自检幻灯片,现已作为 Genspark AI Slides Standard 模式默认模型上线。

    推荐理由:文章给出了从 MiniMax M3 后训练到专用幻灯片模型的完整 RL 方法、成本对比和生产指标,适合了解长程智能体训练如何落地。