微软研究院：从合成企业数据评估到真实微软 Copilot AI 信心
微软研究院发布合成企业数据评估平台，旨在解决企业规模下 Copilot 评估中缺乏真实数据的问题。平台基于 O*NET 职业数据、在线职位发布和 SEC 备案等公开数据源，生成全量合成企业环境，模拟真实业务流程（如临床试验审查、合规沟通、代码审查等），且全程不使用客户数据。
阅读原文 来源：Microsoft Research
#原创研究
Microsoft Research一手 Microsoft Research一手 Microsoft Research Focus 第97期：AI 代理、天气预报与教师协作工具
Microsoft Research Focus 第97期节目涵盖了多项研究亮点：ForkPilot 作为自改进框架，在六大基准测试中使 AI 处理需求降低 59%。
阅读原文 来源：Microsoft ResearchAWS Machine Learning Blog一手精选 AWS博客发布：在Amazon EKS和SageMaker HyperPod上加速使用NVIDIA Nemotron模型
NVIDIA Nemotron 3.5 Super VL是一个120B参数的多模态MoE模型，支持文本、图像、文档和视频输入，输出文本。该模型由Nemotron 3 Ultra蒸馏而来，提供12B激活参数/token，上下文长度达1M token。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文给出了Nemotron 3.5 Super VL的架构、性能基准和部署指南，读者可以了解其多模态能力、GPU配置要求以及在EKS/HyperPod上的部署实践。
Google DeepMind一手精选 Gemini 4 Carbon：Google DeepMind 下一代前沿模型
Gemini 4 Carbon 是 Google DeepMind 最强大的模型，在 Artificial Analysis Intelligence Index v5.0 中排名第 59。
阅读原文 来源：Google DeepMind推荐理由Carbon 在代理任务、编码和网络安全基准测试中取得显著提升，并在 SEC-bench Pro 等关键安全基准中登顶，展示了强大的长周期工程能力与对齐安全性。
Hugging Face Blog一手精选 NVIDIA Nemotron 3.5 Transcribe 与 Granary v2 发布：可提示适配的多语言转写模型
NVIDIA Nemotron 3.5 Transcribe 为开放权重模型，支持转写 40 种语言、翻译 31 种语言并标记 13 种语言的说话人，单 GPU 即可运行。
阅读原文 来源：Hugging Face Blog推荐理由Nemotron 3.5 Transcribe 与 Granary v2 同时发布，开放转写、翻译、说话人标记及音频问答功能，并提供可适配的数据管线与微调方案。
AWS Machine Learning Blog一手精选 Exowatt 利用 SageMaker 无服务器模型自定义在精度上超越前沿模型
Exowatt 利用 Amazon SageMaker AI 无服务器模型自定义，在两个部署目标（边缘和云端）上分别微调了 Qwen3-1.7B 和 Qwen3-14B 模型，在报警分类和能源市场分析两项任务上分别实现 0.911 和 0.975 的 macro-F1 分数，显著超越同等规模的前沿模型。
阅读原文 来源：AWS Machine Learning Blog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。
Google Research一手精选 谷歌研究院提出睡眠框架：让LLM在持续学习中保持知识
谷歌研究院提出睡眠框架，旨在通过交替的唤醒与休眠阶段，让LLM在持续学习中保持知识并自我提升。该框架模拟人类大脑休眠过程，包含记忆巩固与做梦两个阶段。记忆巩固通过参数扩展和知识向上蒸馏将短期记忆转化为长期参数，做梦则通过随机专家激活和基于梯度的样本筛选进行自改进。
阅读原文 来源：Google Research推荐理由原文介绍了睡眠框架，展示了LLM在持续学习中通过交替的唤醒与休眠阶段实现知识保持和推理提升，读者可了解该方法在长上下文保持、事实整合和数学推理方面的技术细节与实验结果。
Hugging Face Blog一手精选 Liquid AI 发布 LFM3 系列专用多模态模型
Liquid AI 发布 LFM3 系列，包括 LFM3-1.7B、LFM3-VL-2B、LFM3-Audio-2B、LFM3-Omni-2B 等四款 2B 参数专用模型，均基于 LFM3-1.7B-Base backbone 构建。
阅读原文 来源：Hugging Face Blog推荐理由LFM3 发布一系列 2B 参数的专用模型，在单 GPU 上即可微调部署，并提供从文本到视频、音频的多模态能力，读者可通过对比了解参数效率与上下文窗口的提升。
Hugging Face Blog一手 我们能信任 LLM 判断研究创新性吗？
原文发布 Old Ideas, Novel Problems 研究及 novelty judge 基准。研究通过 ICLR 2026 同行评审挖掘 novelty 信号，构建 Human-Only 与 Human+Generated 两评估设置。
阅读原文 来源：Hugging Face BlogGoogle DeepMind一手精选 DeepMind 发布 Genie 4：原生音频交互的世界模型
DeepMind 于2026年10月发布 Genie 4，作为首个原生音频交互的世界模型。该模型原生支持音频生成，可同时产出音乐、环境音和交互式对话。Genie 4 基于 Gemini 家族模型，利用 Gemini Omni 确保现实外观与行为，其他 Gemini 模型提供复杂推理以保持连贯性。
阅读原文 来源：Google DeepMind推荐理由DeepMind 发布 Genie 4，作为首个原生音频交互的世界模型，展示了在实时模拟、物理推理和多模态生成上的重大进展，标志着交互式世界模型进入新阶段。
NVIDIA Blog一手精选 AI 如何加速数百万痴呆症患者的发现进程
C-BRAIN 联盟与 NVIDIA 合作，利用 AI 加速痴呆症研究。该系统整合了此前未公开的“暗数据”，包括未公开的发现、阴性结果及受管控的专有数据。
阅读原文 来源：NVIDIA Blog推荐理由原文展示了 C-BRAIN 如何利用 AI 加速痴呆症研究，通过 OpenScientist 与 InsightEngine 两款开源工具实现从数周到分钟级的分析速度提升，并给出了多模态基础模型的路线图，读者可了解 AI 在医学研究中的具体落地路径与技术挑战。
Google Research一手精选 Google Research发布用于结核病筛查的开放基础模型，支持全球公共卫生系统本地化部署
Google Research团队与合作伙伴合作，将基础模型应用于结核病（TB）筛查，旨在解决偏远地区放射科短缺的问题。文章报道了AI模型在胸部X光片上检测结核病的性能，并通过与Nexus AI等公司的合作获得监管批准（CE MDR Class IIb）并在南非、塞拉利昂等国的40家医疗机构部署，已筛查超2.5万例胸片。
阅读原文 来源：Google Research推荐理由原文展示了从算法研发到临床落地的全链路过程，通过开源模型和本地化部署解决了数据隐私与算力获取难题，读者可了解到AI如何在低资源环境中实现TB筛查的实际落地与规模化。
AWS Machine Learning Blog一手 亚马逊 SageMaker AI 多轮强化学习实操指南：Wordle 训练案例全流程解析
MTRL 通过结果导向的 reward 训练模型在多步任务上表现。本文以 Wordle 为例，展示了从 AgentCore 部署、数据准备、训练到评估的完整 pipeline。
阅读原文 来源：AWS Machine Learning BlogAWS Machine Learning Blog一手精选 Bayer 作用作物科学利用 Amazon Bedrock AgentCore 构建智能体决策引擎
Bayer 作用作物科学利用 Amazon Bedrock AgentCore 构建了 Agentic Decision Engine（ADE），通过 supervisor 智能体路由问题到专家智能体，实现了对 Connected Decision Engine（CDE）的自然语言查询。
阅读原文 来源：AWS Machine Learning Blog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。
Hugging Face Blog一手 LitPivot：通过文献动态上下文开发研究创意
宾夕法尼亚大学等机构研究人员开发的 LitPivot 系统通过动态上下文将研究创意与文献关联。在 17 名研究人员的实验中，领域专家评定使用 LitPivot 开发的创意比传统编辑器和 AI 工具更扎根于文献，且参与者认为其更具新颖性和实用性。该系统将创意拆解为问题、贡献和评估计划，并基于所选文献提供有据可查的修订建议，将在 UIST 2026 学术会议上展示。
阅读原文 来源：Hugging Face Blog
Hugging Face Blog一手精选 将数据库评分转化为 RL 奖励：基于 ThinkingBox 的带有 ThinkingBox 的后训练智能体
该研究发布了 ThinkingBox-Training，通过构建基于数据库终态状态的可执行奖励函数，对 Qwen3.8-27B 进行了 50 步的 GRPO 微调。
阅读原文 来源：Hugging Face Blog推荐理由基于可执行数据库状态的奖励函数对 Qwen3.8-27B 进行了 50 步 GRPO 微调，使其在 ThinkingBox-Bench 基准测试中通过全部 20 次尝试的任务数从 38 例提升至 107 例，pass@1 从 51.70% 提升至 60.78%，展示了通过离线策略相对难度筛选训练任务后，模型可重复成功率的显著提升。
Hugging Face Blog一手精选 OlmoEarth v1.3：全球卫星嵌入模型发布
Hugging Face 发布 OlmoEarth v1.3，这是一个全球卫星嵌入模型，可将一年卫星时间压缩为每 10 米像素 128 维向量。该模型在 27 项评估中以 128 维嵌入在 20 项任务中得分最高，64 维嵌入在 18 项任务中领先。
阅读原文 来源：Hugging Face Blog推荐理由OlmoEarth v1.3 发布全球卫星嵌入模型并开放预计算嵌入，提供交互式浏览器工具，读者可直接获取跨年份变化分析方法和具体案例。
AWS Machine Learning Blog一手精选 AWS发布Deep Insight：多智能体系统的5大生产挑战与解法
AWS发布Deep Insight，一个将复杂数据分析自动化的多智能体系统。系统通过协调者、规划者、监督者和专业执行者（码农、验证者、报告者、追踪者）层层协作，从CSV数据生成带图表的DOCX报告。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文列出了5大生产挑战及Deep Insight的架构解法，读者可以学到分层协作、模型角色分配和安全沙箱等可迁移的技术要点。
OpenAI News一手 Democratic governance of frontier AI, part II: Empowering cyber defenders
OpenAI 发布蓝图，旨在通过前沿 AI 赋能网络防御者，并加强防护措施与现代化网络安全。该计划重点聚焦于增强公共机构的韧性，以应对日益严峻的网络威胁。
阅读原文 来源：OpenAI NewsHugging Face Blog一手精选 NVIDIA Kumo Relational 发布：预训练关系基础模型在关系数据上无需训练即可预测
NVIDIA 发布 Kumo Relational，这是一个预训练的关系基础模型，可直接在企业数据库上进行预测。它无需任务特定训练、特征工程或表展平，通过单次前向传递即可预测流失率、需求或欺诈等结果。
阅读原文 来源：Hugging Face Blog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。
Hugging Face Blog一手精选 SLM 词汇专门化可在实际应用中将推理成本降低 77%
文章介绍了 VocabX 方法，通过专门化词汇将 SLM 推理成本降低 77%。在 Portuguese essay grader 实验中，模型的平均输出 token 数从 350 降至 101，基于 Qwen3-4B 的基座模型在不改变权重的情况下实现成本大幅下降。
阅读原文 来源：Hugging Face Blog推荐理由文章展示了如何通过专门化词汇显著降低 SLM 推理成本，并提供了具体的实验数据和方法论，读者可直接了解成本优化的关键技术点。
Microsoft Research一手精选 微软研究院：31 年来的数学难题 KLS 猜想被证明
微软研究院的研究人员与合作者结合新的数学思想与人工指导的 AI，证明了耗时 31 年的 KLS 猜想。该研究确立了 log-concave 分布的几何原理，即简单的平面切割可在固定因子内捕捉其最窄瓶颈，且与维度无关。
阅读原文 来源：Microsoft Research推荐理由研究者利用人工指导的 AI 过程证明了 KLS 猜想，确立了高维几何的几何原理，并提供了机器可验证的正式证明，这对优化、算法和统计学等领域有深远影响。
Hugging Face Blog一手 Profiling TorchNeuron (Part 1): AWS Trainium 系统级性能分析指南
本文介绍如何使用 TorchNeuron 对 AWS Trainium 芯片上的模型推理性能进行系统级分析。文章以 RMSNorm 为例，演示了通过 torch.profiler 配合 NeuronConfig 捕获设备和运行时痕迹，并利用 Neuron Explorer 追踪操作从框架调度到硬件执行的全过程。
阅读原文 来源：Hugging Face Blog
OpenAI News一手 OpenAI、PerturbAI 和 Scripps Research 利用成千上万 AI 代理挖掘生物数据新线索
OpenAI、PerturbAI 和 Scripps Research 联合使用分布式 AI 代理，从数百万脑细胞数据中挖掘出有前景的研究线索，展示了 AI 在生物数据分析中的大规模应用潜力。
阅读原文 来源：OpenAI NewsMistral AI一手精选 Mistral 与 NVIDIA 联手推进工程 AI
Mistral 与 NVIDIA 合作推出工程 AI 解决方案，发布 Mistral Large 4（Le Chonk）模型并提供公开基准。新模型拥有 1 万亿总参数、490 亿活跃参数，支持多模态理解和代理工作流。双方计划将模型与 NVIDIA Omniverse 结合，用于 3D 场景生成和仿真资产创建，并计划在 2030 年前在欧洲部署 1 GW AI 基础设施。
阅读原文 来源：Mistral AI推荐理由原文发布了 Mistral Large 4 并与 NVIDIA 合作推出工程 AI 能力，提供了开放基准和基础设施，读者可以了解新模型能力和产业化进程。
AWS Machine Learning Blog一手精选 Laplace 3B 线性注意力模型在 AWS Trainium2 上训练与推理实验报告
i14 在 AWS Trainium2 上训练并推理 Laplace 3B 线性注意力模型。训练阶段在单节点单实例上实现约 120,000 tokens/秒的吞吐量，损失平滑下降至 2.3729；推理阶段通过未修改的 vLLM 引擎在 1,280 并发序列下实现 11,544 output tokens/秒。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文展示了Laplace 3B在Trainium2上训练和推理的具体结果，读者可以了解到线性注意力模型在大规模训练和高并发推理下的性能表现及其固定状态带来的内存优势。
AWS Machine Learning Blog一手 在 Amazon SageMaker HyperPod 上使用 SFT 与 GRPO 微调 GPT-OSS-20B 实现多语言推理
GPT-OSS-20B 是一个只在英语中推理的开放权重模型。在 50 例多语言推理测试中，基座模型仅在 22% 的情况下使用目标语言进行链式思考，且几乎全是英语示例。
阅读原文 来源：AWS Machine Learning BlogHugging Face Blog一手精选 NVIDIA Cosmos3-H-Dreams：通过生成式模拟将临床手术带入现实
NVIDIA发布Cosmos3-H-Dreams，这是一个基于临床乳腺切除术录像训练的实时生成手术模拟器。该模型利用Cosmos 3和FlashDreams库，在单张RTX PRO 6000 GPU上实现交互式视频生成，支持通过手术器械动作控制场景，展示了组织变形和器械外观的时序一致性。
阅读原文 来源：Hugging Face Blog推荐理由Cosmos3-H-Dreams展示了在单张RTX PRO 6000 GPU上实时生成临床手术场景的能力，提供了从表格任务到临床手术的迁移路径，并开放了教师微调和蒸馏的完整配方，读者可据此评估其在手术机器人研究中的应用潜力。
AWS Machine Learning Blog一手精选 基于Denodo和Amazon Bedrock AgentCore在AWS上构建智能体语义层
原文介绍了在AWS上使用Denodo平台构建语义层，实现Amazon Aurora、Amazon Redshift和本地PostgreSQL数据的联邦查询。文章详细说明了如何通过Denodo Virtual DataPort创建基础视图、派生视图和度量视图，以及如何通过Model Context Protocol Server将语义层暴露给AgentCore托管的智能体。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文详细展示了如何在AWS上使用Denodo和Amazon Bedrock AgentCore构建语义层，实现跨多源数据的联邦查询和身份传递，读者可学到具体的MCP Server注册、查询下推和访问控制实现方法。
Hugging Face Blog一手精选 FairStress：深度评估 LLM 决策中的公平性
FairStress 基准通过 1300 万测试用例揭示了模型在面对人口统计信息时决策的隐形不对称。实验发现，当证据支持某候选人时，模型在面对对抗性前缀时更倾向于放弃正确选择，以有利于少数群体候选人，表现出‘逆向过度修正’倾向。
阅读原文 来源：Hugging Face Blog推荐理由FairStress 基准通过 1300 万测试用例揭示了模型在面对人口统计信息时决策的隐形不对称，提供了评估模型在面对对抗性论证时对不同群体偏好的细粒度洞察。
Hugging Face Blog一手精选 ALTK-Evolve：学习记忆在不更新模型权重的情况下登上 τ²-bench 客服任务排行榜首位
ALTK-Evolve 通过学习代理在 τ²-bench 任务中的尝试，将成功与失败提炼为简短的行为规则，并将其追加到系统提示词中。
阅读原文 来源：Hugging Face Blog推荐理由原文展示了在不更新模型权重的情况下，通过学习到的指南针（learned guidelines）显著提升了基于 GPT-4.1 的客服智能体在 τ²-bench 零售领域的 Pass^4 从 57.5% 提升至 67.5%，并登上排行榜首位，这为提升 LLM 智能体可靠性提供了无需微调的有效方法。
Hugging Face Blog一手精选 PyTorch 2.15 发布：MPS FP8 支持、MoE 解码加速、Wan2.2 视频显存大幅压降
PyTorch 2.15 发布，MPS 首次支持 FP8 低精度张量，存储空间仅为 BF16 一半。MoE 模型解码速度 5-6.5 倍提升，Qwen3.6-35B-A3B 在 M3 Ultra 上从 9.4 提升至 61.3 tokens/s。
阅读原文 来源：Hugging Face Blog推荐理由PyTorch 2.15 发布 MPS FP8 支持、MoE 解码 5-6.5 倍加速、Wan2.2 视频 VAE 显存从 270 GiB 降至 8 GiB 等关键改进，读者可直接获知 Mac 本地 LLM 加速和显存优化的具体细节。
OpenAI News一手 OpenAI 评估 ChatGPT 在低资源编程语言中的表现
OpenAI 发布新评估套件，测试 ChatGPT 在软件工程、SQLite 以及 COBOL 迁移等低资源编程语言中的表现。
阅读原文 来源：OpenAI NewsAWS Machine Learning Blog一手精选 Deepgram利用AWS Trainium2优化Nova-3语音模型，实现11%-70%成本提升
Deepgram将Nova-3语音模型移植至AWS Trainium2并进行了内核级优化，单设备配置处理音频每美元提升11%-70%。团队使用TorchNeuron完成PyTorch迁移，通过NKILib和自定义内核提升吞吐量，并开发Rust数据并行运行时消除Python开销。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文展示了Deepgram如何通过在Trainium2上优化Nova-3模型，在离线批处理工作负载中实现11%-70%音频每美元的成本提升，并提供了从模型移植到数据并行运行的完整技术路径，读者可直接获取模型优化和成本降低的可复用方法。
AWS Machine Learning Blog一手精选 AWS发布基于NIXL的推模式KV转移功能，提升vLLM分布式推理TTFT和TPOT
AWS发布了基于NIXL的推模式KV转移功能，用于提升vLLM分布式推理的TTFT和TPOT。在使用Amazon EC2 P5en实例连接EFA的基准测试中，该功能对Qwen3-32B模型实现了最多3倍的TTFT提升和30%的TPOT改进，相比传统的拉模式显著降低了关键路径延迟。
阅读原文 来源：AWS Machine Learning Blog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。
Google Research一手 Google研究：将AI代理落地于生物实验室的基础构建
Google Research发布了一篇关于将AI代理应用于生物实验室的研究。文章介绍了VERID框架，能够实时跟踪实验室状态、进行虚拟干运行并执行硬件安全检查，从而避免物理不可行或错误的指令。作者还展示了在aptamer和蛋白质结合剂设计中的闭环实验循环，证明AI代理在几轮实验后能显著提高命中率，并通过数字孪生记录完整实验轨迹，为实验可重复性和安全性提供保障。
阅读原文 来源：Google Research
Hugging Face Blog一手精选 Meta发布开放权重前沿多模态混合专家模型Muse Spark Open
Meta发布开放权重前沿多模态混合专家模型Muse Spark Open，该模型约816B总参数，每token激活42B，上下文窗口支持100万token。模型支持文本、图像、音频和视频输入，专为代理编码设计，可阅读代码库、编写和调试代码并调用工具。
阅读原文 来源：Hugging Face Blog推荐理由原文发布了约816B参数的开放权重多模态MoE模型，提供了从运行、微调到部署的完整技术指南，展示了跨文本、图像、音频、视频的代理编码能力。读者可了解模型架构、量化部署和实际应用案例。
Google DeepMind一手 Google DeepMind 发布 Antigravity 平台加速抗菌肽发现
Google DeepMind 发布 Antigravity 代理科学工作台，旨在加速抗菌肽发现。该平台整合了 ProtNLM 模型，可从氨基酸序列预测生物学功能，帮助研究人员在 UniProt 数据库中搜索数百万未表征的蛋白质。
阅读原文 来源：Google DeepMindMicrosoft Research一手 Microsoft Research 发布基于证明的通用计算系统 Magnetar
Magnetar 是一个零知识虚拟机，可证明 RISC-V 程序的执行并返回可验证的证明。它在普通笔记本上每秒可证明 720 万至 870 万条处理器指令，较现有最快 zkVM 快 10 到 39 倍，且安全性仅依赖 SHA-256 或 SHA-3 等标准哈希函数，无需椭圆曲线或受信设置。
阅读原文 来源：Microsoft Research
Hugging Face Blog一手 Apertus 1.5 发布：多模态理解与思考模式
Apertus 1.5 发布了 8B 和 70B 两个模型的更新，引入了多模态理解（图像/音频）、思考模式和 262,144 token 的上下文窗口。模型权重于 2026 年 7 月 24 日在 Apache 2.0 许可下发布。
阅读原文 来源：Hugging Face Blog