GitHub Copilot app 如何渲染超大 pull request
GitHub Copilot app 重构了 pull request 视图,使超大 diff 与海量评论下浏览依然流畅;团队用一个 2,200 文件、超过 100 万行改动、400 余条内联评论的开源 pull request 做极限验证。核心方案是把文档高度拆成确定性的代码行高与按需测量的动态块两套几何,动态块以文件、行和侧边锚定并记录内容指纹,重排时也不会丢失定位。
GitHub Copilot app 重构了 pull request 视图,使超大 diff 与海量评论下浏览依然流畅;团队用一个 2,200 文件、超过 100 万行改动、400 余条内联评论的开源 pull request 做极限验证。核心方案是把文档高度拆成确定性的代码行高与按需测量的动态块两套几何,动态块以文件、行和侧边锚定并记录内容指纹,重排时也不会丢失定位。
Microsoft Research 的系统研究表明,将物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU,可提升机器人任务成功率、支持更大模型并延长续航。
Google DeepMind 宣布为 Private AI Compute 平台引入私密的服务端记忆层,让 AI 在跨设备间保持长期连续性的同时维持与端侧处理同级的隐私标准。
推荐理由:原文给出安全飞地、加密通道与设备端密钥相结合的架构细节,可迁移到其他需要云上持久记忆的隐私保护设计中。
Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,前者面向角色 voice 设计与逐句表演控制,后者面向高并发、低成本的配音与语音智能体场景。
推荐理由:两款模型分别面向创意配音与高并发场景,并给出语音复制的同意验证与 SynthID 水印机制,便于评估合规接入。
Microsoft Research 在 Nature 发表逆向合成模型 RetroChimera,组合 Transformer 生成模型 R-SMILES 2 与图神经网络 NeuralLoc,通过学习排序融合两者预测。
Google Research 推出 MilleMiglia,一个用 C++ 编写的中间里程物流实例生成器,可生成现实且保护隐私的基准数据。该工具旨在解决中间里程优化研究缺乏公开高质量数据的问题,将配送建模为时空图上的多商品流问题。源代码和文档已在 GitHub 开源。
GitHub Podcast 最新一期逐一拆解了五个流行 AI 观点:开发者仍需对 AI 生成代码负责,但可按风险分级投入审查精力。Skills 与 MCP 并非竞争关系——MCP 提供工具与数据的标准接入,Skills 传递团队约定与最佳实践,两者可在同一工作流共存。RAG 也没有死,检索增强生成让模型基于训练数据之外的信息作答,并与 agent、Skills、MCP 协同工作。
Google 分享了一项新研究实验,教师可借助专为学习优化的生成式 UI(GenUI)动态创建定制化、有引导的教育模拟互动。同时发布超过 30 个由 AI 生成、经教师审核的英语学习互动示例,覆盖物理、化学、生物和数学等面向中学的 STEM 学科。
支撑 Copilot CLI、应用和 SDK 的 Copilot agent runtime 已从 TypeScript 完全重写为 832,378 行生产级 Rust,大部分代码由 Copilot 智能体经 128 个 PR 以逐组件原子替换的方式完成,运行时性能提升数个数量级。
推荐理由:原文完整记录了用智能体完成大规模语言迁移的方法与数据,原地原子替换和提示缓存策略可直接迁移到同类重构项目。
Mistral 宣布与 Mozilla 合作,Firefox Smart Window(beta)AI 浏览助手现由 Mistral 模型驱动,率先面向法国和北美用户,英国和德国预计今年晚些时候跟进。对话默认不保存在 Mozilla 服务器,Mistral 等合作伙伴同意零数据留存;Mistral 表示正基于地区语言、方言和文化语境训练和微调模型,让 AI 体验更贴近本地用户。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架,用离线 RL 将数据库感知的查询分解编译为监督信号,推理时无需思考 token 即可单次生成属性对齐的查询扇出。
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型,前者主打规模与成本效率,后者面向高复杂度任务的多步推理。
推荐理由:原文给出两款模型在语音对话质量榜和多项 agent 基准上的具体得分,并说明开发者与企业的分阶段获取入口,可据此评估落地成本。
Google Research 在 ACL 2026 提出 ToolGrad:一种"答案优先"的工具使用数据集生成框架,先构造真实工具调用链再反向标注用户提示词,以更低成本生成更复杂、通过率接近 100% 的工具调用数据。
Mistral 与 Cloudera 宣布建立合作伙伴关系,将 Mistral 的模型集成到 Cloudera 混合数据平台,使企业能在私有云、公有云、本地及完全隔离环境中部署 AI 模型并保持完全控制。企业还可在受控环境中基于大量专有数据训练定制模型,同时保留数据与生成智能的所有权。该合作面向 Cloudera 平台上 30 exabytes 的客户管理数据,旨在满足不断增长的主权 AI 需求。
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 油藏模拟器代码迁移到 C++,该代码库没有测试套件和集中文档。团队先给 Fortran 代码加状态导出并用 C++ 测试框架做数值一致性验证,再用 Vibe CLI 生成上百个智能体沿调用树整理散落在 PDF 和注释中的文档。
Google DeepMind 发布 AlphaGenome Atlas,这是一个包含人类基因组全部 90 亿个单核苷酸变异分子效应预测的平台,即日起通过免费网站门户向学术研究开放。
推荐理由:Atlas 把 AlphaGenome 的预测预计算成覆盖全部 90 亿变体的图谱,规模超 AlphaFold 数据库 30 倍,可对照后者的路径评估其科研影响。
Mistral 完成 30 亿欧元 D 轮融资,投后估值超过 210 亿欧元,由 Samsung Electronics 领投,Scaleup Europe Fund(EQT 管理)与现有投资方 PSG Equity 担任联合领投。公司称资金将扩展前沿研究、扩大训练算力并加速国际化布局,目前业务覆盖 20 个国家,已服务 125+ 家全球企业,包括 Airbus、ASML 和 HSBC。
推荐理由:这轮融资将支持 Mistral 扩展前沿研究与训练算力,其开放权重与主权 AI 路线为判断欧洲 AI 竞争格局提供了参照点。
Google DeepMind 与 Google Research 发布 WeatherNext 3,据 Brightband 独立实时评估为迄今最先进、最准确的全球气象模型。
推荐理由:原文给出了它直接从实时卫星观测学习、逐小时生成 5 公里分辨率预报的技术路线,读者可据此判断 AI 气象预报的能力边界与落地方式。
微软研究院联合华盛顿大学与 Providence 发布开源病理基础模型 GigaPath-Flash 与 GigaTIME-Flash,权重与代码以 Apache 2.0 许可在 HuggingFace 开放。
Mistral 与 HUMAIN 宣布战略合作,将在沙特及中东地区推进主权 AI,合作规模达数亿欧元。双方初期聚焦网络安全与语音,计划开发阿拉伯语表现强劲的前沿模型,Mistral 还将探索使用 HUMAIN 的数据中心基础设施支持本地算力需求。两家公司同时计划在沙特推出面向受监管行业的联合市场策略。
Microsoft Research 发布深度学习 DFT 泛函 Skala 1.1,训练数据为首版的 2.5 倍,GMTKN55 加权平均误差 2.8 kcal/mol,在 55 个类别中 32 个排名第一。
Mistral AI 发布 Agentic Search 检索层,以多步检索循环让模型在复杂文档中查找、检视并验证信息,在 FinanceBench 上将正确率从 26.7% 提升至 86%,在 OfficeQA Pro 上从 6.3% 升至 51.9%,p90 延迟最高降低 39.6%,token 消耗最多减少三分之一。
推荐理由:原文用两组基准给出 Agentic Search 相对一次式 RAG 的准确率、token 与延迟对比,可据此判断多步检索循环的收益边界。
Microsoft Research 提出 MindTopo 基准,围绕连通性、分离、顺序、包围和打结五类拓扑性质,评估多模态模型在静态场景识别与交互式规划两层的表现。测试显示模型静态推理 consistently 强于交互规划,且均远低于人类水平,错误多发生在规划阶段,如丢失结构关系或提出违反物理约束的动作。图像与视频生成工具仅在单帧可见关系时偶有帮助,跨多步动作时并不可靠。
Mistral AI 宣布从三方面推进客户的主权 AI:推理的区域控制、开放模型选择以及欧洲算力的长期保障。
K-Search 为进化式内核搜索框架新增 MLX 后端,通过结构化 CUDA-to-MLX 翻译层将现有 CUDA 内核自动适配为 Apple Silicon 的高质量 GPU 内核,无需从零重建。
Berkeley AI Research 提出 ABBEL 框架,用自然语言信念状态替代完整交互历史作为智能体上下文,并通过信念评分(belief grading)监督摘要内容。
UC Berkeley 的 Aditya G. Parameswaran 与合作者提出,随着推理成本趋近于零(GPT-4 级能力从 2023 年初约 $30/百万 token 降至 $1 以下,部分厂商低于 $0.10),数据系统面临三大挑战:为智能体、由智能体构成、由智能体构建。
Berkeley Artificial Intelligence Research(BAIR)实验室公布 2026 届博士毕业生展示,其研究覆盖机器人与具身智能、大语言模型与推理、计算机视觉、生成建模、AI 安全等方向。
Berkeley AI Research 的分析指出,自适应并行推理正成为高效推理扩展的下一个范式——由模型自行决定何时分解子任务、生成多少并发线程并加以协调。
GRASP 是一种面向学习式世界模型的新型基于梯度的规划器,让长时程规划真正可行。它将轨迹提升至虚拟状态以实现跨时间并行优化,向状态迭代直接注入随机性促进探索,并重塑梯度使动作获得干净信号,同时避开穿越高维视觉模型的脆弱“状态-输入”梯度。长时程规划此前因深度计算图病态、梯度爆炸或消失以及非贪心优化陷阱而普遍脆弱。
Berkeley AI Research 提出 SPEX 与 ProxySPEX,利用稀疏性与低度性把交互发现转化为可解的稀疏恢复问题,将交互发现规模从数十扩展到数千个组件。
一篇 NeurIPS 2025 论文提出基于互信息的成像系统评估与优化框架,仅用含噪测量和噪声模型即可直接估计信息量。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域准确预测了下游重建质量,优化它得到的设计可媲美 state-of-the-art 端到端方法,且内存与算力开销更低、无需任务专用解码器。互信息将噪声、分辨率、采样等传统上分离的质量指标统一为单一数值。