Microsoft Research 播客:AI 能否帮助建设更健康的未来?
Microsoft Research 播客《The Shape of Things to Come》邀请微软首席科学官 Eric Horvitz、Scripps Research 的 Eric Topol 与微软研究员 Ava Amini,探讨 AI 将如何改变医疗与生物学的未来。
Microsoft Research 播客《The Shape of Things to Come》邀请微软首席科学官 Eric Horvitz、Scripps Research 的 Eric Topol 与微软研究员 Ava Amini,探讨 AI 将如何改变医疗与生物学的未来。
NVIDIA 的 Ian Buck 在芝加哥 SC26 开幕演讲中发布 Nemotron for Science、Rubin HPC GPU 和扩展的 Vera CPU 平台,并宣布与 IBM、费米实验室共建量子计算协同设计平台。
推荐理由:原文把科学智能体的落地案例与配套硬件、量子进展放在一起,读者可看到仿真、AI 与量子如何叠加。
TARS 团队在蚂蚁灵波首届具身大模型挑战赛 48 小时真机决赛中,针对双臂清扫任务放弃官方数据、从零重采簸箕后沿抓取示范,以 82 分夺冠并获 8 万元奖金。
北京中关村学院与中关村人工智能研究院于今年九月发布材料科研智能体系统 MatOS,技术报告已在 arXiv 发布(arxiv.org/abs/2610.34203),代码已在 GitHub 开源。
作者把几个已量产成熟项目的架构与模块设计模式提取成知识库,经检索服务按项目特性供给 AI 参考设计与编码,并以使用反馈加人工裁决的方式维护更新。首版知识库含 55 个模式条目、累计 61 次提交;一次实际设计召回 19 个候选条目,由工程师对照当前项目逐条判断采用或拒绝。知识库只维护单一来源,服务端保留完整访问记录,反馈不自动修改条目,新条目由人裁决是否入库。
首届蚂蚁灵波具身大模型挑战赛在上海张江收官,15 支战队基于同一款开源模型 LingBot-VLA 2.0 和同一款松灵 COBOT MAGIC 机器人完成 48 小时真机任务。
Perplexity CEO Aravind Srinivas 在活动现场向 Semafor 透露,公司年化收入突破 10 亿美元;The Information 此前报道其年初不足 2.5 亿美元、8 月已超 7.5 亿美元,增长部分由 Computer 产品带动。
作者真机复现了只设 torch.manual_seed(42) 仍不可复现的问题,同一脚本两次跑出 loss 0.002117 与 0.000392,权重签名、投影矩阵、batch 顺序全部不同。
彭博社报道称,阿里、腾讯、月之暗面最新发布的新一代模型普遍限制了网络进攻能力,同时强化漏洞检测与防御功能。阿里 Qwen4-Max 过滤了训练数据中可用于网络攻击的材料且暂未公开权重,腾讯 Hy4 正式版发布前剔除漏洞利用生成相关数据,月之暗面 Kimi K3.1 Pro 从后训练两个阶段移除攻击材料后,内部漏洞利用基准得分从未过滤版本的 90.5% 降至 81.0%。
谷歌云在 MLPerf Training v6.1 提交 10 项结果,8192 颗 Ironwood TPU 用时约 102 秒达到 DeepSeek-V3 预训练目标质量,较 2048 颗配置提速约 2.96 倍,4096 颗配置扩展效率 96%。
NVIDIA 扩展 CUDA-X 库,为 AI 智能体提供工具,加速从天体物理、材料科学到单细胞生物学的科学发现。cuPhoton.xBeam 将黑洞观测数据分析从一个月以上缩短至 8 分钟,cuPotential 将分子模拟提速至 3x。新开源的 cuSpa 相比 CPU 提速 900x,Daviator 将量子力学计算提速至 22x、成本降低至多 75%。
NVIDIA Vera Rubin 平台首次参加 MLPerf 基准即包揽 MLPerf Training v6.1 全部测试,并在首次 MLPerf Endpoints 提交中实现智能体推理每瓦吞吐量超过 10 倍的代际提升。
企业 AI 正从孤立试点走向 AI 智能体与自主工作流,SAP 与 Infosys 高管认为应将 AI 当作企业级平台而非零散项目来建设。BCG 报告显示 74% 的组织仍停留在试点阶段,Anthropic 调查中 42% 的企业受困于数据获取与质量问题。
本期 Import AI 介绍 FrontierML 基准,该基准测量智能体能否把资金转化为模型性能:在 21 个长程任务上,最强系统 Opus 5.5 拿到 45.4($10)与 58.8($200)的分数提升,人类基线为 56 和 66.1,开源模型中 Kimi K3.1 Pro 为 25.5 与 29.6。
本项目以全 CPU 方式轻量化复刻 KIMI K3 的 Multi-Token Prediction(MTP)训练层,并将其微调为 EAGLE-3 草稿模型用于投机解码。
论文 OptiMer 提出一种跨行业权重混合策略:先对不同行业数据分别微调提取权重向量,再对向量加权组合,权重由 TPE 贝叶斯优化(基于 Optuna 框架)搜索,无需重新训练模型。作者用糖果、棉纺织、金属加工三个行业的业务数据复现,差异系数合并的 OptiMer 行业宏均 29.61,较混合训练提升 +0.75、较等系数合并提升 +1.42,但并非所有行业都优于混合训练。
腾讯混元团队发布 Hy4 flash 模型,总参数量 224B、每 token 激活 12B,支持多模态输入与 100 万 token 上下文。官方称其通过预训练、后训练和推理三阶段协同优化,KV cache 降至 Hy4 的 1/6,解码速度超过 150 tps;在 WorkIndex 评测集上单任务成本仅为 Hy4 的 1/20,综合效果略优于 Hy4 preview。
推荐理由:原文给出 Hy4 flash 与 Hy4、DeepSeek-V4.1-Flash 的单任务成本对比及内部盲测结果,读者可据此判断它适合哪类日常任务。
苹果宣布与临床 AI 平台 OpenEvidence 合作开展 Apple Health AI Usage Study,招募最多 20 万名 21 岁以上的美国用户,通过新 iOS 应用提出健康问题并对 AI 回答的准确性、细节和相关性评分。
英伟达联合创始人黄仁勋辞职后,要求其复职的公开信 Stand with Jensen 已获超 10.8 万个签名,其中含逾 5.8 万名股东及 5600 多名现员工。
前 Anthropic 研究员 Jacob Coxon 表示,Anthropic 在 IPO 路演图中展示的算力曲线显示算法效率正以超指数速度提升,Mythos 已可用远低于最初的算力重训。他因此呼吁明年暂停前沿模型开发,称暂停只会损害 OpenAI 和 Anthropic。
曾任职于 OpenAI 和 Anthropic 的研究员考克森表示,Anthropic IPO 路演中一张算力需求图表是他离职的重要原因,图表显示算法效率提升速度不断加快。他认为 Mythos 的性能突破是超指数增长趋势中的一个节点,如今只需初始训练的一小部分算力即可重新训练,并主张明年暂停前沿 AI 模型研发,让竞争对手有机会赶上。
作者罗西的思考开源 Model-Viz 项目中的 Kimi K3 Stable LatentMoE 轻量化复刻,提供 12 个纯 CPU 可运行的 Gradio 交互 Tab,覆盖论文 §2.3 与附录 B/C/D。
清华大学自动化系江瑞课题组发布面向单细胞蛋白组的基础模型 ProtCell,并在摩尔线程 MTT S5000 智算卡上完成全流程预训练复现。该模型汇集约 3.8 亿个细胞、98 个公开数据集用于预训练与评估,可精准映射细胞状态、推断未测蛋白表达。复现的主要定量评测指标与国际主流 GPU 平台差异仅约 0.2%,为药物研发与“虚拟细胞”构建提供关键底座支撑。
作者用 digits 手写数字构造不平衡数据集做控变量实验,证明在全集上做 SMOTE 过采样再划分会让离线宏 F1 虚高 4.2 个点。正确做法离线 0.926、线上 0.786,泄漏组离线 0.968、线上 0.819,落差约 15 个点。
据路透社报道,Amazon 计划建设 World Product Graph,收录全网商品数据并通过自家网站提供,包括 Amazon 并不销售的商品。该项目旨在减少用户转向 Reddit 或 Google 做商品研究,并让 AI 购物助手更依赖其商品索引。
Unemployment Labs 的一项研究称,DeepSeek、Moonshot AI、MiniMax 和蚂蚁集团公开发布的模型权重中留有被禁出口的 Nvidia Blackwell GPU 的训练痕迹,其中 DeepSeek V4 与 Kimi K3 的证据最有力。
推荐理由:原文梳理了出口管制从芯片流向到模型训练证据的完整链条,读者可据此评估美国对华芯片限制的实际效力。
AI2 联合 Carnegie Mellon、NVIDIA 和 Johns Hopkins 的研究者发布 XYBench 基准,包含 8115 条来自 Stack Overflow、Stack Exchange、WikiHow 等的真实问题,衡量模型能否识别用户请求中的隐含误解并引导其转向真正目标。
推荐理由:该基准提供了一种衡量模型识别用户误解能力的框架,实验显示五个主流模型在误解识别上仍落后于人类参考答案。
前 OpenAI 研究员 Will DePue 发布分析称,2026 年 4 月以来发布的六个中国模型权重中留有 Nvidia Blackwell 芯片的初始化指纹,验证代码已公开在 GitHub。
推荐理由:原文解释了如何通过模型权重的初始化指纹反推训练所用 GPU,并附验证代码与 24 个对照模型的结果。
这篇梳理文章拆解了月之暗面 Kimi K3 的 Stable LatentMoE 架构:以"下潜→稀疏路由→上潜"把专家算力落到潜空间,实现 896 路选 16 且全程稳定。
无界前沿正式开源生物信息大模型 Fx-Bio-1031 并开放完整模型权重。据其评测,该模型在 Anthropic BioMysteryBench 困难子集上取得 70.59% 的 Pass@5。
谷歌 DeepMind 开放 WeatherNext 3 气象模型所依托的 SatWeave 卫星影像拼接数据集与 PARDIG 全球降水再分析数据集,面向全球研究者提供实时数据流及 1999 年至 2026 年历史归档,托管在 Google Cloud Storage 并以 CC BY 4.0 许可开放。
SpaceX 宣布计划在得克萨斯州和亚利桑那州投入超过 740 亿美元,建设两座面向人工智能的超级计算数据中心园区。得州项目投资超 240 亿美元,位于星际基地附近 444 英亩自有土地,将自建燃气发电能力;亚利桑那项目约 500 亿美元,仍需科奇斯县批准,已有约 2,400 人签名请愿反对,县听证会定于 12 月举行。
Microsoft Research Focus 第 98 期分享微软最新研究进展,涵盖 AI 通用翻译、解决 31 年的 KLS 猜想及提升编程智能体效率。APEC 方法通过后台准备摘要,将编程智能体成本降低 25.4%、执行时间缩短 9.6%。Latent Core Tokenizer 在 104 种语言上生成更具语言学意义的 token,提升多语言基准表现。
中兴通讯"璇玑"是面向企业场景的本体语义驱动型智能数据平台,以统一语义为核心枢纽,向下连接多源数据,向上通过 RESTAPI、GUI、SDK 等方式接入业务应用与智能体。
重庆市印发《促进词元驱动的数据产业高质量发展行动计划(2026—2028 年)》,力争到 2028 年全市可调度智算规模超 10 万 P(PFLOPS)。计划围绕城市治理、工业制造、医疗健康、物流运输构建词元试验场,打造 20 个以上词元创新平台矩阵、40 个以上行业垂类模型和智能体集群。
面向 AI 成为数据第一用户的趋势,作者提出二十年工业物联底座 3.0 的重构方案:核心是改造数据模型而非运行时。重构靠“三刀”落地:测点与设备解绑、每条 Observation 自带质量码与三时间戳等出身信息、组态转为可校验可回滚的声明式模型。端云共用同一契约、各自实现,落地按“立基线、铸内核、长能力、过交付”四关推进,不做大爆炸式替换。
百度在百度世界 2026 大会上发布天池 1024 卡超节点,单套可支撑 5 万亿参数大模型训练,将于明年上市。其卡间互联带宽提升 3 倍,对比上一代训练性能提升 2.5 倍、推理性能提升 3 倍,并可扩展至万卡规模集群。配套 G3.5 KV Cache 显存加速柜后,长上下文推理性能提升 2 倍,多轮对话缓存命中场景 TTFT 降低 90%、整体吞吐提升 7 倍。
AWS SageMaker HyperPod 团队在 PyTorch DDP 训练循环中加入三项检查来捕捉静默数据损坏(SDC):非有限梯度检查、环形重放审计和权重指纹比对,报警后把嫌疑 rank 映射到节点并由 HyperPod 替换。
推荐理由:原文给出了一套可直接落地到 PyTorch DDP 训练循环的 SDC 检测与节点替换流程,并附上注入故障的实测开销和误报数据。
谷歌 DeepMind 发布新一代基因组 AI 模型 AlphaGenome 2,可预测 DNA 序列及变异对特定人类细胞类型与细胞状态的影响,帮助研究人员从细胞层面识别疾病相关遗传变异。
Google Research 提出一套研究框架,用消费级可穿戴设备的被动信号构建可干预的健康年龄(CHA)模型,并搭配在 228 万人周数据上预训练的世界模型 SensorWM 模拟未来 12 周的反事实健康轨迹。