跳到正文
10月8日周四
  1. Microsoft Research62

    微软研究院开源 Agent Lightning v1.0:3500 行轻量级 Agentic RL 框架

    微软研究院亚洲团队开源 Agent Lightning v1.0,提出 Harnessed Agentic RL 训练范式,让部署时使用的 agent harness 直接参与强化学习,无需在训练框架内重新实现 agent。

    推荐理由:微软研究院开源 Agent Lightning v1.0,用约 3500 行代码把真实 harness 直接接入 RL 训练,并给出 6000 样本提升 14.6 个百分点的完整流程。

10月7日周三
  1. TechCrunch · AI58

    Musubi 发布开源决策模型 PolicyLM-1.7B,用于实时内容审核

    Musubi 发布轻量级决策模型 PolicyLM-1.7B,以开放权重形式开源,专为实时内容审核设计。该模型可将用自然语言写成的内容政策直接应用于消息,在 50 毫秒内给出二元判断,且政策变更时无需重新训练。Musubi 联合创始人兼首席 AI 官 Filip Jankovic 表示,这能让平台管理者以可扩展、可定制的方式主动标注内容。

10月6日周二
10月5日周一
10月4日周日
10月3日周六
  1. The Verge · AI60

    Meta 开源代码,允许用户自建 Muse AI 硬件

    Meta 开源了相关代码,允许用户自行制作搭载其新 AI 智能体 Muse 的硬件设备。Meta 建议的项目包括把 Muse 装到彩色 E Ink 屏上显示提醒、装到 HDMI 棒上在大屏显示,或装到小型触屏设备上做出类似 DIY Muse Charm 的东西;用户可用现成 ESP32 开发板或树莓派配合其 SDK 连接显示器、按钮、传感器等,Meta 提醒需自行承担风险。

10月2日周五
  1. Hugging Face Blog61

    Ai2 开源科学报告生成模型 AstaBrief 8B

    Ai2 开源 AstaBrief 8B,一个把研究问题和检索到的文献片段转成带引用报告的模型,已在 Asta 的 Generate a report 功能中以 Fast 模式上线,同时开放模型权重和训练数据。

    推荐理由:原文给出 AstaBrief 的训练数据构造与过滤细节,读者可据此判断小模型做科学报告生成的可行路径。

9月30日周三
  1. Google DeepMind66

    Google DeepMind 推出 SynthID Bio,为 AI 生成蛋白质嵌入水印

    Google DeepMind 推出 SynthID Bio,将水印技术引入合成生物学,把不可感知的签名直接嵌入生物代码,使水印不仅能在数字模型上验证,也能在合成出的实体蛋白质上验证,同时实验室测试显示其生物功能未受影响。

    推荐理由:DeepMind 把水印从数字内容延伸到合成生物,读者可了解其原理与生物安全筛查的衔接方式。

9月28日周一
  1. Hugging Face Blog71

    H 公司发布 Holo4 系列智能体模型,含 27B 与 35B-A3B 两个版本

    H 公司发布 Holo4 系列智能体模型,包含 27B dense 和 35B-A3B MoE 两个版本,均已上线 H Models API,权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face,同时发布基于 Nemotron 3 Nano Omni 的 Holotron4 Nano。

    推荐理由:Holo4 同时支持 GUI、代码、MCP 与 API 四种接口,并公开全部评测轨迹,读者可据此判断通用计算机智能体的成本与能力边界。

9月24日周四
  1. Microsoft Research62

    微软研究院:将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航

    微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU 能提升任务成功率、支持更大模型并延长续航。

    推荐理由:微软研究院系统测量了机器人端侧 GPU 推理的瓶颈,并给出可复用的 Kubernetes 卸载工具链,读者可据此判断物理 AI 的部署取舍。

9月21日周一
9月19日周六
9月1日周二
8月3日周一
7月29日周三
  1. Berkeley AI Research62

    从 CUDA 到 MLX:K-Search 如何把内核优化经验带到 Apple Silicon

    Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX,并加入结构化 CUDA-to-MLX 翻译层,让已有 CUDA 内核经验自动适配 Apple Silicon。

    推荐理由:展示了把 CUDA 内核优化经验结构化迁移到 Apple Silicon 的方法,并给出注意力与 Mamba 两类内核的实测对比。

3月13日周五
1月10日周六
  1. Berkeley AI Research26

    伯克利提出信息驱动成像系统设计框架,登 NeurIPS 2025

    伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架,仅用带噪测量和噪声模型即可量化系统信息量,无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证,信息估计能预测解码器性能,优化后的设计在更少内存和算力下达到 SOTA 端到端方法水平。