跳到正文
只看一手#论文/研究
  1. OpenAI67

    OpenAI 发布内部前沿模型产出的新数学结果

    OpenAI 发布了一批由内部前沿模型产出的新数学结果，相关材料已公开在 GitHub 仓库 openai/math。OpenAI 表示在发布过程中咨询了普林斯顿高等研究院数学与人工智能独立顾问组，并参考其建议和公开推荐来决定发布方式。

    推荐理由：OpenAI 公开一批由内部前沿模型产出的数学结果，并说明与外部数学顾问组的沟通方式。

  1. GitHub Blog · AI & ML58

    GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准

    GitHub 发布 ReviewBench，一个面向代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。

    推荐理由：GitHub 公开了代码审查基准的构建方式与评测口径，读者可据此判断自家审查智能体的强弱与取舍。

  1. Meta AI70

    Meta 发布六篇数学家与 Muse Spark 协作完成的开放数学问题论文

    Meta 表示，在 AI 模型于数学、物理、化学五项竞赛取得金牌级表现后，团队进一步测试 AI 能否在尚无解法路径的开放问题上作出贡献。过去数月，数学家通过常规 meta.ai 聊天界面、无定制研究脚手架，与 Muse Spark 1.1 和 Muse Spark 1.2 的 Thinking Mode 协作求解，今天公开了其中六篇论文。

    推荐理由：Meta 公开六篇由数学家与 Muse Spark 协作完成的开放数学问题论文，并说明人机分工与评审流程。

  1. Google DeepMind62

    Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印

    Google DeepMind 发布 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，同时保持其生物功能。

    推荐理由：SynthID 水印从图像扩展到合成生物，读者可了解 AI 生成蛋白质的可验证溯源思路与湿实验验证结果。

  1. Anthropic62

    Anthropic：Claude 在平面 N=4 超杨-米尔斯模型中完成九圈计算

    Anthropic 科学博客披露，Claude 在 Claude Science 中仅凭一条描述九圈问题的提示词，基本无监督运行数天，完成了平面 N=4 超杨-米尔斯模型中的九圈散射振幅计算，总成本为几千美元。

    推荐理由：Anthropic 官方披露 Claude 在物理散射振幅计算中把此前八圈记录推进到九圈，并给出成本与独立验证信息。

  1. Anthropic66

    Claude 在噬菌体 DNA 中发现未知酶系统

    Anthropic 称 Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统，其基因旁有一段类似 CRISPR 的重复 DNA 序列。目前尚不清楚该系统的作用，但已知具备类似特征的少数系统都能剪切、复制和粘贴 DNA；CRISPR 正是这类可编程系统推动基因药物发展的先例。Anthropic 表示还需更多研究才能确定该系统的作用及能否有类似用途。

    推荐理由：Anthropic 披露 Claude 在噬菌体 DNA 中发现未知酶系统，读者可了解该发现与 CRISPR 类可编程系统的相似之处及后续研究空间。

  2. Microsoft Research62

    微软研究院：把物理 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，可提升任务成功率、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推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链与开源入口。

  1. Google DeepMind74

    Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单碱基变异预测

    Google DeepMind 推出 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，超过 AlphaFold Database 的 30 倍，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 向学术研究免费开放。

    推荐理由：DeepMind 把 AlphaGenome 的预测预计算成 1PB 数据集并开放门户，读者可据此判断基因组变异解读的可用入口。

  1. Berkeley AI Research62

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

    Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核当作知识库，在 Apple Silicon 上生成高质量内核。

    推荐理由：读者可看到 CUDA 内核经验如何被结构化迁移到 Apple Silicon，以及翻译层对性能差距的具体贡献。

已经到底了