跳到正文
10月9日周五
10月8日周四
  1. Microsoft Research80

    微软研究院开源 Agent Lightning v1.0:3500 行轻量智能体 RL 框架,直接训练真实 harness

    微软研究院亚洲团队开源 Agent Lightning v1.0,一个约 3500 行代码的轻量智能体 RL 框架,提出 Harnessed Agentic RL 范式,让部署时使用的同一 agent harness 直接参与强化学习,无需在训练框架内重新实现智能体。

    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,并给出可复现的编码智能体训练结果。

10月6日周二
10月5日周一
  1. NVIDIA Blog22

    NVIDIA Inception 初创公司如何用 AI 补齐乳腺癌诊疗缺口

    NVIDIA Inception 计划中的多家初创公司正用 AI 覆盖乳腺癌筛查、风险评估与治疗规划环节。iSono Health 的 FDA 认证 ATUSA 可穿戴 3D 超声系统约两分钟完成单侧乳房标准化扫描,称灵敏度比手持 2D 超声高 28%;Whiterabbit.ai 的 WRDensity 已用于数十万患者;Ataraxis AI 则用病理切片预测治疗反应与复发风险。

10月3日周六
  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。

10月1日周四
9月30日周三
  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。

9月29日周二
  1. Microsoft Research66

    微软研究院发布 Quine:面向生物学复杂性的 AI 研究系统

    微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。

    推荐理由:微软研究院公开 Quine 生物世界模型的设计思路与胰腺癌化合物筛选的湿实验验证结果,可了解多模态建模在科研闭环中的实际用法。

  2. Microsoft Research20

    微软亚洲研究院新加坡分院成立一年:推进前沿 AI 研究、合作与人才培养

    微软亚洲研究院新加坡分院成立一年,作为微软在东南亚的首个研究实验室,聚焦下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践及生态与人才培养四大方向。该实验室与新加坡医疗生态合作探索多模态医疗 AI 和自进化诊断智能体,并联合 EDB 于 2026 年 2 月举办物流与运输 AI 高管圆桌会。

9月24日周四
  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。

9月21日周一
9月18日周五
  1. Anthropic62

    Anthropic 用 Claude 优化 30 多个生物分子开源模型推理,平均提速 4 倍并开源代码

    Anthropic 在最新 Science Blog 中介绍,Claude 为 30 多个生物分子开源模型优化推理,平均提速 4 倍,部分工作是为 GPU 编写定制软件。这些模型原本用于分子系统结构建模、类药物分子设计和基因突变影响预测,但运行成本高昂。Anthropic 表示将开源全部优化代码。

    推荐理由:Anthropic 公开 Claude 为 30 多个生物分子开源模型做推理优化的方法与代码,可了解 AI 辅助 GPU 优化的具体路径。

9月17日周四
9月15日周二
9月8日周二
  1. Google DeepMind58

    Google DeepMind 推出 AlphaGenome Atlas 可检索数据库

    Google DeepMind 发布 AlphaGenome Atlas,一个由 AI 驱动的可检索数据库,覆盖全部 90 亿种可能的单字母 DNA 变化并给出其预测影响。官方表示该数据库可帮助研究人员更好地理解生物学。

    推荐理由:官方给出可检索数据库的覆盖规模与用途,读者可据此判断它对基因组研究检索方式的影响。

  2. 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。

9月6日周日
  1. Meta AI62

    Meta 的 AIRA₃ 在 NVIDIA Kaggle 竞赛中获第 8 名摘金

    Meta 表示,为检验其推进 AI 研究前沿的进展,6 月将下一代自主 AI 研究系统 AIRA₃ 投入 NVIDIA 在 Kaggle 举办的实时竞赛,任务是对一个 30B Nemotron 模型做微调,教模型更好地推理,所有参赛者信息相同并由外部在私有测试集上评分。

    推荐理由:Meta 官方披露 AIRA₃ 在 Kaggle 微调竞赛中击败人类队伍,可观察自主研究系统在真实评测中的表现。

9月1日周二
7月26日周日
  1. Berkeley AI Research40

    Berkeley AI Research 提出 ABBEL:用信念状态监督 LLM 长程交互中的上下文摘要

    Berkeley AI Research 提出 ABBEL 框架,将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督,以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上,基于重建的信念评分(rec-BG)将 ABBEL 与全上下文模型的性能差距缩小约 50%,训练步数从 100 步降至 50 步,峰值 token 数也低于全上下文设置。

7月22日周三
  1. Meta AI40

    Meta SAM 3 与 DINOv3 加速科研图像分割

    为加速科学发现并支持 @ENERGY 的 Genesis Mission,由 @BerkeleyLab 主导的 SYNAPS-I 项目正在使用 SAM 3 和 DINOv3 来自动化图像分割。 通过将 DINOv3 的全局语义上下文和细粒度空间定位与 SAM 3 的像素级边界提取相结合,研究人员能够将 3D 体积标注从一个月的人工工作压缩到约 15 分钟。 了解他们的工作详情:https://go.meta.me/01aed3

7月7日周二
  1. Berkeley AI Research34

    智能免费之后怎么办?面向智能体、由智能体构建的数据系统

    UC Berkeley 团队提出,随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分低于 $0.10,数据系统面临三大新挑战:为智能体服务、管理智能体集群、由智能体合成。在 text-to-SQL 基准上,多智能体尝试中仅 10-20% 子计划不同,80-90% 子查询重复,可通过多查询优化与近似查询处理复用结果。

7月1日周三
  1. Berkeley AI Research17

    2026 届 BAIR 博士毕业生展示:从机器人到 LLM 推理的 AI 研究全景

    伯克利人工智能研究实验室(BAIR)公布 2026 届博士毕业生名单,其研究覆盖机器人、具身智能、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for Science 等方向。毕业生去向包括 OpenAI、Mistral AI、Amazon、Physical Intelligence 等机构,以及 UCLA、普林斯顿 CITP 等学术岗位,另有多人正在创业或探索下一步。

5月8日周五
4月20日周一
1月10日周六
  1. Berkeley AI Research30

    伯克利提出信息驱动的成像系统设计框架,登 NeurIPS 2025

    伯克利 AI Research 提出一套基于互信息的成像系统评估与优化框架,可直接从含噪测量中估计信息量,并在 NeurIPS 2025 论文中验证。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均能预测解码器性能,优化后设计可媲美端到端方法,且内存与算力需求更低、无需任务专用解码器。