跳到正文
10月9日周五
10月8日周四
  1. MIT Technology Review · AI

    AVEVA 如何为自主工业 AI 构建更安全的落地路径

    AVEVA 首席技术专家 Arti Garg 提出,工业 AI 正从预测分析走向基础模型、physical AI 与 agentic AI,但因其直接作用于物理系统,安全与可靠性成为部署核心。AVEVA 的责任 AI 框架强调安全、效率与人类监督,主张 AI 应增强而非取代关键决策中的人。Garg 还参与 IEEE 工作组,制定覆盖电力、能源、水资源与碳的 AI 环境影响测量标准。

  2. NVIDIA Blog

    NVIDIA 与微软发布 RTX Spark 及 Windows 智能体运行基础设施

    NVIDIA 与微软在旧金山 Windows AI 与 Surface 活动上宣布为 AI 智能体共同设计 Windows PC 的软硬件,微软公布 OS 级基础设施 Microsoft Execution Containers(MXC)正式可用,让智能体在系统管控下安全持久地在后台运行。

    推荐理由:英伟达与微软把智能体运行环境下沉到 Windows 与本地硬件,读者可据此判断端侧 AI 的软硬件分工走向。

  3. Microsoft Research

    微软开源 Agent Lightning v1.0:约 3500 行的轻量级智能体 RL 框架

    微软研究院开源 Agent Lightning v1.0,这是一个约 3500 行代码的轻量级智能体强化学习框架,提出 Harnessed Agentic RL 范式,让部署时使用的同一 agent harness 直接参与训练,无需在训练框架内重新实现智能体。

    推荐理由:微软开源轻量级智能体 RL 框架,用真实 harness 训练并给出 SWE-bench 提升数据,可了解训练与部署一致性的新范式。

10月7日周三
  1. Latent Space

    OpenAI 内部模型发布 722 篇数学论文,称解决 500 个公开难题中的 90 个

    OpenAI 从一个未公开的内部前沿模型发布了一批数学成果,公开在 GitHub 仓库中,包含 722 篇手稿、分为 372 个相关结果族,来自约 4000 个研究问题的评测,每个结果平均消耗约 3 小时 ChatGPT Pro 推理算力,模型本身仍未发布。

    推荐理由:汇总 OpenAI 内部数学模型的发布规模与算力成本,并附数学家与质疑者的分歧,便于判断这批结果的可信边界。

10月6日周二
10月5日周一
  1. MIT Technology Review · AI

    从预测到自主决策:预测分析如何进入智能体 AI 时代

    企业 AI 的竞争焦点已从预测模型能否超越统计预测,转向如何让预测系统在不偏离业务意图的前提下自主行动。深度学习与生成式 AI 驱动的智能分析支持实时训练,使 AI 持续演进而无需等待季度刷新,其数据来源也从规整的数值记录扩展到非结构化交互数据。Everest Group 合伙人 Vishal Gupta 认为,"分析"一词正在让位于 AI。

  2. NVIDIA Blog

    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。

  3. MIT Technology Review · AI

    人们一边痛恨 AI,一边又离不开它,这是为什么?

    调查显示公众对 AI 的负面情绪持续升温:Pew 数据显示更多美国成年人认为 AI 对个人和社会的影响偏负面,Gallup 5 月民调中 71% 美国成年人反对在本地新建 AI 数据中心,而 ChatGPT 在 5 月月活用户突破 10 亿,Gemini 7 月达 9.5 亿。作者认为,人们厌恶的并非技术本身,而是科技公司不遗余力将 AI 推向各处的做法。

10月3日周六
10月2日周五
  1. GitHub Blog · AI & ML

    AI 正在改变开发者工作方式,GitHub 给出三项需要强化的技能

    GitHub 提出 AI 时代开发者需要强化三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的第一次回答、用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例,说明它用第二个模型对计划、代码和测试进行批判性审查,从而发现首个模型遗漏的问题。

10月1日周四
  1. Microsoft Research

    微软研究院用机器学习预测电网空间天气风险,覆盖美国 66,935 座变电站

    微软研究院开发了一套端到端机器学习流水线,利用 L1 拉格朗日点的太阳风观测数据,为美国本土 66,935 座变电站生成 30-60 分钟前的空间天气风险预测。系统结合 AE 与 Dst 指数预测、当地纬度、地质电导率和电网数据,在 2020-2026 年评估期内检测到近 80% 的重大空间天气事件,其中 Dst 预测器在 62.2% 的高活跃时段优于 Burton 方程。

9月30日周三
  1. 美联储·官员讲话

    美联储 Waller:AI 智能体时代的支付系统与智能体商务

    美联储理事 Waller 在 Sibos 演讲中聚焦 AI 在支付领域的应用,指出 LLM 可提升制裁筛查与反洗钱准确率、大幅减少误报,并有望优化跨境支付路由与外汇兑换。他提出智能体商务存在"智能体辅助"与"智能体委托"两种模式,前者由买家决策并付款,后者由 AI 智能体自主购物支付,需更完善的信任机制与护栏。

9月29日周二
  1. Microsoft Research

    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,由生物世界模型与连接模型、科学工具、文献和实验的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究,按驱动肿瘤细胞状态转换的潜力对数千种化合物排序,湿实验验证中排名最高的化合物产生了最大的预期状态转换,从缩小搜索空间到选出候选化合物只用了一个周末。

    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实测结果,可了解多模态世界模型在科研闭环中的落地方式。