跳到正文
只看一手
  1. Google Research74

    Google 发布 Deep Review，用智能体审阅技术文档

    Google 公开发布智能体系统 Deep Review，为复杂文档提供技术验证与反馈，最初面向计算机科学论文，现已扩展到法律、金融等领域。每位用户每周可免费获得两次文档审阅，也可接入 Gemini API key 提升额度并通过 Deep Review API 集成，目前支持 PDF 和纯文本输入。

    推荐理由：Google 公开了 Deep Review 的四阶段智能体审稿流程与免费额度，读者可据此判断自动技术审阅的可用边界。

  2. Google Research66

    Google 发布地理空间推理智能体技术报告与两个新基准

    Google 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及新提出的 GeoExpertQueries、GeoKTools 四个基准上评估四种智能体配置，并公开两个新基准的开发集。

    推荐理由：Google 公开地理空间推理智能体的技术报告与两个新基准，并给出与 WHO 等伙伴的实测案例，可了解专用工具与前置规划对空间推理的提升。

  3. Hugging Face Blog62

    Ai2 发布 HiRO-ACEv2，以约 1/300 成本生成全球 3 km 气候数据

    Ai2 发布 HiRO-ACE 系统更新 HiRO-ACEv2，其新降尺度模型 HiROv2 可同时预测多种高分辨率气象场，并提升极端事件预测能力。在给定粗化的 X-SHiELD 数据时，它对最稀有事件的模拟统计量与目标模拟的偏差在 3% 以内，还能估算热带气旋总能量并生成具有真实风眼和雨带的飓风。

    推荐理由：原文给出极端天气模拟的精度与成本对比，读者可据此判断 AI 气候模拟在科研数据生成上的可用边界。

  1. AWS Machine Learning Blog60

    如何用 Anchor Browser 与 AgentCore payments 构建可自动付费的智能体

    AWS 与 Anchor Browser 合作，将 AgentCore payments 集成进云端浏览器，让 AI 智能体在遇到 HTTP 402 Payment Required 时自动完成 x402 协议支付并重试请求。

    推荐理由：原文给出开启 session.x402 即可让浏览器智能体自动完成 x402 支付的具体做法，可迁移到付费页面与 API 的自动化流程。

  2. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案

    Google DeepMind 开始广泛推送 Gemini 4 Argon，并扩大 Fairwind Program 至更多可信网络安全防御方。该模型在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在 Gray Swan 间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。

    推荐理由：官方披露 Gemini 4 Argon 在网络安全与生物风险上的防护设计，可了解前沿模型安全护栏的具体做法。

  3. Hugging Face Blog71

    Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型

    Liquid AI 发布 LFM2.5-24B-A2B，一个总参数 24B、每 token 仅激活 2B 的推理模型，面向端侧私有智能体，会在回答前生成显式思维链并调用工具。

    推荐理由：LFM2.5-24B-A2B 以 2B 激活参数在工具调用与指令遵循上对标更大 MoE，并给出端侧与 GPU 推理速度数据。

  4. Google DeepMind90

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio、Gemini API、Google Antigravity、Gemini 应用和 Search 的 AI Mode 提供，入门价每百万输入 token 2 美元、输出 token 10 美元，缓存输入享 95% 折扣。

    推荐理由：官方给出 Argon 在编码、科研与安全上的具体案例和定价，可据此判断前沿模型落地方式的变化。

  1. NVIDIA Blog78

    NVIDIA RTX Spark 笔记本上市，生态应用与本地 AI 工具同步更新

    NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，最高 128GB 统一内存、1 petaflop AI 算力，并同步推出面向本地智能体的软件与模型更新。

    推荐理由：围绕 RTX Spark 笔记本上市，梳理本地智能体、创作与开发工具链的配套更新，可据此判断本地 AI 工作流的可用程度。

  1. NVIDIA Blog62

    NVIDIA 在 OCP 峰会开放 Vera Rubin 架构并发布多项 AI 工厂合作

    NVIDIA 在 OCP Global Summit 上通过开放 MGX 架构向 OCP 贡献了 Vera Rubin 机架和计算托盘设计，为系统厂商提供下一代 AI 工厂基础设施的共同基础。

    推荐理由：NVIDIA 在 OCP 峰会上把 Vera Rubin 机架与计算托盘设计开放给 OCP，读者可据此了解 AI 工厂基础设施的开放标准走向。

  1. Hugging Face Blog78

    作者用 ML Intern 两天训练并发布六个模型

    作者借助 HuggingChat 中的 ML Intern，在两天内训练并发布了六个模型，包括柑橘病害识别、Huggy LoRA、相机角度 LoRA、涂鸦替换 LoRA、Pocket Rewriter 和 Agate 4-step 蒸馏模型，总计算成本约 103 美元。

    推荐理由：作者用 ML Intern 在两天内做出六个模型，给出了提示词写法、预算控制和基线对比等可复用细节。

  2. Google Research60

    Google Research 三个月实验：AI 辅助提升专利撰写产出，但未加速初级律师判断力成长

    Google Research 与 NBER 发布一项为期三个月的专利撰写实地实验，将当时未发布的 Google Labs AI 专利写作助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师。

    推荐理由：三个月随机对照实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，为评估 AI 对专业能力的影响提供了可参考的方法。

  3. GitHub Blog · AI & ML62

    GitHub 推出基于 ModernBERT 的密钥检测分类器，扩展 push protection

    GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，用于把 push protection 扩展到无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，官方称有望让可拦截的密钥数量增加一倍以上。

    推荐理由：GitHub 用九个季度的数据说明密钥泄露压力来自代码量增长，并给出把检测成本压到 2 毫秒内的新分类器思路。

  4. Microsoft Research71

    微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量智能体 RL 框架

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

    推荐理由：微软研究院开源 Agent Lightning v1.0，读者可了解让部署用 harness 直接参与 RL 训练的思路与实测收益。

  1. Hugging Face Blog60

    Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平

    英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-改进的推理流程打造专业模型，在 IOI 2026 与 IMO 2026 双双达到金牌线。

    推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可迁移到其他专业领域。

  2. Google DeepMind71

    Google DeepMind 发布 EmbeddingGemma 2 开源轻量多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构、Apache 2.0 许可，740M 参数，原生将文本、图像、音频和视频映射到统一嵌入空间。

    推荐理由：官方给出 740M 参数、模块化编码器与端侧内存占用等具体指标，可据此判断本地多模态检索的落地成本。

  1. Mistral AI82

    Mistral 发布 Mistral Large 4 公开预览

    Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、52B 激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底发布。

    推荐理由：官方给出 1 万亿参数、52B 激活的开放权重模型在编码、智能体与多模态上的具体基准，可据此判断开放权重模型当前的位置。

  1. GitHub Blog · AI & ML60

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

    GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub PR 的分布构建，包含 219 个 PR、覆盖 19 种语言，采用多来源 golden set 与统一评分标准，并由资深工程师独立复核，一致率 96.6%。

    推荐理由：GitHub 公开了代码审查基准的构建方法与离线到线上的验证数据，可据此判断评测信号是否可信。

  1. Hugging Face Blog66

    微软 ThinkingBox 基准：按数据库终态而非模型自述评判 AI 智能体

    微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox 智能体评测基准，通过隔离的 MCP 工具会话运行任务，只根据智能体留下的后端终态和副作用打分，而非其生成的文字。

    推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出 20 次重复下的稳定性与成本数据。

  1. Google Research62

    Google 发布基于 TEE 的新一代联邦学习系统，实现可验证的隐私保护

    Google 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可远程验证、可审计的端到端保证，并已在 Gboard 上线英语和日语下一词预测模型。

    推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，读者可了解其如何让数据匿名化过程可被外部验证。

  1. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元，缓存输入按输入价 95% 折扣计费。

    推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和定价，可据此判断前沿模型的落地边界。