MIT 团队提出 PottsMPNN：用新指标设计全新蛋白质
MIT 生物系团队开发出机器学习框架 PottsMPNN，可生成与任何天然蛋白质都不相似的序列，同时更准确预测突变对蛋白质稳定性的影响，相关论文发表在 PNAS。该框架通过引入噪声、成对分布建模氨基酸相互作用，并加入进化相关序列训练，让模型更好理解序列—能量景观。研究者认为，评估蛋白质设计不应只看能否复现进化选出的天然序列，而应看生成序列折叠成目标结构的可能性。
全部AI 动态
全部动态
今日 11 条MIT News · AIAI 评分3838 Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemini Omni 1.1 Flash，增强生成视频控制能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，面向开发者提供更可控的生成视频能力，通过 Gemini API 在 Google AI Studio 等平台开放。
推荐理由：原文列出场景延展、首尾帧指定、4K 放大等具体能力与开放入口，可据此评估生成视频在开发流程中的可控性。
Google DeepMindAI 评分5757 Google DeepMind 试点全球首个双盲 AI 评测
Google DeepMind 与新加坡 AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作，对一款 Gemini Flash Lite 模型开展全球首个针对专有前沿模型的双盲评测，将外部评测限制在密码学保护的“盒子”中，防止评测题目被模型用于提前优化。
NVIDIA Developer BlogAI 评分3030 NVIDIA NVLink Fusion 将 NVHBM 引入下一代 AI 基础设施
NVIDIA 通过 NVLink Fusion 将 NVHBM 引入下一代 AI 基础设施，面向超大规模厂商和 AI 原生公司自研的 XPU。这些加速器规模化部署需要 HBM 持续供数，并需要足够的封装与芯片面积承载更多算力。
NVIDIA Developer BlogAI 评分2222 NVIDIA 如何用 AI 智能体训练跨具身机器人导航策略
NVIDIA 介绍了一种用 AI 智能体训练跨具身机器人导航策略的方法。导航要求机器人持续定位自身、理解变化的环境、规划路线并避障，而迁移到新机器人或新场景往往需要新的数据、仿真资产和机器人接口。
NVIDIA Developer Blog精选AI 评分6666 阿里发布 Qwen3.8-Flash-Next 权重，预览 Qwen4 架构
阿里发布 Qwen3.8-Flash-Next 的模型权重，作为即将推出的 Qwen4 架构的预览，供开发者实验和评估。该模型是多模态 MoE 模型，主模型 125B 参数，另有 51B N-gram 嵌入向量，每 token 激活 6B 参数，原生上下文窗口 262,144 token，可扩展至 1M token。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 发布 Gemini 3.5 Transcribe，一款面向实时转写的语音转文字模型，已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放公开预览。
推荐理由：官方给出 WER、延迟提升和两套 API 入口，读者可据此判断语音转写能否接入现有工程链路。
MIT News · AIAI 评分5252 MIT 提出 CrysVCD 框架，让 AI 生成的材料更稳定、更可用
MIT 研究人员在 Nature Computational Science 发表论文，提出名为 CrysVCD（crystal generator with valence-constrained design）的框架，在材料生成开始前用语言模型约束价电子规则，使常用材料模型更常满足价壳层规则，在近 70% 的计算生成中达到高晶格动力学稳定性。
Hugging Face BlogAI 评分4949 Sentence Transformers v6.0 如何训练与微调多向量嵌入模型
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式后期交互检索，并提供完整训练方案。作者用单张 RTX 3090 训练 14.5 小时得到 mLateOn-medical，在平均 941 token 的医学检索评测上超过其能找到的所有通用检索模型，截断文档最多会损失 0.24 NDCG@10。
NVIDIA Developer BlogAI 评分2727 NVIDIA Dynamo 推出影子引擎恢复，LLM 推理故障可秒级恢复
NVIDIA Dynamo 推出预览功能影子引擎恢复，让 LLM 推理引擎进程故障后无需冷重启即可在数秒内恢复容量。传统冷重启需从存储加载权重到 HBM、编译 kernel 并捕获 NVIDIA CUDA graphs，大模型初始化耗时数分钟。
Hugging Face Blog精选AI 评分6464 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档
IBM Granite 团队发布 Granite 4.2，这是其首个稠密、decoder-only 的推理模型家族，包含 3B、8B、30B 三个规模，全部采用 Apache 2.0 许可。
推荐理由：原文完整披露 Granite 4.2 的三档规模、五阶段预训练与分阶段 RL 流程，可对照理解推理模型的后训练工程。
NVIDIA Developer BlogAI 评分5151 NVIDIA 发布 CUDA Python 1.0，提供稳定 API 与完整平台访问
NVIDIA 发布 CUDA Python 1.0，主打稳定 API、统一基础和完整平台访问。此前 Python 开发者用 GPU 只有两条路：自己写 CUDA C++ 扩展并维护绑定，或依赖 PyTorch、CuPy、RAPIDS 等上层库，后者虽支撑起 Python GPU 生态但存在局限。
Hugging Face BlogAI 评分5353 Multiverse Computing 提出 QAH：4-bit 压缩模型在 9 项基准中 7 项超过其全精度版本
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出量化感知修复（QAH）：不再从恢复后的 bfloat16 checkpoint 蒸馏，而是直接从压缩前的原始模型蒸馏，教师与学生架构和精度均可不同。
Hugging Face Blog精选AI 评分6767 Gradio 内置 gr.Workflow：把 AI 流程做成可拖拽的节点图并自动生成 REST API
Hugging Face 在 Gradio 中内置 gr.Workflow，把多步 AI 流程描述为由引用、算子和输出组成的类型化节点图，Gradio 提供可拖拽画布运行每个节点并展示中间结果。
推荐理由：原文展示了把多步 AI 流程变成可视化图并自动暴露为 REST 接口的做法，读者可据此判断自己现有脚本能否照此改造。
Meta EngineeringAI 评分5353 Meta 推出面向 AI 规模以太网的 RDMA 传输协议 MetaRoCE
Meta 发布 MetaRoCE，一个专为 AI 工作负载在通用以太网上运行而从头设计的 RDMA 传输协议，并通过 OCP 开放规范、参考软件实现和合规测试套件。
MIT News · AIAI 评分3939 MIT 提出 η-learning 方法：无需极端事件数据即可生成极端天气情景
MIT 工程师开发出名为 Extreme Event Aware（η-learning）的机器学习方法，无需历史极端事件数据即可生成合理的极端天气与最坏情景，并刻画其持续时间、强度和影响范围。该方法结合点统计与空间地图，用美国本土 25 年逐小时降水数据训练，并已在 Nature Communications 发表，还可用于机器人导航和金融市场。
Meta Engineering精选AI 评分6363 Meta 发布首款内置网卡的训练芯片 MTIA 300
Meta 发布 MTIA 300，这是其自研 MTIA 系列中首款面向排序和推荐模型训练优化的芯片，在芯片封装内集成两个网络 chiplet，各含 6 个定制 800 Gbps RDMA NIC，总 I/O 带宽达 1.2 TB/s，无需经过 PCIe 总线。
推荐理由：Meta 给出 MTIA 300 的内置网卡与卸载式集合通信设计，可对比传统 GPU 集群的通信瓶颈。
NVIDIA Developer BlogAI 评分2020 NVIDIA Spectrum-X Ethernet 如何改写 Giga-Scale AI 网络规则
面对分布在数十万块 GPU 上的分布式模型训练，传统通用 Ethernet 已成为首要性能瓶颈。NVIDIA 称 Spectrum-X Ethernet 针对这一 Giga-Scale AI 场景重构了网络规则，但文中未披露具体的吞吐、延迟或加速倍数数据。
NVIDIA Developer BlogAI 评分3434 NVIDIA Vera Rubin 与 Blackwell 为智能体 AI 能效比树立新标准
NVIDIA Vera Rubin 与 Blackwell 为智能体 AI 的每瓦性能树立新标准。OpenRouter 的 State of AI 报告基于 100 万亿 token 的真实使用数据发现，单次请求的平均提示词 token 量增长了约四倍，反映 AI 智能体已从单轮交互扩展为多步工作流。
NVIDIA Developer BlogAI 评分2121 NVIDIA DSX MaxLPS：让 AI 工厂每瓦性能最大化
NVIDIA 推出 DSX MaxLPS，针对 AI 工厂的功耗约束问题，把应用层每瓦性能作为衡量 AI 工厂效率的关键指标。NVIDIA 指出，并非每一兆瓦都能转化为产生收入的算力，电力分配与冷却等环节会造成损耗。
NVIDIA Developer BlogAI 评分3838 NVIDIA Groq 3 LPX 如何在 NVIDIA Vera Rubin 上实现长上下文超快交互
NVIDIA Groq 3 LPX 是面向 NVIDIA Vera Rubin 平台的交互式 AI 推理加速器。平台核心 NVIDIA Vera Rubin NVL72 覆盖从小模型到大型模型、开源与闭源的最广泛 AI 工作负载，兼顾高吞吐与交互性。Groq 3 LPX 与 Vera Rubin NVL72 搭配，进一步扩展该平台的能力。
NVIDIA Developer BlogAI 评分2222 NVIDIA BlueField-4 为智能体 AI 工厂打造全新 Scale-In 网络基础设施
NVIDIA BlueField-4 为智能体 AI 工厂提供全新 Scale-In 网络基础设施，面向每服务器多太比特带宽下连接用户、智能体、应用、数据源与存储系统的需求。传统云基础设施是为可预测的通用负载与标准接口设计的，而智能体 AI 工厂需要专用 DPU 处理来实现线速网络、存储与安全。
NVIDIA Developer BlogAI 评分2121 NVIDIA 用 Vera CPU 解决智能体 AI 集群难题
NVIDIA 发布 Vera CPU，用于解决智能体 AI 集群中 CPU 侧的编排、工具执行与沙箱计算难题。AI 工厂中 GPU 负责跑模型，CPU 承担编排等任务，而智能体负载不像传统计算那样有稳定运行时特征，具有高度不可预测和波动性。
NVIDIA Developer BlogAI 评分3131 NVIDIA AVO 在 ARC-AGI-3 上达到 100%，展示面向长时程自主智能体的前沿级通用架构
NVIDIA 的 AVO 在 ARC-AGI-3 上取得 100% 成绩，展示了一种面向长时程自主智能体的前沿级通用架构。该工作指出前沿语言模型只是 AI 智能体的一部分，外围的 agent harness 才决定模型如何接收上下文、调用工具、维护状态、响应反馈、从失败中恢复并在长任务中持续推进。
NVIDIA Developer BlogAI 评分2222 NVIDIA 谈安全在 AI 智能体栈中的位置
随着 AI 智能体能力增强、运行时间跨度变长，为其应用构建安全与信任愈发重要。NVIDIA 的 AI 安全团队结合在 NVIDIA OpenShell 上与智能体开发者、开源项目及生态伙伴的合作经验，分享了对新兴智能体栈的看法，包括各层所扮演的角色。
Google DeepMindAI 评分3030 Google DeepMind 回顾 15 年游戏 AI 研究：从 Atari 到 EVE Online
Google DeepMind 回顾 15 年游戏 AI 研究历程，从 DQN 玩转 49 款 Atari 游戏，到 AlphaGo、AlphaZero、MuZero、AlphaStar，再到由 Gemini 驱动的通用智能体 SIMA 2。
Hugging Face Blog精选AI 评分6767 Hugging Face 研究量化语音识别中的基准优化问题
Hugging Face 发布研究，提出三项测试量化语音识别中的基准优化现象。研究评估 11 个开源 ASR 模型，发现部分高分模型在音频与参考文本矛盾时仍复现 VoxPopuli 和 LibriSpeech 的错误转写，被静音的年份甚至被补全为 2011。
推荐理由：文章用三类探针量化 ASR 模型对基准本身的过拟合，并给出可复用的检出方法。
Hugging Face BlogAI 评分3030 Papers with Code 如何用 HF Mirror Inference Endpoints、Jobs 和 Buckets 支撑论文搜索
Papers with Code 的混合搜索系统同时使用 PostgreSQL 全文检索、pgvector 稠密向量和 RRF 融合排序，目前维护超过 11 万篇来自 arXiv 与 Daily Papers 的论文嵌入向量。
MIT News · AIAI 评分2525 MIT 用计算模型预测电化学合成氨催化剂，加速绿色氨生产
MIT 研究人员开发出一种预测方法，可找出电化学合成氨中最有前景的催化剂材料，从而加快寻找替代 Haber-Bosch 工艺的低排放路径。该研究聚焦过渡金属氮化物，相关开放获取成果已于 8 月 11 日发表在 EES Catalysis。目前全球每年使用约 2 亿吨氨，其生产占全球能耗最多 2%、温室气体排放约 1.5%。
Hugging Face BlogAI 评分4646 LFM2.5-DSpark 草稿模型发布：推理最高提速 3.2 倍
LiquidAI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下实现最高 3.18 倍 GPU 吞吐提升和 2.87 倍端侧提速。
Microsoft ResearchAI 评分4646 微软 Skala 1.1 发布：训练数据增 2.5 倍，已进入 CP2K 并将集成 Psi4、FHI-aims、ORCA 和 VASP
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据比首个公开版本多 2.5 倍，在 GMTKN55 的 55 个类别中拿下 32 项第一，加权平均误差 2.8 kcal/mol。该版本现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软还推出持续追踪各版本计算性能的 living benchmark。
NVIDIA Developer BlogAI 评分2929 生成式推荐系统如何在大规模场景下重新定义 RecSys
NVIDIA 指出，LLM 的兴起正推动推荐系统从传统基于嵌入向量相似度的目标转向生成式目标，即根据用户历史序列预测大目录中的下一个动作或物品。推荐系统是消费互联网中最普遍的机器学习问题之一，但大规模训练与部署一直极为困难。
NVIDIA Developer BlogAI 评分1919 用 CLI、技能和 AI 编程智能体开发 NVIDIA Holoscan 应用
NVIDIA 探索通用编程智能体能否利用与工程师相同的示例、文档和开发工具来开发 Holoscan 边缘实时 AI 应用。Holoscan 是面向医疗影像、机器人等边缘实时 AI 应用的平台，HoloHub 是其配套仓库，汇集了不断增长的参考应用与组件。
NVIDIA Developer BlogAI 评分1818 用 NVIDIA FLARE 构建联邦多模态 AI 工作流
NVIDIA FLARE 可用于构建联邦多模态 AI 工作流，让视觉问答、图像描述与图文推理等视觉语言模型（VLM）任务在数据无法集中、原始记录分散于各机构的前提下完成协同训练。原文正文指出，现代 VLM 已能支持这些任务，而联邦学习提供了跨数据本地站点协调训练的途径。
NVIDIA Developer BlogAI 评分2222 NVIDIA 用 SkillEvaluator 评测 AI 智能体技能表现
NVIDIA 推出 SkillEvaluator，用于评估 AI 智能体技能（Skills）的实际表现。技能包将指令、示例与工具指引打包，帮助智能体更快从意图走向解决方案，避免多余步骤、token 浪费和难以处理专门任务。
NVIDIA Developer BlogAI 评分5050 如何为端侧机器人控制微调 NVIDIA Cosmos 3 Edge
NVIDIA 推出 Cosmos 3 Edge，这是 Cosmos 3 家族中的 4B 全模态模型，内置 2B 基于 Nemotron 的推理器，用于解决世界模型体积过大难以端侧部署的问题。该模型面向机器人利用自身传感器、环境和任务进行策略适配，NVIDIA 开发者博客介绍了如何对其做后训练以用于端侧机器人控制。
Hugging Face BlogAI 评分5959 IBM 研究：你的智能体到底需要多少记忆？
IBM 研究团队在 AppWorld 的 585 个多步任务上测试了 ALTK-Evolve，发现智能体记忆不是开关而是需要按模型校准的剂量。
NVIDIA Developer BlogAI 评分2727 AI 编程智能体如何用 NVIDIA ALCHEMI Toolkit 解锁材料模拟
NVIDIA ALCHEMI Toolkit 于今年早些时候推出，可显著降低原子尺度模拟的使用门槛，让 AI 编程智能体接入材料模拟栈。原子模拟依赖三要素：科学知识、计算高效的模拟实现，以及可访问的模拟接口，其中科学知识仍属研究者领域。
NVIDIA Developer BlogAI 评分2323 用多 GPU 在数分钟内运行大规模 UMAP，且不损失精度
NVIDIA 介绍用多 GPU 加速 UMAP 的方法，可在数分钟内完成大规模降维且不损失精度。UMAP 广泛用于可视化与特征提取，覆盖探索性数据分析、主题建模和单细胞分析等场景，这类工作流常需反复调参重跑，数据集增大后对速度要求更高。
MIT News · AI精选AI 评分6969 MIT CSAIL 研究：生成图像往往无法追溯到训练数据
MIT CSAIL 团队在 Nature Communications 发表研究，提出“归因衰减”现象：生成模型训练数据越多，单张训练图像、某位艺术家的全部作品或某个人的所有照片对特定输出的影响越小，甚至删除后输出完全不变。
推荐理由：研究提出归因衰减现象并给出精确删除训练样本的方法，为版权与责任认定提供了可对照的技术证据。