跳到正文
11月11日周三
  1. Qwen48

    Qwen4 即将到来:更深知识、更丰富的世界理解与更强的编码和智能体能力

    千问 Qwen 宣布 Qwen4 即将到来,主打更深的知识、更丰富的世界理解以及更强的编码和智能体能力。Qwen4-Max 已通过 Alibaba’s Token Plan 开启预览,并可在 QwenWork、Qoder、Qwen APP 和 QwenStudio 提前体验。模型面向复杂编码、知识工作、前端构建和专业软件工作流等真实任务。

  2. Microsoft Research62

    Microsoft Research 研究显示重编少量休眠神经元可在 AI 智能体中植入后门

    Microsoft Research 的新研究显示,重编 AI 智能体中少量休眠神经元,可能植入仅在特定触发条件下激活、平时行为正常的后门。研究介绍了模型平台和供应商应采取的措施,以及企业和用户的缓解策略;Microsoft Foundry 为 Azure Direct Models 和 Hugging Face 模型提供安全系统,以保障模型来源安全。

  3. Microsoft Research62

    微软研究人员发现Lazarus技术:重编程休眠神经元可给AI智能体植入后门

    微软研究人员发现名为Lazarus的后门技术,通过重编程LLM中不到10个休眠神经元即可植入后门,且不需要重新训练。模型能通过标准安全评测,但在触发条件(如日期变化)出现后,基于该模型的AI智能体会在正常任务中执行命令下载并运行攻击者代码,对拥有工具或终端访问权限的智能体风险尤其大。

    推荐理由:研究显示,重编程不到10个休眠神经元就能让智能体在特定触发下执行恶意命令,提示权重溯源审计的现实意义。

  4. Hugging Face 每日热门论文62

    Open Vision Banana 提出全开源可复现的生成式视觉感知方案

    Open Vision Banana(OVB)提出一套将预训练图像生成器转换为统一多任务视觉感知系统的全开源、可复现方案。基于 4B 和 9B 参数的开放权重基础模型及 2.1M-3.8M 个公开数据集训练对,OVB 在 Cityscapes zero-shot 上以 73.9 mIoU 超过 Vision Banana 报告的 69.9,并接近当前最先进的仿射不变深度估计器。

  5. Hugging Face 每日热门论文53

    SO-Arena:评测 System One 模型的能力范围与决策可靠性

    SO-Arena 基准测试评估了 System One 模型在11个领域、五类能力中的能力范围与决策可靠性。它通过证据核验、细粒度难度标准和沙盒交互任务评估能力,并用选项集变化下的决策稳定性和无有效选项时的缺失答案识别衡量可靠性。对21个模型的评估显示,扩展规模和增加推理的收益因领域而异,整体表现最强的 System One 模型在可靠性上排第七。

  6. Google AI78

    Google 将 Gemini Intelligence 扩展至更多设备并新增多项 Android 功能

    Google 宣布 Gemini Intelligence 扩展至 motorola signature 27、Pixel 10 等更多 Android 设备,并新增 Create My Widget 和 Device Assistance 等功能。

    推荐理由:这篇更新说明集中呈现 Gemini Intelligence 在更多 Android 设备上的任务自动化、个性化小组件和设备协助,读者可据此了解新增能力及适用场景。

  7. Hugging Face 每日热门论文58

    Duo v1:用于全双工交互的 Reciprocal World Model

    Duo v1 提出 Reciprocal World Model(RWM),持续感知实时音频、视频和文本,并与用户进行全双工实时交互。模型通过自回归交互推理、统一时间线上的 Intent 与 Realization 同步,以及双重 rollout 蒸馏来减少分布偏移。除对话外,用户还可分享真实物体、调整虚拟场景、引导助手或进行视听游戏,无需鼠标或键盘控制。

  8. OpenAI72

    OpenAI 在 ChatGPT 中推出 beta 版 Businesses

    OpenAI 宣布 ChatGPT 中的 Businesses 进入 beta,企业可以认领自己的业务、管理信息,并获取人们与其互动方式的洞察。符合条件的企业还可以构建 Business Agent,回答客户问题并帮助他们了解企业提供的内容。

    推荐理由:这条信息同时交代了企业在 ChatGPT 中可管理的信息、用户互动洞察和客户问答入口,便于判断产品面向的使用场景。

  9. Google AI83

    Google 发布 Gemini 4 Carbon 前沿模型

    Google 发布 Gemini 4 Carbon,面向复杂知识工作、软件工程、网络安全和科学推理中的长流程智能体任务。Google 表示 Gemini 4 Argon 仍适合大多数软件工程和知识工作,Carbon 则用于多步骤调试和开放式科学研究等高难度任务。

  10. Jim Fan84

    GR00T 2 发布开放式机器人 System One 模型

    Jim Fan 宣布 GR00T 2 这一开放式机器人 System One 模型,可完全运行在机器人机载计算上,实现脱离外部连接运行。模型权重、智能体框架、仿真引擎、标注引擎、硬件设计和 100K hours 训练数据现已提供,X-Adapt recipes 将于 December 提供。

    推荐理由:原文同时给出本地运行、长时程机器人任务和多项开放组件,读者可据此了解 GR00T 2 的部署方式与可复用资源范围。

  11. Google DeepMind88

    Gemini 4 Carbon 现已向开发者、企业和用户开放

    Google DeepMind 宣布 Gemini 4 Carbon 已向开发者、企业、科学家和消费者开放,是其当前最强的前沿模型,专注网络安全能力以及跨知识工作、软件工程和科学推理的长链路智能体任务。

    推荐理由:文中给出了Carbon与Argon及多家外部模型在基准测试、成本和安全指标上的对比数据,便于横向评估这次升级。

  12. Google Developers Blog77

    Google 发布 A2UI 1.0 稳定版,支持跨平台智能体界面渲染

    Google 发布 A2UI 1.0,这是其生成式 UI 开放协议的首个稳定版本,可让 AI 智能体返回表单、图表等交互界面。协议支持双向函数调用、无障碍和扩展元数据,开发者可使用面向 Web、Android 和 iOS 的开源渲染器,以及 Python、TypeScript 和 Dart SDK。

    推荐理由:A2UI 1.0 将智能体生成界面与应用原生渲染分开,并补充双向函数调用和多平台 SDK,适合了解跨端生成式 UI 的实现路径。

11月10日周二
  1. Google DeepMind66

    Google DeepMind推出AlphaProof Code,完成Signal协议代码的形式化验证

    Google DeepMind研究人员开发出AlphaProof Code,一种多LLM智能体框架,用于对代码进行深度形式化验证,并用它对广泛部署的Signal加密协议的实际代码完成了形式化验证,证明其满足关键安全属性。验证过程中由Gemini Carbon驱动的智能体生成超过六百万行Lean证明代码,人工只需复核约百分之一的代码,整个验证耗时四周,团队已开源相关验证成果并发布技术论文。

    推荐理由:原文给出了AlphaProof Code从规格翻译到证明生成的具体分工,也说明人工复核只占代码的一小部分。

  2. Anthropic68

    Anthropic 启动拟议 IPO 路演

    Anthropic 已启动拟议首次公开募股的路演。相关证券注册声明已提交给 SEC,但尚未生效;在注册声明生效前,不得出售这些证券或接受购买要约。

    推荐理由:这条公告明确了 Anthropic 拟议 IPO 已进入路演阶段,并同时交代注册声明尚未生效的法律状态。

  3. OpenAI55

    OpenAI 构建 Control Room 监控并快速停止模型工作负载

    OpenAI 构建了 Control Room,用于跟踪研究基础设施中的模型工作负载,并在出现安全或安保问题时快速停止任务。该系统连接模型训练与评估中的智能体采样、数据处理等研究推理工作负载,并与 misalignment 监控系统协同,在决定干预后 35 秒内停止模型输出或暂停任务。详情见 openai.com/index/control-room/。

  4. AI at Meta74

    AI at Meta 发布 Muse Ember,并将其带到 GoogleCloud

    AI at Meta 发布 Muse Ember,并将其带到 GoogleCloud;Muse Wonder 和 Muse Spark 1.3 也一同被带到 GoogleCloud。Muse Ember 是其最小且高效的模型,支持 1M-token 上下文窗口,以及文本、图像、音频和视频的原生理解,可跨应用串联工作流、按序调用工具、运行测试并定向修复代码。

    推荐理由:原文同时交代了 Muse Ember 的模型定位、1M-token 上下文窗口和多模态输入,以及跨应用调用工具、测试与定向修复代码的智能体工作流。

  5. Google DeepMind67

    Google DeepMind 推出 Gemini Robotics 2.5,加速现实世界通用灵巧操作

    Google DeepMind 发布新一代视觉-语言-动作模型 Gemini Robotics 2.5,用于提升机器人在真实环境中的灵巧操作能力。该模型在200多项任务测试中,相比此前基线成功率提高30%至100%,完成速度提升20%至30%;在匈牙利和德国的梅赛德斯-奔驰产线试点中,Apptronik Apollo 2人形机器人利用该模型完成汽车零件分拣打包,成功率达96%。

    推荐理由:原文给出了相比基线30%至100%的成功率提升和奔驰产线96%的实测数据,便于衡量这代模型的实际进展。

  6. Hugging Face 每日热门论文48

    BirdDreams:联合视角与 BEV 视频生成可信、可响应的驾驶世界模型

    BirdDreams提出一种自回归驾驶世界模型,联合生成视角视频与示意性鸟瞰视图(BEV)视频,将场景布局纳入未来预测并支持自车轨迹控制。该模型仅需单张相机图像、无需 HD map 或 vehicle-state 输入,在 PhysicalAI-AV 和 nuScenes 上比既有模型更准确跟随输入自车轨迹;人工评测显示,其生成的周围车辆行为也比仅使用视角视频的基线更真实。

11月9日周一
  1. Anthropic News95

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,两款模型在编码、推理和视觉能力上有所提升。

    推荐理由:原文同时披露两款模型在编码、科学研究、机器人和安全评测中的结果,并给出价格、速度与访问条件,便于比较能力提升和适用范围。

  2. Google Developers Blog81

    Google AI Studio 支持从提示词构建 Google Maps Platform 应用

    Google AI Studio 现可通过提示词构建由 Google Maps Platform 驱动的应用,并自动处理配置和 API key 管理。平台提供 Maps、Places、Routes 和 Environment 等空间工具,可用于创建地图、地点搜索、路线规划和环境监测应用。

    推荐理由:文章说明 Google AI Studio 已可直接配置 Google Maps Platform 并管理 API key,还列出 sandbox 配额与生产环境升级路径。

  3. Google Developers Blog70

    Google Cloud 正式开放 Pathways 单控制器训练系统

    Google 宣布 Pathways 在 Google Cloud Platform 上正式开放,这是其用于训练包括 Gemini 在内大型模型的分布式系统。Pathways 通过单一 Python 客户端描述计算图,运行时负责虚拟设备映射、张量移动与重分片、调度和故障主机重映射。

    推荐理由:文章解释了 Pathways 如何用单一客户端和分布式运行时协调跨设备训练,并对比其与 SPMD、Ray 在执行层的差异。

  4. Google Developers Blog66

    Google 宣布 MaxText v0.2.4 支持基于上下文并行的长上下文 TPU 训练

    Google 宣布开源 JAX 训练框架 MaxText 支持在 Cloud TPU 上进行长上下文训练,提供 All-gather、A2A、P2P 和 USP 四种 Context Parallelism 策略。

    推荐理由:文章系统比较了 All-gather、Ulysses、Ring Attention 和 USP 的内存、通信与扩展取舍,并给出不同上下文长度下选择 MaxText 策略的实践依据。

11月8日周日
  1. Hugging Face 每日热门论文50

    G-STAR:用于深度压缩自回归生成的分组缩放 Token 容量

    论文提出 GSTAR 空间—分组协同缩放框架,在固定名义信息预算下让分组大小随每轴空间压缩因子按平方增长,支持 32×及有效 64×压缩,并引入半自回归解码器。在 1024×1024 分辨率下,模型在单张 NVIDIA H200 上每张图生成耗时 2.5 秒,相比此前离散自回归模型提速 20×,并在五个文本到图像基准上保持有竞争力的表现。

11月7日周六