跳到正文
10月16日周五
  1. 论文MIT News · AI62

    MIT 团队用 AI 模型 IRIS 解码细胞通信信号

    MIT 与 Whitehead 研究所团队开发神经网络模型 IRIS,通过识别各信号通路在不同细胞类型中一致的基因活动“指纹”,重建细胞在胚胎发育中接收过的信号历史。

    推荐理由:IRIS 用迁移学习思路跨细胞类型重建信号通路历史,为干细胞工程和类器官研究提供可复用的建模路径。

  2. 论文Microsoft Research71

    微软研究院发布 Magnetar:基于标准哈希函数的通用零知识证明系统

    微软研究院发布零知识虚拟机 Magnetar,可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行,在 15 个基准程序上比现有最快 zkVM 平均快 10 到 39 倍,证明验证约 12 毫秒。

    推荐理由:微软研究院公开 Magnetar 的技术设计与基准数据,可了解零知识证明在通用程序上的性能与密码学取舍。

  3. 论文Apple Machine Learning Research31

    Apple 研究:工具发现该先规划还是先检索?Plan-then-Retrieve 与 Retrieve-then-Plan 的规模对比研究

    Apple 研究对比了工具增强 LLM 智能体的两种工具发现架构:主流的 Retrieve-then-Plan(RtP)用用户查询做近似最近邻检索,替代方案 Plan-then-Retrieve(PtR)则先让 LLM 生成描述所需能力的 Abstract Tool Stubs,再以此为查询检索工具注册表。研究针对有限上下文窗口无法注入全部工具定义的问题展开规模评估。

  4. 论文Apple Machine Learning Research35

    Apple 提出 SSR:用选择式结构化推理提升多模态搜索智能体效率

    Apple 提出 Selection-based Structured Reasoning(SSR)框架,将推理从开放式生成改为选择:把反复出现的高层推理表示为预先指定的可复用自然语言候选,模型每轮从中选择。该框架针对小模型推理冗长、对动作生成帮助有限且推理成本高的问题,目标是提升多模态搜索智能体的效率。

10月15日周四
  1. 模型Hugging Face Blog72

    Apertus 1.5 发布 8B 与 70B 模型,新增图像音频理解与思考模式

    Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0,新增图像与音频理解、可选思考模式、4 倍长的上下文窗口(262,144 tokens),并改进指令遵循与工具调用,权重以 Apache 2.0 许可发布于 Hugging Face。

    推荐理由:原文完整公开了多模态早融合方案、四阶段预训练与五阶段后训练流程,可供研究开源模型如何扩展模态与长上下文。

  2. 产品Google Research74

    Google 公开发布 Deep Review,用智能体流水线审阅技术文档

    Google 宣布公开发布 Deep Review,一个面向复杂文档提供严格反馈与技术验证的智能体 AI 系统,最初用于计算机科学论文分析,现已扩展到法律、金融等领域。

    推荐理由:Google 公开了 Deep Review 的四阶段智能体审稿流程与会议试点数据,可据此判断自动评审在长文档场景的可用边界。

  3. 产品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 及自研的 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作用。

  4. 产品vLLM Blog60

    vLLM 为 Muse Spark Open 提供 Day 0 支持

    vLLM 宣布在 Muse Spark Open 发布当天提供 Day 0 支持。该模型为 816B MoE,支持 1M 上下文和多模态输入,并包含 DSpark 投机解码、NVIDIA 与 AMD 部署、初步 TPU 支持以及 LoRA RL。

    推荐理由:vLLM 在 Muse Spark Open 发布当天给出支持,读者可据此了解该模型的规模、上下文与部署路径。

  5. 论文Hugging Face Blog62

    Ai2 发布 HiRO-ACEv2:以约 1/300 成本模拟 3 km 分辨率极端天气

    Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2,其新降尺度模型 HiROv2 可同时预测多种高分辨率气象场,并提升对极端事件的预测能力。在给定粗化的 X-SHiELD 数据时,HiROv2 对目标模拟的高分辨率统计量匹配误差在 3% 以内,即使事件在百万数据点中仅出现一次;它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:读者可了解 AI 气候模拟如何以约 1/300 成本生成 3 km 全球极端天气数据,以及其当前适用范围限制。