跳到正文

全部动态

今日 89 条
8月25日周二
  1. Hugging Face Blog67

    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。

  3. MIT News · AI39

    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。

  4. Meta Engineering63

    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。

8月24日周一
  1. IEEE Spectrum · AI29

    研究发现：用 LLM 让乘客"动嘴"调节自动驾驶风格

    荷兰代尔夫特理工大学团队开发了一套用 LLM 把"我赶时间，开快点"这类自然语言请求转成自动驾驶控制系统参数调整的方法，采用 OpenAI 的 GPT-4o-mini 解析乘客意图，不直接接管驾驶决策，只调整安全约束内的运动规划参数。在 nuPlan 仿真器的八组提示词测试中，系统对"求舒适"和"赶时间"的请求分别调高了平顺性与速度。

  6. NVIDIA Developer Blog22

    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。

  9. Import AI23

    Import AI 470：机器不享有权利、SPADE 自动生成训练环境、Hawkeye 优化 GPU kernel

    METR 分析发现 AI 对科研的加速并不均衡：网络安全漏洞报告在 2026 年明显加速，数学研究仅小幅加速（部分领域 arXiv 投稿不到 12 个月翻倍），而 AI 研究本身的算法进展尚无可测加速。多校团队提出 SPADE，用 LLM 自博弈协同进化可执行训练环境，在 Qwen3-30B-A3B 上相比基座提升 8.1。另有用 Hawkeye 构建更好 GPU kernel 的内容。

8月22日周六
  2. IEEE Spectrum · AI11

    IEEE 高级会员 Balaji Ingole 为电商网站开发 AI 工具

    IEEE 高级会员 Balaji Ingole 在 B2B 电商公司 Amla 担任项目经理，正为客户开发 AI 智能体，用于自动完成电商平台的产品目录搭建——这一流程过去靠人工，客户往往要花两到三个月。他还利用周末做独立研究，开发 AI 医疗诊断工具和面向肢体残障人士的辅助技术。

8月21日周五
  1. IEEE Spectrum · AI9

    用 Agentic AI 加速半导体良率根因分析：Spotfire Industry Pro 网络研讨会

    一场免费网络研讨会介绍如何用 Agentic AI 与半导体专用可视化加速良率异常的根因分析，现场演示基于 Spotfire® Industry Pro 开展跨领域根因调查。该平台支持不移动数据即可跨领域关联洞察，并通过 push-down compute 在数十亿数据点上扩展高性能分析。面向良率、工艺、整合工程师及晶圆厂数据分析负责人。

  2. NVIDIA Developer Blog31

    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。

  5. Hugging Face Blog67

    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。

  7. MIT News · AI25

    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%。

  10. Microsoft Research46

    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。

8月20日周四
  2. NVIDIA Developer Blog18

    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。

  5. NVIDIA Developer Blog50

    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。

8月19日周三
  4. MIT News · AI69

    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。

  5. The Pragmatic Engineer53

    The Pragmatic Engineer：工程负责人为何集体离职休整

    Gergely Orosz 访谈近 20 位正在休职业假或认真考虑离职的工程负责人，归纳出十条常见离职原因，包括 AI 相关预期不切实际、创业公司股权可能归零、团队变小不再需要那么多管理者、以及担心缺乏 AI 原生经验而落后。文中提到 6/10 受访工程负责人表示正在离开岗位，并讨论以小数 CTO 形式替代全职、以及转回 IC 岗位获取 AI 经验的路径。

8月18日周二
  1. Hugging Face Blog71

    Sentence Transformers v6.0 新增 MultiVectorEncoder 支持 ColBERT 式晚交互检索

    Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索，PyLate、Stanford-NLP ColBERT 以及 colpali-engine 视觉文档检索检查点均可通过同一套 API 加载。

    推荐理由：原文给出多种 ColBERT 类检查点的统一加载方式，以及索引体积与检索收益之间的实测取舍，可据此决定是否替换现有稠密检索。

  3. Hugging Face Blog36

    Hugging Face 博客：约束感知 GPU 调度器让同集群利用率最高提升 33 个百分点

    Hugging Face 博客介绍其自研约束感知 GPU 分配器，在相同硬件、相同负载下与 FIFO 调度器对比测试，GPU 利用率最高提升 33 个百分点，优先级加权产出提升 24.6%–105.1%，平均 52%。在 8 GPU 训练密集型场景中，利用率从 53.6% 升至 87.0%，产出提升 105%。该分配器将实时推理需求视为随时步变化的曲线，批式任务按优先级在整个调度周期内排布。