跳到正文
11月19日周四
  1. 雷峰网58

    百图生科发布AI药物安全性评价系统,从虚拟细胞延伸至虚拟猴

    百图生科11月19日正式发布AI药物安全性评价系统,将虚拟细胞模型、毒性预测与非临床安全性评价服务结合,并依托“虚拟猴”等模型把预测从细胞层面延伸到动物体内。核心模型xTrimoTox在TDC公开基准的肝毒性、心脏毒性等任务上取得高于公开领先模型的结果,药物性肝损伤和hERG心脏毒性任务AUROC分别为0.9637和0.8918。

  2. AWS Machine Learning Blog58

    Amazon SageMaker 推出 AI 数据准备能力,覆盖自动标注与合成数据生成

    Amazon SageMaker AI 新增 AI 数据准备能力,可通过 Python SDK API 和 AWS AI-ML agent skill 生成合成数据、评估并改进数据集,并把专家反馈纳入流程。能力包括自动标注、人工审核、合成数据生成、数据质量评估和数据转换,可单独使用或串联成从原始数据到训练的流程。这些能力已在美国东部(弗吉尼亚北部)和美国西部(俄勒冈)区域正式可用。

  3. TechCrunch · AI40

    印度 Humyn Labs 融资 4700 万美元,为美国机器人公司提供训练数据

    印度 Humyn Labs 完成 4700 万美元 A 轮融资,其中 2600 万美元为 Accel 领投的股权融资,2100 万美元为 Lighthouse Canton 领投的创业债务。该公司用自研双摄像头硬件记录日常任务,再通过软件标注手部动作与物体交互,在拉美和亚洲 20 多个国家采集数据,目前有 12 家付费客户,约 90% 收入来自美国。

  4. 量子位40

    联想集团2026/27财年第二财季营收首破2000亿元,AI服务器营收同比增超300%

    联想集团2026/27财年第二财季营收首次突破2000亿元人民币,同比增长近50%,调整后净利润同比增长166%。AI相关业务营收同比增长近80%、突破700亿元,其中AI服务器营收同比增长超300%,储备订单扩大至5300亿元。ISG基础设施方案业务营收761亿元、同比增长177.6%,联想跃居全球x86服务器出货量第一。

  5. The Verge · AI58

    特朗普访问菲律宾推进 Pax Silica 计划,拟建 1620 公顷芯片与数据中心园区

    特朗普访问菲律宾推进美国主导的 Pax Silica 计划,拟在克拉克原美军空军基地建设约 1620 公顷的芯片工厂、关键矿产加工厂和数据中心园区。菲律宾基地转换与发展署预计前 25 年可获得近 10 亿美元租金收入,并称园区将创造至多 19 万个直接岗位。

  6. The Decoder78

    OpenAI 称其模型在 AMD 已有工程基础上完成约一年的芯片优化工作量

    OpenAI 称与 AMD 合作不到五个月,在 AMD 旗舰 GPU IP 上实现最高 14% 的 PPA(功耗、性能与芯片面积)提升,相当于在 AMD 工程师多年优化之上再推进约一年。

    推荐理由:读者可了解 OpenAI 与 AMD 用模型参与 GPU 设计优化的具体幅度,以及这类方法向自研推理芯片和 EDA 工具延伸的进展。

  7. Engineering at Meta64

    Meta 如何用 AI 智能体把广告排序模型的技术传播规模化

    Meta 介绍其用 AI 智能体在广告排序模型群中传播已验证 ML 技术的做法,自 2026 年 3 月由智能体驱动执行以来,估计超过 60% 的技术传播工作由智能体完成。早期结果显示工程效率提升 3 倍,部分技术-模型组合的训练算力中位数降低 4 倍,预计到年底节省 4500 万美元以上算力。文章拆解了发现、泛化、采用三个阶段中智能体的分工,以及按阶段设置的评估指标。

    推荐理由:Meta 披露智能体接管技术传播后的人力与算力账本,可对照自身模型迭代流程评估自动化边界。

11月18日周三
  1. Hugging Face 每日论文58

    AnyS1 提出跨工作流共享决策点的 System-1 框架

    AnyS1 将人工编写的流程技能转化为共享的决策点,训练一个 4B 校准指针模型处理常规选择,置信度不足时回退到大模型。作者从 1000 多个公开技能中挖掘可枚举决策并构建 Any-DP 数据集,在三个未见基准上相对未编译的 System-2 智能体将单次任务成本降低 75-91%、模型调用时间降低 63-92%,同时保持任务可靠性。

11月17日周二
  1. NVIDIA Blog72

    NVIDIA Vera Rubin 首次亮相 MLPerf,横扫训练基准并在 Endpoints 领先

    NVIDIA Vera Rubin 平台首次参加 MLPerf 基准测试,在 MLPerf Training v6.1 的全部基准上均有结果,是本轮唯一覆盖所有基准的平台,其 NVL72 系统每 GPU 性能最高达 GB300 NVL72 的 2 倍。

    推荐理由:原文给出 Vera Rubin 在 MLPerf Training 与 Endpoints 的具体成绩和对比基线,可据此判断新一代平台的性能提升幅度。

11月16日周一
  1. Together AI 博客67

    Together AI 复盘从 megakernel 到 Together Compiler 的推理优化路线

    Together AI 发布博客复盘其推理优化路线:去年构建的 megakernel 在生产中只支持一个模型、一个 batch size 和一个客户,今年改用默认 Torch Inductor 内核加 CUDA Graphs 与 PDL 即恢复 98% 的 megakernel 性能。

    推荐理由:Together AI 复盘从 megakernel 转向智能体驱动编译器的过程,给出多项可迁移的实测结论与反直觉发现。

11月12日周四
11月11日周三
11月10日周二
11月9日周一
11月6日周五
  1. Anthropic Engineering62

    Anthropic 拆解智能体记忆的组成与 dreaming 机制

    Anthropic 发布工程研究,把智能体记忆拆成会话内写笔记、离线 dreaming 整理、记忆层级提升等组件,并用 CL-Bench 1.0、Pokémon Red、Harvey LAB 等评测检验各组件的作用。

    推荐理由:Anthropic 公开了智能体记忆的组件划分与多组评测,读者可看到 dreaming 在纠错和构建 wiki 上的具体收益与边界。

11月5日周四
  1. Interconnects40

    开放模型推理市场如今有多大?

    Interconnects 用 Baseten、Fireworks、Together AI 等开放模型推理初创公司的公开数据估算该市场规模,并叠加 Google 财报披露的平台与 API token 量做对比。Fireworks 本周在首次公司大会上称,其每天为客户定制模型提供超过 40T tokens,该业务自今夏增长逾 2 倍。作者认为这些数据仍不精确,但显示开放模型推理量接近指数级增长。

10月28日周三
  1. Google Research60

    Google 提出 sleep 框架:让 LLM 在持续学习中保留知识

    Google 研究团队提出 sleep 框架,让 LLM 在活跃交互与离线巩固两个阶段间循环,把短期上下文压缩进长期参数。该框架用 MoE 参数扩展、广义知识蒸馏与强化学习模仿实现记忆巩固,并在离线阶段用自生成样本做自我改进。

    推荐理由:Google 研究者提出把持续学习拆成清醒交互与离线巩固两阶段,并给出多组基准对比,便于理解灾难性遗忘的一种解法。

10月27日周二
  1. Anthropic News70

    Anthropic 公布用 Claude 加速药物研发的早期进展

    Anthropic 公布其生命科学团队与 BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines、The Column Group 六家机构合作,用 Claude 参与药物研发的早期结果,并已启动自有药物发现项目。

    推荐理由:Anthropic 公布与六家药企的合作细节和自研药物进展,读者可看到 Claude 在药物研发各环节的具体表现与局限。

10月26日周一
10月24日周六
10月21日周三
10月15日周四
  1. Mistral AI73

    Mistral 发布时间序列基础模型 Timestral,最大 209M 参数

    Mistral 发布首个时间序列基础模型系列 Timestral,提供 5M、28M、123M 和 209M 四个尺寸,最大模型在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一,参数量仅为此前 SOTA 的三分之二。

    推荐理由:官方给出四个尺寸的基准排名与 CPU 推理延迟,可据此判断时间序列预测的部署成本。

10月14日周三
  1. GitHub Blog · AI & ML47

    GitHub 如何用 ModernBERT 分类器提升密钥检测准确率并降低 98% 成本

    GitHub 为密钥扫描训练了专用 ModernBERT 分类器,替代此前基于 LLM 的流水线,用户对告警的接受率提升 11.5%,推送后扫描中位执行时间缩短 86%,服务成本降低逾 98%。该方案先用正则表达式高召回生成候选,再由分类器结合文件路径、变量名和上下文判断是否为真实凭据,从而过滤占位符、测试样例和校验和等误报。效率提升也让通用密钥检测得以扩展到推送保护阶段,在代码提交前返回结果。

9月28日周一