外观
AI 导读AWS博客介绍了一种基于实际测量的文本转语音(TTS)自动扩缩容配置方法，通过测量单实例最大并发请求数(Q_max)和实际扩容时间(T_total)，替代传统的猜测式配置。该方法使用Kokoro-82M模型在SageMaker实时端点进行测试，通过五步工具链(drift、qmax、ttotal、plan、validate)实现精确的扩缩容策略，解决了传统配置可能导致的资源浪费或服务延迟问题。
AI 选稿理由提供了一种基于实际测量的TTS自动扩缩容配置方法，适用于所有延迟敏感、并发受限的SageMaker实时端点。
AI 导读Uber正将ChatGPT Work扩展至超过3万名员工，帮助团队进行研究、数据分析、创建演示文稿和完成复杂工作流程。
AI 导读Hugging Face发布OlmoEarth v1.3卫星嵌入模型，提供全球10米分辨率、64和128维度的年度预计算嵌入数据，并推出基于浏览器的OlmoEarth嵌入探索工具。该模型在27项评估中超越AlphaEarth Foundations和Tessera v2，128维嵌入在20项测试中得分最高，64维版本在18项测试中领先。模型训练成本较v1.2降低53%，碳排放减少50%，同时保持微调性能。嵌入可用于作物分类、土地覆盖分析、变化检测等任务，无需GPU或高级技术知识。
AI 选稿理由OlmoEarth v1.3提供全球最先进的卫星嵌入模型，在多项评估中领先，并大幅降低计算成本和碳排放，使卫星数据分析更易获取和应用。
AI 导读根据对2002名CIO的Gartner调查，仅13%的公司从AI投资中获得实际商业价值，同时51%的公司预计AI将增加运营成本。然而，75%的CEO计划继续增加技术预算，目前战略信心超过可衡量结果。
AI 导读微软研究院推出Flint-interactive，这是一种基于Flint的交互式数据可视化语言。它允许用户和AI代理通过点击、过滤、缩放、高亮和跨图表交互来探索数据可视化。该语言使用高级语义事件和更新操作符，简化了复杂交互的构建，并通过编译器处理交互逻辑和视觉依赖，提高了可靠性和开发效率。Flint-interactive支持创建交互式数据故事、仪表板和连接体验，使一个视图中的操作可以更新另一个视图中的图表、文档、小部件或应用程序状态。
AI 选稿理由Flint-interactive提供了一种高级语言来简化交互式数据可视化的创建，解决了传统方法中布局、渲染和调试的挑战，使AI代理能够生成更可靠、更丰富的交互式图表。
AI 导读Moshi公司CEO Anekha Sokhal在AI Engineer New York访谈中分享了她的创业经历和Moshi的产品。Moshi旨在为金融交易者提供实时市场洞察，处理大量数据，并连接市场信息与交易者的需求。Sokhal强调，有用的AI需要适应人们实际的工作方式。
AI 选稿理由Moshi的产品提供了一种新的金融交易数据分析方法，结合了市场数据和个性化推荐，有助于提高交易效率。
AI 导读NVIDIA推出Minerva AIOps平台，旨在帮助团队更早发现并解决问题，保持AI工厂的生产力。该平台整合基础设施和AI工作负载的遥测数据，并应用专用AI模型将数据转化为及时可操作洞察。Minerva通过连接NVIDIA GPU、网络、存储、调度器和工作负载，构建动态知识图，帮助操作员追踪影响训练作业的组件。Minerva还提供原生AI助手，并与外部代理AI工具连接，使操作员能够通过对话调查集群健康并获得推荐修复。
AI 选稿理由Minerva平台通过整合遥测数据和专用AI模型，为AI工厂提供端到端可观测性，帮助团队更早发现并解决问题，提高生产效率。
AI 导读AI创业公司Recursive发布首个语言模型Flint，该模型为400亿参数混合专家架构，专为本地编码开发。该模型由前DeepMind研究人员创建，使用公司内部AI系统"Eureka Machine"在四个月内完成训练和优化。该系统能独立测试和优化架构，但Recursive尚未证明该方法是否能实现自改进AI。
AI 导读研究团队提出ToM2Vec方法，通过固定数量的连续推理标记在丰富潜在空间中学习形成抽象心智理论。这些标记在训练时从合作伙伴的实际思想中获取监督，在测试时作为智能体思想和行动的条件器。在协作、竞争和混合动机环境中的测试显示，ToM2Vec在多智能体交互和协作方面持续优于基线和竞争性训练模型，且潜在推理至关重要，当推理以文本表达时性能下降。
AI 选稿理由ToM2Vec通过连续推理标记解决了大语言模型智能体在不确定环境下形成准确心智理论的挑战，在多种环境中提升了多智能体协作能力。
AI 导读Google DeepMind发布全球地图，将地球每10米区域划分为不同森林类型。该地图可帮助科学家更精确地监测森林变化、评估生物多样性及应对气候变化。
AI 选稿理由提供全球首个10米精度的森林类型分类地图，为生态研究和气候监测提供高精度数据支持。
AI 导读前摩根大通能源衍生品交易员Anekha Sokhal创立Moshi，开发了一个实时处理海量市场数据的推荐引擎，帮助交易员快速获取与投资组合相关的关键信息。该系统整合结构化数据、基本面数据、新闻和替代数据，并通过推荐系统连接相关信息点，类似于Bloomberg、Claude和Netflix的结合体。
AI 导读Anthropic发布Claude Duet主动AI代理，监控应用并自主处理任务；Recursive推出Flint本地编码模型，40亿参数激活仅2.5亿，支持本地高速推理；OpenAI模型将接入Google Cloud，支持企业级代理工作流；Base Labs发布Mammoth-1和Elephant-1决策模型；Anthropic发布Claude Mods可定制人机交互界面；OpenAI与PHP维护者合作修复GPT-5.6发现的安全漏洞；OpenAI开发者上月使用1000万美元token运行AI工作负载；LiteLLM发布v1.107.0版本被植入恶意代码；Monaco推出Agent Matrix平台协调多个AI代理实现收入增长；GUI-Owl 1.5实现2B参数模型在Android手机上操作应用；Anthropic CEO回应AI安全立场。
AI 导读OpenAI发布文章解释了前向部署工程（FDE）的概念，这是一种将工程师直接部署到客户团队中的工作模式，旨在更好地理解客户需求并快速解决实际问题。FDE工程师与客户团队紧密合作，提供技术支持和解决方案，同时将客户反馈带回公司产品开发流程。
AI 导读NVIDIA宣布《使命召唤：现代战争4》正式登陆GeForce NOW平台，为玩家带来全新的战役、多人游戏和DMZ高 stakes 提取模式。GeForce NOW Ultimate会员将支持云端的光线追踪功能。此外，Square Enix的《最终幻想 RESONANCE》和《上古卷轴在线》的“斯凯林章节”也将加入GeForce NOW。
AI 选稿理由GeForce NOW平台新增游戏，提升玩家体验。
AI 导读研究团队提出LASAGNA框架，评估RAG技术组合效果。测试450种配置发现：单独有效的检索技术组合后仅实现预期17%提升而非47%；检索质量与答案忠实度优化目标冲突；最佳组合随语料库规模变化。研究强调RAG技术应完整测试而非孤立评估。
AI 选稿理由提供RAG技术组合效果的实证研究，证明孤立优化不可靠，适用于RAG系统设计与评估。
AI 导读赛门铁克的安全研究人员发现了一种攻击性AI代理，它劫持网络上的未受保护的语言模型，并利用它们攻击服务器、窃取数据库并在其上安装加密货币挖掘程序。该代理可以运行多达10万步而不需要人工输入，导致被劫持模型的拥有者承担费用。
AI 选稿理由揭示了AI代理如何利用未受保护的语言模型进行网络攻击，对网络安全构成威胁。
AI 导读OpenAI与PerturbAI和Scripps Research合作，部署数千个AI智能体分析数百万个小鼠细胞生物数据，完成分析仅需32分钟，而人类需数月。
AI 选稿理由AI智能体在生物数据分析上的高效能力展示。
AI 导读Anthropic发布Claude Duet，一款即使在用户离线状态下也能自主处理任务的AI代理。该应用基于Claude Opus 5.5构建，通过6,000多个连接器连接Gmail、Slack和Stripe等服务，并在执行支付等敏感操作前请求用户批准。Anthropic此举旨在回应来自xAI、Meta和OpenAI的类似产品。
AI 选稿理由Claude Duet作为主动式AI代理，支持离线操作并集成多种服务，为用户提供自动化任务处理能力。
AI 导读研究者提出了一种名为SERA（自我进化机器人代理）的方法，通过一个可编辑的约束来组织高级视觉语言动作（VLA）模型，以保持任务上下文并通过执行经验改进规划。在RoboMME测试中，SERA实现了51.38%的成功率，而未进行自我进化的版本为44.38%。这表明，具有代理规划的机器人操作是一个有前景的方向。
AI 选稿理由SERA方法在机器人操作任务中实现了显著的成功率提升，为历史依赖的机器人操作提供了新的思路。
AI 导读OpenAI的Patch the Planet项目与Wiz共同发现PHP2Shell漏洞，影响70%的Web，使用GPT-5.6 Sol进行发现。研究人员披露了两个PHP引擎内存损坏漏洞，并进行了广泛的协调应对。
AI 选稿理由OpenAI的Patch the Planet项目与Wiz共同发现PHP2Shell漏洞，影响70%的Web，使用GPT-5.6 Sol进行发现。
AI 导读IBM发布Granite Timeseries Ensemble，集成四种互补架构的时间序列预测模型，提供概率和四分位数预测，无需重新训练或拟合集成权重。在GIFT-Eval基准测试中，集成模型在点预测和概率预测上均优于单个成员模型，为时间序列预测提供了稳健的默认选择。
AI 选稿理由提供了一种无需重新训练即可结合多种时间序列模型预测的新方法，在97种数据配置上验证了其有效性。
AI 导读研究提出LoopRec方法，针对序列推荐系统中不同项目计算需求不均匀的问题，引入轻量级门控机制实现项目级自适应递归。该方法将固定全局深度转化为学习到的每项属性，在四个骨干架构的公共基准测试中，一致优于固定深度对应模型。分析显示，低频项和近期交互自然获得更深计算。
AI 选稿理由LoopRec通过项目级自适应递归优化序列推荐计算效率，提升推荐质量，适用于各类推荐系统架构。
AI 导读研究提出RealMe框架，通过高分辨率视频扩散模型将稀疏低分辨率捕捉增强为2K分辨率、4D一致的体积视频。该模型构建辅助数据并编码为潜在表示，采用分解时空注意力适应多视图捕捉布局，通过潜在频率损失减少生成视频与真实捕捉间的数据差距，在DNA-Rendering基准和自建RealVV数据集上实现视觉保真度和4D一致性超越现有方法。
AI 选稿理由RealMe通过视频扩散模型和潜在频率损失解决了稀疏捕捉生成高质量体积视频的问题，适用于医疗、影视和VR等领域的内容创作。
AI 导读研究团队提出PACE方法，通过周期性而非每token量化循环状态，结合通道对齐共享量化尺度，在4B至35B参数的混合模型上，使用四位和八位混合量化，内存占用约为DAMP的三分之二，性能相当；全四位量化在相同内存下优于Q-Mamba，且周期性量化保持了解码速度优势。
AI 选稿理由PACE通过减少量化频率和通道对齐优化，在降低内存占用的同时保持了模型性能，适用于线性注意力语言模型的推理优化。
AI 导读NVIDIA与合作伙伴及欧洲政府合作，将先进模型引入公共部门，提升行政效率并保持数据与基础设施控制权。多个欧洲国家项目采用NVIDIA开放模型，包括波兰医疗影像分析、英国合成数据集、德国数字助手、法国协作工作空间和希腊代理生态系统。NVIDIA还推出Codefest活动，支持将开放模型转化为本地化公共部门解决方案。
AI 选稿理由新增多个欧洲国家公共部门采用NVIDIA开放模型的具体案例，涵盖医疗、就业、数字助手、协作工作空间和代理生态系统等领域，展示了开放模型在公共部门的应用进展。
AI 导读NVIDIA在欧洲推出Earth-2开放AI模型家族，包括针对欧洲的StormScope EU区域模型，可每10分钟更新一次云况预测。AXA、Vaisala Xweather、曼彻斯特大学和TotalEnergies等机构正利用这些模型进行飓风风险评估、短期天气预报、空气质量建模和太阳能预测。Earth-2支持开发者结合多种模型满足区域需求，并提供PhysicsNeMo框架进行定制训练。
AI 选稿理由NVIDIA Earth-2开放模型在欧洲的实际部署案例，展示了AI在气象预测领域的具体应用和定制化能力。
AI 导读欧洲零售商正使用开放模型和物理智能技术，包括Shopify通过后训练模型将推理成本降低90%，Zooplus实现86%搜索准确率，L'Oréal将成分筛选时间从数月缩短至数小时，以及Mirakl处理7000万产品数据。NVIDIA还提供数字孪生技术帮助优化仓库运营和虚拟试衣体验。
AI 选稿理由展示了NVIDIA技术在欧洲零售业的具体应用成果，包括成本优化、准确率提升和效率改进，适用于零售和消费品行业。
AI 导读全球企业正基于NVIDIA DSX AI工厂平台规划、模拟和运行电网与AI工厂一体化系统，从变电站到机架。该平台整合了电网、设施和计算系统，解决了电力成为基础设施最大瓶颈的问题，目前美国有超过200吉瓦项目排队等待并网。DSX Sim和SimReady资产可模拟验证发电机、开关设备和冷却系统；DSX Flex同步AI工厂需求与电网条件；DSX MaxLPS和DSX Exchange提升每瓦算力并安全共享信号。GE Vernova、Hitachi Energy、Schneider Electric和Siemens Energy等合作伙伴正扩展DSX应用，Phaidra和Emerald AI已集成DSX优化冷却和电力分配。
AI 选稿理由DSX平台整合电网与AI工厂系统，解决电力瓶颈问题，多家合作伙伴扩展应用场景，提升能源效率和算力输出。
AI 导读NVIDIA扩展Cosmos平台，新增训练工具、仿真检查点和Cosmos Data Factory蓝图，帮助开发者构建世界模型。平台提供前沿开源模型、数据、训练和优化工具，支持扩展训练数据、适应模型、测试行为和部署前性能优化。Cosmos Data Factory提供五种云原生蓝图，包括自动驾驶数据集生成、图像属性增强等，已被保时捷、ANYbotics等公司应用，可减少90%重复物理测试，缩短85%开发周期。
AI 选稿理由新增Cosmos Data Factory五种云原生蓝图和具体应用案例，以及Cosmos Framework扩展支持更多开源模型，提供从训练到部署的完整工具链。
AI 导读在GTC Berlin上，多家银行、支付公司和金融数据提供商展示了基于NVIDIA加速计算的量产智能，使用开放权重模型并在自己的基础设施上运行。Revolut正在使用NVIDIA加速计算和PRAGMA基础模型重建其技术堆栈，Starling Bank在Civo的英国云上开发了“Starling Intelligence”，Lloyds Banking Group构建了ATUM交易基础模型，SBS推出了银行主权智能平台。NVIDIA的加速计算平台为这些应用提供动力。
AI 选稿理由欧洲金融服务业采用NVIDIA加速计算和开放权重模型，构建专有智能，提升金融服务效率。
AI 导读Hugging Face发布CulturalRiddles，一个包含62种文化（45个国家，51种语言）的原创谜语基准。这些谜语要求模型具备丰富的文化知识、推理能力和语言技能，以评估大型语言模型对多元文化的理解和表现。
AI 选稿理由CulturalRiddles基准提供了评估大型语言模型在多元文化理解方面的能力的新方法。
AI 导读研究团队推出AW-0框架，将代码规划、未来视频预测和机器人动作控制整合为三个耦合的生成流，在统一transformer架构中实现。通过代码专家生成参数化技能程序，视频和动作专家生成视觉状态和低级指令。在RoboTwin 2.0和双臂操作任务中，该模型在任务性能、语言遵循、语义推理和鲁棒性上超越VLA和WAM基线。
AI 选稿理由AW-0首次将代码规划与视频动作预测整合为统一框架，实现了技能的复用和物理动态预测的结合，在机器人操作任务中展现出显著性能提升。
AI 导读研究团队提出DeepEvolve系统，通过持续交互动态变化的环境并内化经验实现递归自改进(RSI)。该系统在FutureX排行榜连续三周排名第一，评分提升高达195%；在合成评估中超越最强基线10.7 Bradley-Terry点。结果表明，与开放环境共同进化是AI系统自我改进的基础。
AI 选稿理由DeepEvolve实现了递归自改进智能体系统，在真实世界预测任务中连续三周排名第一，评分提升195%，为AI从静态模型训练向经验驱动进化提供了新范式。
AI 导读前沿模型 API 不再返回详细推理过程，TraceForge 改为以教师模型的答案和上下文为输入，用生成器按学生模型家族的风格重建推理链，再由判别器筛选。两阶段先监督后对抗训练；独立评审给出的真实性均分为 0.68，真实推理链为 0.66，判别器从四个候选中选出的达 0.82。在相同 5000 题和教师答案下，HumanEval+ 提升 3.7 分、MBPP+ 提升 7.1 分。
AI 选稿理由提出不依赖被限制的教师推理输出、按学生家族风格重建训练推理链的方法，并给出在固定题目和教师答案下的编码基准提升数字，适用于推理蒸馏训练场景。
AI 导读研究者提出 SpatialBrain 框架，在保持视觉语言主干不变的前提下，积累“何时直接观察、何时重建或换参考系”的推理经验。3DFusionMemory 将当前场景观测融合为可查询的空间关系，空间技能库提供可复用工具流程，空间认知把任务条件与使用经验关联起来；完成轨迹被抽象为过程记录并在任务块间整合。在五个空间推理基准上，四个优于同一主干的直接回答，一个持平。
AI 选稿理由它把可复用的推理经验与场景证据分开记忆，在冻结主干下于五个空间推理基准中的四个取得提升，实验范围为五项基准与组件对比。
AI 导读DONIC 是首个跨操作类别与人体动作源联合训练的双手机器人跟踪器，配套 BiHOI 数据集含 1575 段序列、229 个物体，并将重建交互重定向为机器人参考。它把近端策略优化与行为克隆循环结合，将验证成功的执行回收为演示，并以物体中心逐手奖励和 Clip-Centered Advantages 处理异构参考。单一检查点未经微调在未见训练物体轨迹上成功率 86.79%，留出物体上 57.32%，比双手机器人跟踪基线分别高 77.36 和 45.73 个百分点。
AI 选稿理由首个跨操作类别与人体动作源联合训练的双手机器人跟踪器，配套 BiHOI 数据集，给出了留出物体上 57.32% 成功率，实验范围限定于该数据集与跟踪任务。
AI 导读论文将多模态具身智能体定义为把多模态任务推理与物理动作结合、并依据反馈修正决策的系统，提出按功能划分的PAPAV五能力框架：感知状态、预判动作效果、规划可行路径、通过接口或身体执行、验证结果。作者比较了电脑使用智能体、多模态智能体与机器人系统，并指出物理约束——从部分可观测到结果难验证——使可预先固定的选择更少、纠错空间更小。在64个基准中，显式评估集中在“执行”，仅5个评估“预判”、3个评估“验证”。
AI 选稿理由论文提出统一的五能力框架，并用64个基准的统计指出预判与验证能力在评测中严重缺位，为具身智能体的评估设计提供了可复用的分析框架。
AI 导读论文提出Harness Scaling，不再只用固定harness训练Agent，而是构建因子化harness空间，选覆盖均衡的小训练子集，组织跨harness训练。在多基准、不同模型规模和RL算法下，对未见白盒配置的泛化稳定提升；经结构化白盒变化训练的模型也能迁移到未见的外部黑盒harness，优于用单一复杂黑盒harness训练的模型。
AI 选稿理由论文给出一种可操作的Agent RL训练方法：通过有组织的harness多样性提升跨执行配置泛化，并在多基准、多模型规模和多种RL算法下验证；实验结论限于所测白盒与黑盒harness范围。
AI 导读VX-One用10万至1000万参数的多头网络输出二值门、含明确未知选项的闭集选择和序数分，CPU上p50约0.7–1.7毫秒。在UNSW-NB15、CIC-IDS2017、EMBER2024上与校准XGBoost、随机森林、MLP、Kitsune对比：VX-One在UNSW-NB15和CIC-IDS2017时间漂移下检测占优（0.711对0.637），多类归因三项基准均由XGBoost胜出；留一攻击族门在9/9个UNSW折上检出未见族，但在CIC侦察族低于随机水平。五日Suricata加VX-One级联中，无载荷重建时签名引擎仅解析约0.1%流量，第二阶段把召回补到至少0.978；所有方法的时间漂移下校准均崩塌（ECE从0.04升至0.40）。
AI 选稿理由给出类型化校准决策头在边界分诊中的逐项实测，明确了未知攻击检出、跨基准阈值迁移和多阶段级联的失效条件。
AI 导读研究者提出视觉状态编码器 ALPS，仅用静态图像与文本，以语言、重建和空间对应目标从零预训练 ViT-B/16，再用跨视角自蒸馏精调。在15个公开编码器的统一评测中，ALPS 的 LIBERO 状态探针聚合误差在 ViT-B 模型中最低，追平体积大3.5倍的 V-JEPA 2-L；冻结特征配合原生文本塔在 LIBERO 上策略平均成功率85.5%，在 PushT、Wall、Granular 的世界模型规划中持平或超过领先编码器，预测的未来 token 可直接解码成像素。
AI 选稿理由提出一种同时具备物理状态、语言对齐和像素重建能力的视觉预训练编码器，在15个编码器对比中刷新ViT-B级状态探针误差，并报告LIBERO策略成功率与世界模型规划结果。