跳到正文

全部动态

今日 44 条
7月6日周一
7月5日周日
7月3日周五
7月2日周四
  2. MIT News（RSS）26

    MIT 校长：AI 时代仍需好奇心驱动的基础研究

    MIT 校长 Sally Kornbluth 在《华盛顿邮报》活动上警告，若联邦政府不资助好奇心驱动的研究，美国的创新与人才管道可能枯竭。她表示 MIT 新课程仍以基础 STEM 为核心，同时强化伦理与公民教育，并让学生把 AI 当作增强工具而非替代学习小组。她提到 MIT 已衍生出超过 3 万家公司，其经济影响相当于全球第 14 大 GDP，且对家庭收入低于 20 万美元的学生免学费。

  3. Sierra：Blog（RSS）30

    Sierra Ghostwriter 黑客松：30 人用 AI 智能体三小时完成原本半年的工作

    Sierra 举办 Ghostwriter 黑客松，来自 17 家公司的 30 名参与者无论技术背景如何，都在活动结束前构建出可用的 AI 智能体。有参会者称三小时完成了原本需要六个月的工作，另一位来自 $2B+ 科技公司的参会者表示，把 Ghostwriter 指向知识库后，15 分钟就一次性生成了智能体。Sierra 总结的三大要点是：任何人都能成为"海盗"、通才回归、以及 10 倍员工。

7月1日周三
  1. Jim Fan49

    ENPIRE -> ASPIRE，我们 Physical AutoResearch 系列的第二项工作。我们正在构建机器人自我改进的组件，一次一个 /skill。

    引用Jim Fan@DrJimFan

    Today, we give robots a /skills library that self-evolves and compounds indefinitely! Introducing ASPIRE: a robot solving its 100th task is no longer as clueless as solving its first. Coding agents observe multimodal sensory traces from simulation and real robots, launch an evolutionary search over control programs, and distill the best know-how into an ever-expanding library. ASPIRE is a new type of continual learning: "training" is skill refinement instead of gradient descent. "Trained model" is a repo of sensorimotor skills instead of floating weights. “Distributed training” is a panel of agents each practicing a different skill instead of sharded minibatches. Here's the beauty: ASPIRE gives the tired terms "sim2real transfer" and "cross-embodiment transfer" a whole new meaning. Bridging the sim-to-real gap is notoriously brutal. An end-to-end policy has to swallow both the visual shift (sim looks toyish next to a real camera) and the subtle contact physics it never quite gets right. ASPIRE sidesteps the mess, because it doesn't ship pixels or weights across the gap, but ships the know-how. The robot still has to practice in the real world, not zero-shot, but it gets there way faster because it isn't rediscovering the strategy from scratch. Same for going single-arm to bimanual hardware, which usually requires new data and retraining from zero. ASPIRE achieves up to ~10x cut in "transfer learning” tokens (yes, tokens are the new unit of *training* compute ;) Check out our gallery of 150+ tasks and 90+ skills the robots taught themselves, all on the website! Kind of wild that we can ship the "learned weights" as an HTML page rather than a GGUF. We'll open-source the full stack so your own robot library starts compounding from ours! Deep dive in thread:

  2. BAIR：Berkeley AI Research Blog12

    2026 BAIR 研究生展示：伯克利 AI 实验室博士毕业生去向一览

    伯克利人工智能研究实验室（BAIR）公布 2026 届博士毕业生名单，其研究覆盖机器人、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for science 等方向。毕业生去向包括 OpenAI、Mistral AI、Amazon、Physical Intelligence 等机构，以及 UCLA、芝加哥大学教职和自主创业。

  6. Together AI 研究与产品博客（RSS）66

    Together AI 完成 8 亿美元 C 轮融资，加速开源 AI

    Together AI 宣布完成 8 亿美元 C 轮融资，投资方包括 NVIDIA、Aramco Ventures、Vista Equity、General Catalyst 等，另获超 500 MW 算力容量承诺。

    推荐理由：融资公告由 CEO 亲述，同时给出客户成本案例和推理栈技术进展，可看出开源模型的实际经济性。

  9. Sierra：Blog（RSS）43

    Sierra Agent Studio 推出 Experiments：让客户行为驱动 AI 智能体优化

    Sierra 在 Agent Studio 中推出 Experiments，为团队提供运行、审查和发布 A/B 测试的统一界面，每项智能体改动都需经实验验证。实验默认以解决率和流失率等业务指标评估，仪表盘展示统计显著性、效果出现时间及稳定性，支持逐步放量后全量发布。Ghostwriter 会分析全部对话、提炼假设并在数分钟内将其转化为实验，使测试频率从每季度一次提升至持续迭代。

  10. Jim Fan47

    Jim Fan 团队发布 ASPIRE，让编码智能体观察仿真与真实机器人的多模态感知轨迹，通过进化搜索控制程序并将最优经验蒸馏进持续扩张的技能库。ASPIRE 把"训练"重新定义为技能精炼而非梯度下降，跨仿真到真实与跨本体迁移时只传技能知识而非像素或权重，迁移学习 token 消耗最多降低约 10x。团队展示了 150+ 任务、90+ 技能，并将开源全栈。

  11. Google Research46

    Google Research 将 Heat Resilience 数据扩展至全球 50+ 城市

    Google Research 将建筑级屋顶反射率数据集从 14 个城市扩展至 50+ 个城市，覆盖 9 个国家，并通过新的 Heat Resilience Earth Engine App 开放访问。该方法融合 Sentinel-2 与 30-cm 高分辨率卫星影像，在 Boulder 验证中 RMSE 仅 0.04，建模显示针对性冷屋顶规划可使全球城市极端高温降低最多 0.5°C。

6月30日周二
  1. MIT News（RSS）41

    MIT 专访 Phillip Isola：什么是智能体 AI，它应该走向何方？

    MIT 电气工程与计算机科学系副教授 Phillip Isola 在专访中界定，智能体 AI 是能在物理或数字世界中采取行动（如机器人操作、订机票）的 AI，与生成内容的 ChatGPT、Claude 等生成式 AI 不同，其核心仍是 Claude 这类基础模型外加工具与记忆封装。他指出编程智能体是目前最成功的应用，最大挑战是训练数据匮乏，并警示验证不足、数据泄露与去技能化风险。

  4. Hugging Face：Blog（RSS）48

    Hugging Face 模型页新增 Every Eval Ever 评测结果展示

    Every Eval Ever（EEE）与 Hugging Face Community Evals 现已互通，评测结果可跨平台发布并回溯至完整记录。EEE 数据存储已收录约 229,000 条评测结果，覆盖超 22,000 个模型和 2,200 个基准，来自 31 种报告格式。贡献者可通过转换器将 EEE 记录提交至 Community Evals，经组织官方账号提交的结果会显示验证标记。

6月29日周一
6月27日周六
6月26日周五
6月25日周四
  1. Google Research47

    Google 用线性弹性缓存优化云成本，Spanner 内存占用降 15.5%

    Google Research 提出线性弹性缓存，将页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小以最小化总拥有成本。在 Spanner 生产环境测试数月后，内存占用降低 15.5%，缓存未命中仅增加 5.5%，TCO 降低约 5%，实际 I/O 成本影响仅 0.5%。该方案用可转为几行 C++ 代码的浅层决策树预测页面 TTL，并在缓存写满时回退到 LRU 淘汰。

  4. Google DeepMind：Blog（RSS）71

    Google DeepMind 在 Gemini 3.5 Flash 中内置 computer use 能力

    Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具，从此前的独立 Gemini 2.5 computer use 模型整合进主力 Flash 模型，开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能在浏览器、移动和桌面环境操作的智能体。

    推荐理由：原文给出 computer use 内置于 Gemini 3.5 Flash 的能力和安全措施，读者可据此评估在自动化任务中的可用性。

6月24日周三
  2. Mistral AI：News（网页）42

    Mistral 为 Connectors 引入管理员控制、API key 作用域与调试器

    Mistral 为 Connectors 推出多项新能力：按 workspace 或组织分配连接器访问权限、可单独开关工具的管理员控制，以及带连接器作用域的 API key，均已 GA。多账号连接器（GA）支持一个连接器绑定多个账号，Connectors Debugger（公开预览）可分 11 步定位 MCP 连接故障。目录现有 60 多个预置集成，并支持自定义 MCP 连接器。

6月23日周二
  2. MIT News（RSS）43

    MIT 新型芯片 Gleanmer 可助微型机器人实时构建 3D 地图

    MIT 研究人员推出名为 Gleanmer 的系统级芯片，能让小型自主机器人仅用约 6 毫瓦功耗实时构建详细 3D 环境地图，功耗仅相当于一颗 LED。该芯片结合 GMMap 算法与专用硬件，用高斯椭球体替代传统体素表示障碍物与自由空间，单次处理深度图像即可生成高斯分布，无需存储整张图像。该成果已在 IEEE VLSI Symposium 上展示，也有望用于轻量 AR 头显。