跳到正文

#开源生态

今日 0 条
9月22日周二
9月21日周一
9月18日周五
9月16日周三
  1. Google Research77

    Google Research 提出 Retrieve-for-Train 框架,加速复杂 AI 搜索

    Google Research 发布了名为 Retrieve-for-Train 的新框架,旨在解决复杂 AI 搜索中的推理瓶颈。该框架通过强化学习和扩散模型实现高效、单次查询扩展,有效提高了搜索质量。

    推荐理由:该研究提出了一种名为 Retrieve-for-Train 的新框架,旨在解决复杂 AI 搜索中的推理瓶颈,通过强化学习和扩散模型实现高效、单次查询扩展,对搜索领域有重要意义。

9月4日周五
  1. Google Research65

    Google Research发布果蝇大脑完整图谱:连接组学里程碑

    Google Research与HHMI Janelia合作,发布了果蝇雄性大脑和中央神经系统的完整图谱,这是迄今为止最大的大脑图谱。该图谱将有助于神经科学研究,并可能推动对人类大脑的理解和治疗精神疾病的方法。

    推荐理由:该研究通过AI技术绘制了果蝇大脑的完整图谱,为神经科学研究提供了重要资源,并有望推动对人类大脑的理解和治疗精神疾病的方法。

9月3日周四
9月2日周三
  1. Google Research72

    利用深度学习从空间监测全球甲烷排放

    Google Research发布了一篇论文,描述了一种利用深度学习技术从空间监测全球甲烷排放的新方法,该方法名为MAPL-EMIT,能够自动检测、增强预测和估计甲烷羽流源。

    推荐理由:该研究利用深度学习技术从空间监测甲烷排放,为全球温室气体减排提供了一种新的方法,具有潜在的应用价值。

9月1日周二
  1. Microsoft Research70

    GigaPath-Flash 和 GigaTIME-Flash:高效病理学基础模型助力大规模发现

    Microsoft Research 发布了 GigaPath-Flash 和 GigaTIME-Flash 两种高效的病理学基础模型,旨在通过降低计算需求,提高大规模病理学研究效率和实用性。

    推荐理由:原文介绍了 GigaPath-Flash 和 GigaTIME-Flash 两种高效的病理学基础模型,读者可以了解其在病理数据分析和肿瘤微环境建模方面的应用潜力。

8月28日周五
8月27日周四
8月26日周三
8月25日周二
  1. Mistral AI60

    Mistral 与 HUMAIN 宣布战略合作,推动主权 AI 发展

    Mistral 与 HUMAIN 宣布战略合作,旨在推动主权 AI 的发展,包括 AI 基础设施、高级模型开发和 AI 解决方案的部署。合作将支持沙特阿拉伯和中东地区的 AI 创新,并探索使用 HUMAIN 的数据中心基础设施来支持当地计算需求。

    推荐理由:原文宣布了与 HUMAIN 的战略合作,旨在推动主权 AI 的发展,读者可以关注该合作对区域 AI 产业的影响。

8月21日周五
  1. Microsoft Research85

    Skala 1.1:扩展对 Skala 的访问以创建预测 DFT 的更快途径

    Microsoft Research 发布了 Skala 1.1,这是一个基于深度学习的 DFT 方法,它在分子模拟领域取得了显著进展,包括热力学、反应动力学和分子结构预测。Skala 1.1 现已集成到多个软件包中,并引入了一个实时基准,以跟踪 Skala 的计算性能。

    推荐理由:Skala 1.1 在分子模拟领域取得了显著进展,其更高的准确性和更广泛的可用性将推动计算化学模拟的发展。

8月20日周四
8月17日周一
  1. Google Research72

    利用智能手机图像估计身体成分:超越BMI预测心血管代谢风险

    Google Research发布了一项研究,介绍了一种名为PhotoScan的深度学习框架,可以直接从标准2D智能手机照片中估计三维身体成分指标,包括体脂百分比、A/G比和V/S比,以预测胰岛素抵抗风险。

    推荐理由:原文介绍了利用智能手机图像估计身体成分的新方法,读者可以了解其在心血管代谢风险预测中的应用潜力。

8月13日周四
8月4日周二
7月31日周五
7月22日周三
7月16日周四
  1. Hugging Face Blog85

    Hugging Face公布2026年7月安全事件披露

    Hugging Face公布了一起由自主AI智能体系统驱动的入侵事件,详细描述了攻击过程和防御措施,强调AI在网络安全中的重要性。

    推荐理由:原文详细描述了Hugging Face遭受的AI驱动入侵事件,以及他们如何利用AI进行检测和分析,对网络安全领域有重要参考价值。

7月10日周五
  1. Hugging Face Blog40

    PyTorch 性能分析(第 3 部分):注意力机制剖析

    本文深入探讨了 PyTorch 中的注意力机制,通过对比不同实现方式(如 naive attention 和 inplace causal masking)的性能差异,展示了如何利用 PyTorch 的性能分析工具来优化模型。实验在 NVIDIA A100-SXM4-80GB GPU 上进行,揭示了内存拷贝操作对性能的影响,并展示了通过使用原地操作减少内核调用的效果。

7月9日周四
7月7日周二
7月6日周一
  1. Hugging Face Blog68

    Hugging Face Kernels 项目重大更新:新增仓库类型与安全增强

    Hugging Face 对 Kernels 项目进行重大更新,正式在 Hub 上推出名为 "kernel" 的新仓库类型,使自定义内核成为一等公民并提升其可发现性。

    推荐理由:原文详细说明了 Kernels 项目引入的新仓库类型、安全机制及框架支持,读者可据此了解自定义内核在 Hugging Face Hub 上的标准化发布与调用流程。

6月30日周二
6月29日周一
6月26日周五
6月25日周四
  1. Google Research67

    Google Research 提出线性弹性缓存方法优化云经济

    Google Research 提出了线性弹性缓存方法,通过将页面淘汰视为滑雪租赁问题,并使用轻量级机器学习来优化内存占用和缓存缺失之间的权衡,以降低总拥有成本。

    推荐理由:原文提出了线性弹性缓存方法,通过动态调整缓存大小以降低总拥有成本,读者可以了解其原理和应用效果。

  2. Google Research60

    Google Research:推理如何解锁LLM中的参数化知识

    Google Research探讨了推理在LLM中的作用,发现推理不仅有助于复杂任务的分解,还能通过计算缓冲和事实提示等机制提高简单事实问题的回答准确性,为未来模型优化提供了新的方向。

    推荐理由:原文揭示了推理在语言模型中的作用,以及如何通过优化训练过程提高模型可靠性,对理解未来研究方向有重要价值。

6月23日周二
6月22日周一
  1. Hugging Face Blog76

    Hugging Face 分享使用本地模型进行 OpenClaw 仓库 Issue 分诊的实践

    Hugging Face 团队分享了在 NVIDIA GB10 硬件上运行 gemma-4-26b-a4b 和 qwen3.6-35b-a3b 等本地模型,对 OpenClaw 仓库的 Issue 和 PR 进行实时分类与通知的技术方案。

    推荐理由:展示了利用本地模型和受限 Shell 构建实时分类系统的完整流程,提供了具体的性能对比数据和安全配置方案。

6月18日周四
  1. Hugging Face Blog68

    Hugging Face 发布 agent-eval 工具以基准测试开源模型对 transformers 库的智能体适配性

    Hugging Face 推出 `agent-eval` 工具,用于衡量智能体在使用 `transformers` 库完成任务时的过程成本(如时间、Token 消耗和错误率),而不仅仅是最终答案的正确性。

    推荐理由:原文提供了评估智能体使用工具效率的基准方法,揭示了同一优化对不同规模模型可能产生相反效果。

6月17日周三
  1. Hugging Face Blog92

    智谱发布 GLM-5.2:支持 1M 上下文的长程任务旗舰模型

    智谱(Z.ai)发布最新旗舰模型 GLM-5.2,主打长程任务能力并首次提供稳定的 1M-token 上下文窗口。该模型采用 IndexShare 架构降低计算成本,在 FrontierSWE、PostTrainBench 等长程编程基准中表现优于多数开源模型,接近 Claude Opus 4.8 水平。

    推荐理由:原文展示了 GLM-5.2 在长上下文编程基准上的具体得分及与闭源模型的差距,读者可据此评估其在复杂工程任务中的实际可用性。