Gemini 模型在基因组预测中的迁移学习研究
Google Research 的 Gemini 模型在基因组预测研究中,通过迁移学习将欧洲人群的基因风险评分模型应用于日本人群,优化了预测性能。研究发现,当目标人群样本量达到 15k 或更多时,混合训练数据优于单独使用欧洲数据,但对于特定性状如血脂水平和血糖,欧洲数据的益处较小。
Google Research 的 Gemini 模型在基因组预测研究中,通过迁移学习将欧洲人群的基因风险评分模型应用于日本人群,优化了预测性能。研究发现,当目标人群样本量达到 15k 或更多时,混合训练数据优于单独使用欧洲数据,但对于特定性状如血脂水平和血糖,欧洲数据的益处较小。
Qwen/Qwen3.5-35B-A3B 模型通过 TRL 和 OpenEnv 训练,实现了用 JavaScript 通过 p5.brush 库绘制水彩画的功能,视频观看量超过 1.5M。该模型在 Hugging Face 上进行端到端训练,包括训练脚本、训练模型和评估模型,所有内容均开源。
Hugging Face 博客发布指南,使用 TRL 库和 GRPO 对 LFM2.5-350M 模型进行微调,在 IFStruct 基准测试中性能从 22.6% 提升至 29.7%,展示了小模型特定任务微调的潜力。
OpenAI News 报道,Basis、Clay 和 Exa Labs 通过使用 AI 智能体,优化了员工入职、账户管理和开发者集成等流程,为企业运营能力提升提供了新思路。
OpenAI 支持加州 SB 1119 法案,旨在加强青少年 AI 安全保护,同时保留学习和探索的机会。
OpenAI 的一项随机研究超过 1000 名学生,探讨了 ChatGPT、批判性思维、原创性和学生在现实世界大学作业中的表现之间的关系。
社会科学指出,AI 生成内容的泛滥及随之而来的道德恐慌并非新现象,而是技术降低媒体生产成本后历史规律的延续。品味若被视为可识别的规则模式,现代 AI 极易模仿;但研究如 Columbia 大学音乐实验表明,成功具有社会偶然性,专家难以预测爆款。这迫使我们将品味拆解为预测、判断等独立机制,以区分机器能力与人类稀缺的判断力。
OpenAI最新报告揭示了学生和教师如何利用ChatGPT使学习更加连续,支持范围超越课堂。
a16z crypto 指出识别 AI 写作不应依赖“机器生成”标签,而应关注其修辞、结构和标点等具体特征。文章将“洞察式废话”、“空洞对比”和“模糊限定词”列为典型问题,建议通过重组句式或删除无实质内容的短语来优化表达。无论由人还是模型创作,核心标准在于文字是否清晰有效且具备可信度。
研究人员利用 Qwen3-30B-A3B-Instruct-2507 模型在 SPADE 框架中生成可执行训练环境,通过自玩方式协同进化环境和能力,提高模型性能。该框架在游戏环境和工具使用环境中均取得显著提升。
Ethereum 基金会正式验证团队与 Yukon 和 zkSecurity 合作推出的 better.codes 开放自研挑战现已上线,旨在通过机器验证提升基于哈希的 SNARKs 安全基准。
OpenAI 与 CodeAI 联手,旨在培养学生 AI 素养,批判性思考 AI,并发展负责任地使用和塑造 AI 技能。
DiG-bench 基准测试通过 70 个游戏评估 AI 系统的直觉和创造力,结果显示 Opus 5 和 Fable 5 模型表现最佳,但与人类相比仍有差距。此外,Inherent 公司开发的 Faraday 模型旨在提升 AI 在科学研究中的效率。
Microsoft Research 推出的 MindTopo 基准测试评估了多模态大语言模型在拓扑推理方面的能力,结果显示模型在静态图像识别方面表现优于交互式任务,表明它们在保持拓扑理解方面存在困难。MindTopo 通过五个类别(连续性、分离、顺序、封闭和结)和两个认知水平(推理和规划)来评估模型,发现模型在静态推理方面表现较好,但在交互式规划方面表现较差。
RingCentral 利用 ChatGPT Work 和 Codex 工具,提升工程和运营部门间的协作效率,加速 AI 产品开发进程。
政策智库IFP提出23项应对AI研发自动化风险的策略建议,涵盖透明度、风险管理、AI验证技术等方面;MIT和哥伦比亚大学研究显示,信任和透明度是AI竞赛中实现协调降速的关键因素。
OpenAI 与美国心理学会合作,共同推进基于证据的指导、资源和安全措施,以促进负责任地使用 AI 和关注青少年心理健康。
OpenAI Signals 数据显示,全球范围内人们如何使用 ChatGPT,包括各国在采用率、使用趋势和行为演变方面的洞察。
Baseten 加入 Hugging Face Hub,提供无服务器推理功能,支持多种模型类型,包括 LLM 和文本生成等,简化开发者应用集成。Baseten 支持的模型包括 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等,并集成到 Hugging Face SDKs 和 Agent Harness 中。
研究人员构建了一个原型计算机病毒,利用AI模型攻击计算机,并利用其GPU资源进行推理,从而实现自我复制和传播。
推荐理由:文章探讨了AI病毒的研究,揭示了AI在网络安全方面的潜在威胁,以及AI发展速度与人类控制能力之间的矛盾。
OpenAI在六个月内推出了GPT-Live,该系统通过无轮流语音模型和低延迟架构实现与AI的持续语音交互,提升对话速度和自然度。
DUNA 是首个被国会立法明确认可、专为互联网原生组织设计的法律实体,有望成为继公司制后的下一次组织形态跃迁。传统公司虽解决了工业时代的协调与风险分配问题,但软件与协议正大幅降低其固有的集中管理与中介成本。
avatarin 利用 OpenAI 的 GPT-Realtime 模型,为 Yamada Denki 提供全天候多语言支持,两周内吸引 30,000 用户,92% 的调查反馈为正面。
Google DeepMind 推出音乐生成模型 Lyria 3.5,在音乐性、歌词、人声和创意控制方面取得显著进步,现已在 Google Flow Music 中推出,用户可创作更丰富的音乐作品。
OpenAI的GPT-5.6模型通过启用推理保留和压缩功能两项API设置,在ARC-AGI-3基准测试中得分提升三倍,同时提高了效率和性能。
OpenAI 最新研究显示,ChatGPT 用户正在承担跨角色任务,重塑工作边界,AI 正在扩展工作内容。
Hugging Face 发布了关于其智能体入侵事件的技术分析,揭示了攻击者如何利用智能体进行入侵,并分析了防御策略。
推荐理由:该事件揭示了前沿智能体在攻击中的新兴能力,对网络安全防御提出了新的挑战。
a16z crypto 指出代币化股票市值在六月达到约 17 亿美元,较一年前的 3.29 亿美元增长超过 5 倍。数据显示新增发行而非价格上涨是主要驱动力,且市场构成已从以加密关联产品为主转向包含大量长尾列表和 AI 芯片类资产。此外,月度转账量激增至 92.2 亿美元,Coinbase、NYSE 等机构近期纷纷推出相关服务或合资项目以推动这一趋势。
OpenAI首席财务官Sarah Friar推出AI投资回报率评分卡,通过衡量有效工作、每项成功任务的成本、可靠性和计算回报率来评估投资回报。
OpenAI 推出针对青少年的 ChatGPT 安全保护措施,包括适龄学习工具、家长控制功能和专家合作,提升青少年使用体验。
传统金融机构并非拥抱去中心化,而是选择性采用区块链技术以降低成本、改善结算并强化客户关系。它们剔除开放访问等特性,构建面向机构约束的可编程金融基础设施。行业应并行推进机构就绪的基础设施与原生加密系统建设,两者最终将依赖同一底层架构实现自然融合。
OpenAI提出,企业可通过衡量每美元产生的有效工作、提高效率和扩展高价值工作流程来管理AI投资。
Google DeepMind 的 Gemini 3.5 Flash 模型为 Atal Tinkering Labs (ATL) Saathi 提供支持,该应用为印度学生提供 24/7 的规划和培训助手,通过 AI 技术提升教育质量,并支持多语言交互。目前已在 100 所试点学校推广。
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。
OpenAI 推出 ChatGPT Work,这是一款能够跨应用和文件执行操作的工作代理,可长时间陪伴项目,将目标转化为成品。
OpenAI Academy 与沃尔顿家族基金会合作,推出面向 K-12 教育者的 AI 技能工作坊,旨在帮助教育者掌握实用的 AI 技能,应用于课堂教学。
OpenAI推出GPT-Live,新一代语音模型,旨在提升人机自然交互体验,现已应用于ChatGPT语音功能。
Fable 在 KernelBench-Mega 上实现 18.71X 加速,成为首个提交至该基准的“真正”megakernel。CAIS 与 Scale Labs 数据显示,AI 在 Remote Labor Index 上的成功率从 2025 年 10 月的 2.5% 升至 2026 年 7 月的 16.1%,其中 Fable 5 表现最佳。
Dharma AI 引用 Goldfeder 等 2026 年论文,结合优化理论与生物学论证 AI 专业化不可避免。有限资源下通用性无法带来性能优势,窄域聚焦系统因更契合目标而胜出。
OpenAI 数据显示,ChatGPT 全球采用率持续增长,用户使用频率提升,探索更多功能,推动各地区和语言领域的增长。