跳到正文
实时
一手#推理
10月19日周一
  1. Together AI Blog

    Together Post-Training：灵活高效的模型微调服务

    Together AI 推出 Post-Training 服务，支持通过强化学习和监督微调构建定制模型，无需复杂基础设施。该服务提供灵活的训练循环定义能力，并优化底层系统与基础设施以提升模型质量与训练速度。支持 Muse Spark Open、GLM 5.3、Kimi K3 和 Qwen 3.8-27B 等主流开源模型，运行在专属 GPU 资源上，确保高效且数值一致的训练。

10月17日周六
  2. Google Research

    Google Research 探索将 AI 智能体与生物学现实相结合构建自主湿实验室

    Google Research 发布 VERID 框架，使 AI 智能体能在基于物理测量的安全、资源高效的实验中运行；在适配体和从头蛋白质设计原型上展示闭环智能体科学发现；通过 3 轮设计-测试-迭代循环，在肌红蛋白和 α-凝血酶两个靶点上，AI 驱动的合理和从头设计将确认的靶向命中率分别提高到 33.5% 和 42.1%。

10月16日周五
  1. 腾讯混元 · Hugging Face 新模型

    混元 Qwen3-8B-DSpine-b16 发布：并行草稿与深度条件注入的推测解码模型

    混元发布 Qwen3-8B-DSpine-b16，采用并行草稿与深度条件注入的推测解码技术，在 Qwen3-8B 上实现 10.55 的平均接受长度分数。模型支持 8192 token 上下文长度，使用 bfloat16 数据类型和 fa3 注意力后端，安装需 git clone 并 pip 安装，通过 sglang serve 运行。

  6. Claude Blog

    Claude Code 团队如何进行代码审查

    Claude Code团队将代码审查量提升2倍的同时将回滚率降低40%，通过将大部分审查工作交给机器优化人类时间，并大幅提升撤销错误的速度。团队采用六层自动化审查流程，包括Claude运行测试和生成输出、子代理审查差异、内部技能自动检测错误、UI变更对照设计规范，以及代码规范和代码所有者指南的自动检查，最终由人类审查者处理高阶问题。

  7. LangChain Blog

    LangChain 博客：关于 Agent Evals 的常见问题解答

    LangChain 博客介绍了如何使用 Agent Evals 测试 AI 智能体行为，包括通过追踪记录分析行为、构建包含输入和预期输出的测试数据集、运行离线基准测试（如 Terminal-Bench）和在线实时评估，以及使用代码检查、LLM 评分和人工审核等四种评估器类型。离线评估用于测试新提示词或模型并捕捉回归问题，在线评估用于监控生产质量并发现数据集遗漏的问题。

  8. Microsoft AI News

    微软AI发布80亿参数MoE大模型MAI-Base-2

    微软AI完成新MoE大模型MAI-Base-2的预训练，拥有80亿活跃参数和2.8万亿总参数，在内部评估中超越所有开源模型。该模型比开源最强基座模型DeepSeek-V4-Pro-Base预训练FLOPs效率高出4-12倍，并用于训练更大模型。微软通过全栈控制，使用有机数据预训练，计划通过Foundry授权模型权重。

  10. Microsoft Research

    Magnetar 实现基于证明的通用计算

    Magnetar 证明 Rust、Go 或 C 编写的程序，平均比最快可比系统快 10 到 39 倍，并仅依赖标准哈希函数实现安全，解决了零知识证明的三大挑战：效率、通用性和可用性。它通过利用重复性计算和早期终止证明过程，大幅降低了证明开销，使生成证明变得像运行程序一样常规，可用于 AI 智能体行为验证、金融交易校验等场景。

10月15日周四
  2. Mistral AI

    Mistral AI 推出 Timestral 时间序列基础模型家族

    Mistral AI 发布了 Timestral 时间序列基础模型家族，其参数最少的模型仅 209M，在 GIFT-Eval、TIME 和 fev-bench 三个主要基准测试中排名第一，优于参数量更大的模型；该系列包含 5M 至 209M 参数四种尺寸，支持过去和未来的协变量，可在 CPU 上高效运行，并可通过 Mistral Forge 进行领域适配微调。

  3. Apple Machine Learning Research

    基于选择的结构化推理：一种面向高效多模态搜索智能体的框架

    选择式结构化推理 (SSR) 框架将推理重构为选择而非开放式生成，在每次行动前从预定义的推理候选中选择最可能的方案，显著降低推理成本。使用 2B 和 4B 模型在七项多模态搜索基准测试中验证，SSR 实现了平均成功率与同等规模领先搜索智能体相当，单步推理延迟降低 90%，单题总推理延迟减少 28-54%。

  7. Google Developers Blog

    如何评估 AI 智能体：超越感觉检查

    评估 AI 智能体不能仅凭感觉检查，因为智能体可能陷入重试循环或产生幻觉回答却仍看似正常，导致云费用和 token 使用量激增。应建立可重复的评估流程，从定义关键用户旅程（CUJ）开始，使用模拟用户测试，并采用单元测试、确定性指标、LLM 作为裁判的评分标准和集成测试等多层检查。结合手动审查的跟踪记录与自动化验证，可在开发早期检测到隐性回归，并随着智能体能力增长扩展评估框架。

  9. Google Developers Blog

    Google OAuth 推出 DPoP 支持：保护刷新令牌安全

    Google OAuth 平台推出 DPoP 支持，通过应用层加密绑定刷新令牌与客户端密钥对，防止令牌窃取和重放攻击。该方案将 DPoP 仅用于约束长寿命刷新令牌，确保即使令牌被盗也无法被重放，同时短寿命访问令牌仍为标准 Bearer 令牌以维持高性能。DPoP 与 DBSC 协同防御 API 和网页会话凭证盗窃，但需注意其在多智能体工作流中的密钥共享挑战。

  12. LangChain Blog

    LangChain Deep Agents 如何通过中间件管理上下文窗口

    LangChain Deep Agents 通过中间件管理上下文窗口，防止不必要信息进入并过滤已有内容。它采用卸载（将大工具结果和用户消息保存到文件）、摘要（压缩旧消息）、技能（按需加载）、子代理（分离噪声工作）和长期记忆（跨会话保存学习）等技术。这些技术通过在模型调用和工具调用等关键节点插入中间件实现，无需用户编写代码即可使用。

10月14日周三
  2. 蚂蚁 inclusionAI · Hugging Face 新模型

    inclusionAI/Ling-3.0-flash-UBTree 发布：基于 UBTree 技术的推测解码模型

    inclusionAI 发布 Ling-3-Flash-UBTree-B16 模型，结合五层 DFlash 主干和学习的 bigram 选择器，为 Ling3-Flash 提出多个候选延续用于目标模型验证，参数量 482M，在 MMLU 等基准上实现 3x+ 的 E2E 速度提升，目前 UBTree 适配尚未开源，SGLang 集成支持预计即将推出。

  3. 蚂蚁 inclusionAI · Hugging Face 新模型

    inclusionAI/Ming-3.0-asr-tiny 发布：支持多语言方言的上下文感知语音识别模型

    inclusionAI/Ming-3.0-asr-tiny 结合 Ling-tiny-v3 语言主干和音频编码器，支持单轮中英语音转写及15种方言识别，通过热词或对话上下文提升专业术语识别率，模型参数量未提及，在嘈杂语音和5个应用领域完成评测，提供PyTorch/Transformers推理示例及MIT授权。

  9. Google DeepMind

    Google DeepMind 发布 Gemini 4 Argon 并强调安全防护

    Gemini 4 Argon 在编码、金融、法律等领域展现出前沿能力，尤其强化了网络安全防御功能，通过 Fairwind 项目和内部测试验证其有效性。该模型在 MMLU 等基准测试中表现优异，并采用三层实时防护机制（输入筛选、内部自省、持续监控）及自动化偏差监控，显著降低有害请求和违规行为风险，成功拦截 99% 以上的外部生物安全越狱尝试，同时将编码任务中的捷径行为降至 2%。

  10. GitHub Blog · AI & ML

    GitHub 的秘密检测模型：用更少噪音发现更多秘密

    GitHub 发布了专用的秘密检测模型，将微调后的 ModernBERT 分类器与正则表达式结合，在 11.5% 更高的接受率下将误报减少，并将推送后扫描执行时间缩短 86%，成本降低 98%。该模型通过分析文件路径、变量名和上下文代码来区分真实凭证和类似项，使通用秘密检测扩展到推送保护成为可能。

  12. Google DeepMind

    Gemini 4 Argon 为机器人技术带来突破性进展

    Gemini 4 Argon 在物理理解、代码生成和视觉语义推理方面取得重大突破，在 Embodied Reasoning (ERQA) 基准测试中纯推理得分 87%，超越所有前沿模型。Argon 可应用于机器人生命周期的各个环节，包括使用 MuJoCo 进行移动操作练习、零样本机器人控制和视频世界模型的闭环转向。