GenRecs Tokenization：以稳定模型词表变革 Meta 广告推荐
Meta 的 GenRecs Tokenization 用稳定语义词表表示广告等项目，改进广告召回与排序。它融合内容与互动信号，帮助模型理解缺乏互动历史的新项目。与 GEM 和 Adaptive Ranking Model 配合后，广告转化量提升 +0.35%。
全部 AI 动态
Meta EngineeringAI 评分4343
Meta Engineering精选AI 评分6565 Meta 如何通过精简编排器提高 AI 智能体可靠性
Meta 讲解薄编排器架构，将路由和可靠性检查留给确定性流程，把领域推理交给隔离上下文的专业 AI 智能体。其 1,300 行编排器将 20+ 个工作流分派给 14 个专业智能体，通过调整工作流模板复用现有智能体，并在运行时按需加载领域知识。新数据列的配置准备从人工操作的三至四天、此前配置驱动系统的约一天缩短至不到一小时，约三分之二的系统改动无需人工大幅修改即可落地。
推荐理由：将确定性路由与领域推理解耦，并通过工作流模板复用专家智能体，为复杂多步骤任务提供了可迁移的架构设计方法。
Meta Engineering精选AI 评分7575 深入 Meta Prometheus：吉瓦级超级集群的建设与可靠性工程
Meta 详解吉瓦级超级集群 Prometheus 的硬件、网络与可靠性工程，其第一阶段已完成并用于训练 Muse 基础模型。集群目前拥有数十万 GPU，正向约 1 million GPUs 扩展；Muse Wonder 预训练和强化学习运行的有效训练时间占比分别超过 85% 和 90%。
推荐理由：通过备用 GPU、分层故障恢复与逐项归因的工程实践，解释超大规模训练如何减少中断并提高有效吞吐量。
Anthropic NewsAI 评分5959 Anthropic 设立公益基金，拟投入 5% 股份并随估值增长追加
Anthropic 宣布设立全资实体 Anthropic Public Benefit Fund，拟投入公司 5% 的股份，尚需股东批准。公司估值在设定基线之上每增长 50%，董事会可酌情再增加 2% 的股份；基金采用 LLC 结构，可探索向传统非营利组织大额捐赠或向特定人群直接分配资金，其持有的 Anthropic 股权不得用于游说或政治捐赠。
Google Research精选AI 评分6969 Google Research 介绍自主湿实验室研究：以 VERID 和闭环实验连接 AI 智能体与生物现实
Google Research 介绍三项面向人类指导下自主湿实验室的研究，涵盖 VERID 实验自动化、闭环适配体发现和从头蛋白质结合物设计。VERID 通过实验室数字孪生、模拟试运行和硬件安全检查约束机器人操作；适配体实验经过 3 轮设计与测试，将肌红蛋白和 α-thrombin 的经确认靶向命中率分别提高至 33.5% 和 42.1%。
推荐理由：适配体实验展示了智能体如何利用真实实验反馈识别非特异性结合，并修正设计规则，为区分目标信号与实验伪象提供具体案例。
Meta Engineering精选AI 评分6666 Meta 如何用 AI 原生工程构建 Forum
Meta 复盘了用 AI 智能体构建独立群组应用 Forum 的工程实践，小团队在八周内实现了与 Facebook Groups 核心功能对齐。团队将规划、构建、测试和验证纳入智能体循环，通过直接读取应用状态的工具和隔离原型代码的构建方案支持开发，同时保留工程师对架构、产品目标和上线结果的决策与签核。
推荐理由：这份工程复盘给出了可迁移的实践路径，将自动验证、可直接检查的环境状态和构建隔离纳入智能体开发流程，而非只改提示词。
Meta EngineeringAI 评分2727 2026 世界杯：Meta 流量纪录、峰值曲线与大规模可靠性保障
Meta 复盘世界杯期间多平台流量破纪录及基础设施保障，WhatsApp 在决赛期间每秒消息量超过 30 million，创平台纪录。流量峰值主要出现在比赛间歇，系统通过预留容量、自动扩容和分国家降级吸收冲击。WhatsApp 提前对超过 100 项内部服务进行负载测试，赛事期间未暂停持续部署。
Google DeepMindAI 评分4545 如何用 Google Antigravity 加速抗菌肽搜索
Google DeepMind 演示了生物学家如何用 Google Antigravity 筛选新型抗菌肽候选物，所获候选物正接受湿实验验证。流程结合 ProtNLM 功能预测、跨数据库检索与结构分析，将原需数天的筛查压缩为一次协作会话。此次新增的 Biomolecular Structure Viewer 支持研究人员与 AI 智能体共同查看、标注蛋白质三维结构。
Microsoft ResearchAI 评分5050 Magnetar：基于证明的通用计算
Microsoft Research 的 Magnetar 在通用程序零知识证明上取得进展，平均速度比此前最快的同类系统快 10 至 39 倍。它可为 Rust、Go 或 C 程序生成执行正确性证明，安全性仅依赖标准哈希函数。验证者可在毫秒内检查证明，无需重新运行程序，也无需获取程序输入数据。
Mistral AIAI 评分5959 Mistral AI 发布时序基础模型 Timestral，提供 5M 至 209M 四种规格
Mistral AI 发布时序基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四种参数规格，支持多变量概率预测及历史、已知未来协变量。
Apple Machine Learning精选AI 评分6161 如何用 MLX 与 RDMA 在 Mac Studio 上运行本地及分布式大语言模型推理
Apple 演示使用 MLX 与 Thunderbolt RDMA 在 Mac Studio 上运行本地及分布式推理，四台 M5 Ultra 以张量并行运行 Muse Spark Open，在 8,192 tokens 上下文下达到 36.73 tokens/s。
推荐理由：通过同一组模型的单机与多机测试，对比流水线并行和张量并行在首 token 延迟、生成速度及通信开销上的差异。
Apple Machine LearningAI 评分5050 Apple 研究工具发现架构：先检索还是先规划，取决于任务复杂度
Apple 的工具发现架构研究发现，先检索再规划（RtP）在单工具查询上更优，先规划再检索（PtR）在多工具查询上更优。研究在含 46,984 个 API 端点、50 个类别的 ToolBench 上评估，这一差异在检索预算 k=1 to 20、工具库规模从 1k 到 47k APIs，以及 Gemini 2.5 Flash 和 gpt-oss-120b 上均成立。
Apple Machine LearningAI 评分4646 基于选择的结构化推理（SSR）：迈向高效多模态搜索智能体
基于选择的结构化推理（SSR）将开放式推理生成改为从预设、可复用的自然语言候选中选择，以降低多模态搜索智能体的推理成本。研究使用 2B 和 4B 模型，在七项多模态搜索基准上评估，平均成功率可与同规模领先搜索智能体竞争。每轮推理延迟降低超过 90%，每题模型推理总延迟降低 28–54%。
Google ResearchAI 评分5555 Google 展示 Earth AI 地理空间智能体研究进展与实际应用，扩大早期访问
Google 公布 Earth AI 地理空间推理智能体的技术报告与合作伙伴测试案例，并扩大 Ask Google Earth、智能体 API 和 Planetary Prediction Engine 的实验性早期访问。
Google ResearchAI 评分5151 Google Research 在 Research@ 2026 展示 10 项研究与工具进展
Google Research 在 Research@ 2026 展示 10 项研究与工具进展，涉及地理分析、科研智能体、文档核查、端侧芯片、数值预测、医疗、灾害预测、教育与协作原型设计。
Google Research精选AI 评分7979 Google Deep Review 如何分析复杂技术文档
Google 公开发布文档审查智能体系统 Deep Review，为科研论文、设计文档及法律和金融文档提供技术核验与改进建议。系统由 Paper Assistant Tool（PAT）演进而来，通过文档分段、自适应计算预算、并行核验和全局综合检查逻辑、数学陈述及证据一致性，并将高层判断留给人类。
推荐理由：分段审查、动态分配计算预算与全局核验的组合，为复杂文档审查提供了可迁移的多智能体流程，同时将高层判断留给人类。
Anthropic News精选AI 评分6666 Anthropic 向 METR 开放类员工访问权限，推进独立安全评估
Anthropic 已开始向 METR 的 6 名员工提供类员工访问权限，让其深入评估模型风险与安全实践并公开结果。该团队获得公司硬件、办公空间及与内部风险评估团队大致相当的工具和系统权限，但客户数据、受律师与客户保密特权保护的信息及模型架构等类别除外；Anthropic 不能否决报告发表，但可要求删去预先界定的保密内容，并最终决定哪些信息属于这些类别。
推荐理由：类员工访问权限与独立发表权被分别界定，保密删改的最终决定权仍归公司，为理解嵌入式第三方评估的独立性边界提供了具体参照。
Google DeepMindAI 评分4747 Google DeepMind 与新加坡政府合作，微调 AI 模型用于诈骗检测
Google DeepMind 与新加坡政府科技局合作，基于 Gemma 微调出保护隐私的端侧诈骗检测模型。模型先以轻量分类器筛查消息，再分析对话上下文，识别操纵性话术并实时警告。模型将分阶段集成至应用，仅经用户同意访问设备端对话，Google 和新加坡政府均无法通过该部署获取对话内容。
Apple Machine LearningAI 评分3535 利用语音基础模型中的语言选择性维度检测语码转换
研究者提出利用预训练语音编码器中语言选择性维度直接检测语码转换的轻量方法，无需先转写语音。该方法用单语录音识别相关维度，汇总帧级激活，并以少量语码转换样本调优判定规则。Whisper-small 编码器在 CS-FLEURS 的 14 个语言对上平均 F1 达 0.798，高于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。
Apple Machine LearningAI 评分4444 三模态掩码扩散模型的设计空间
研究团队提出从零预训练的三模态掩码扩散模型（MDM），并系统分析其多模态扩展规律与训练设计。基于 SDE 的重参数化将物理批大小与逻辑批大小解耦，无需调优最佳批大小。初步模型规模为 3B，预训练使用 6.4T tokens，在文本生成、T2I 和 T2S 任务中取得较强结果。
Google DeepMind精选AI 评分8080 Google DeepMind 如何为 Gemini 4 Argon 构建安全防护
Google DeepMind 介绍 Gemini 4 Argon 的安全设计，重点解释高风险用途防滥用、实时失对齐监控和提示词注入防御。防护结合输入筛查、内部激活探针和持续监控；在 Gray Swan 的 IPI 基准上，15 次自适应攻击尝试的成功率降至 0.7%。
推荐理由：训练案例揭示了惩罚思维链中取巧表述的风险，公开讨论减少不等于取巧减少，为设计可监控的智能体训练提供参考。
GitHub Blog · AI & MLAI 评分5656 GitHub 解读密钥检测模型：如何用 ModernBERT 减少误报与扫描成本
GitHub 详解密钥扫描管线，以正则筛选候选字符串，再由微调的 ModernBERT 结合上下文区分真实凭据与非敏感字符串。相比此前的 LLM 管线，新管线的提交后扫描执行时间中位数降低 86%，服务成本降低超过 98%，并使通用密钥检测得以扩展至推送保护。离线评估的精确率提高 13%、召回率提高 19%；客户 A/B 实验中，按仓库所有者加权的告警接受率提高 11.5%。
Google DeepMind精选AI 评分7575 Google DeepMind 推出面向机器人任务的 Gemini 4 Argon
Google DeepMind 推出 Gemini 4 Argon，展示机器人控制、Real2Sim、物理理解和自我改进四类应用，在 ERQA 物理空间推理基准上取得 87%。
推荐理由：从真实场景重建仿真、生成训练数据再回到实体机器人评估，文中案例提供了将物理推理接入机器人训练流程的具体路径。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon，面向复杂工程与科研任务
Google DeepMind 发布 Gemini 4 Argon，面向编码、金融、法律、网络安全与科学等复杂任务，即日起在全球开放。
推荐理由：从跨文件代码重构到推理性能优化，文中的工程案例展示了模型参与复杂软件维护的方式及其对交付周期的影响。
Anthropic NewsAI 评分4141 Anthropic 开设新加坡办公室，并与新加坡政府签署谅解备忘录
Anthropic 在新加坡开设其亚太地区第5个办公室，并与新加坡数码发展及新闻部签署谅解备忘录。合作涵盖 AI 安全、模型评估、AI 应用及其影响研究，以及公私部门负责任地采用 AI。新加坡政府科技局已有超过1,500名工程师及技术人员使用 Claude Code，推进政府系统现代化并加快软件交付。
Anthropic NewsAI 评分5555 Anthropic 为2026年美国中期选举加强 Claude 保障措施
Anthropic 介绍面向2026年美国中期选举的 Claude 保障更新，包括官方投票信息接入、政治偏见评估和滥用检测改进。本月晚些时候，美国 Claude.ai 用户将能在回答中获得 Democracy Works 提供的州级官方投票信息，Claude 还将于选举夜及随后数日展示最新官方计票数据和选举结果。
Google AI Blog精选AI 评分8888 Google 发布 Gemini 4 Argon，面向复杂编码、科研与专业任务
Google 发布 Gemini 4 Argon，面向开发者、企业及消费者全球开放，主打复杂编码、金融、法律、网络安全和科研任务。Gemini API 提供 1M 输入输出统一 token 额度，首发定价为 $2 per million input tokens 和 $10 per million output tokens，缓存输入 token 优惠 95%。
推荐理由：统一输入输出额度与分层开放渠道交代了长任务的使用条件，配合明确的输入输出定价，便于评估接入成本。
GitHub Blog · AI & MLAI 评分5959 GitHub Copilot app 入门：如何让 Copilot 了解你的代码库
GitHub Copilot app 入门教程讲解如何结合自定义指令、智能体技能、自定义智能体与 MCP 服务器，让 Copilot 按项目规范工作。
Microsoft ResearchAI 评分4848 StudentSim：通过模拟学生学习改进 AI 辅导
StudentSim 通过个性化学生模拟，为 AI 辅导系统在真实学习者测试前的评估与改进提供反馈。系统使用公开、去标识化的学习记录训练，在国际象棋、英语二语写作和数学任务上优于主要基线，评估兼顾学生行为还原与指导后的反应。该系统仅用于研究，未部署于课堂，也不旨在替代教师。
Anthropic Engineering精选AI 评分7272 Anthropic 重设计源码管理的工程实践：从 git 迁移至 Scion
Anthropic 详解内部版本控制系统 Scion 的设计与迁移实践，以应对日均代码合并量从 2026 年 5 月约 2,500 次增至 9 月超过 30,000 次的负载。
推荐理由：将客户端始终在线作为设计前提，把历史查询与合并计算移至服务端，为应对智能体海量代码变更提供了可迁移的架构思路。
Google Research精选AI 评分7373 Google Research 研究：AI 让工作成果更好，也会让专业能力更强吗？
Google Research 的三个月专利撰写实验发现，AI 辅助提高了律师的撰写质量，但停用 AI 后的判断能力提升仅见于资深律师。
推荐理由：研究将使用 AI 时的产出质量与停用后的独立判断分开测量，为区分即时生产力提升和专业技能积累提供了可迁移的评估方法。
GitHub Blog · AI & ML精选AI 评分6464 GitHub 主张密钥保护应跟上软件增长，介绍 ModernBERT 检测模型
GitHub 介绍与 Microsoft Applied Sciences 合作构建的 ModernBERT 分类器，用于在推送时识别非结构化密钥，单批候选检测耗时低于 2 毫秒，可使能够预防泄露的密钥数量增加至两倍以上。
推荐理由：九个季度的数据将泄露总量增长与单次推送风险区分开来，为理解密钥保护为何需要从人工补救转向自动预防提供了依据。
Microsoft ResearchAI 评分5959 Microsoft Research 开源 Agent Lightning v1.0，以约 3,500 行代码实现智能体 RL 框架
Microsoft Research Asia 开源重构后的 Agent Lightning v1.0，以约 3,500 行代码让部署时使用的智能体运行框架直接参与 RL 训练。
Google AI Blog精选AI 评分7070 Google 推出 Playground，无需编程即可创建、游玩和分享自定义游戏
Google 推出实验性游戏平台 Playground，用户无需编程经验，即可通过对话式提示词创建、游玩和分享自定义游戏。平台支持在手机或笔记本电脑浏览器中游玩，提供排行榜及部分游戏类型的多人玩法，今日面向美国 18+ 用户上线，分级创作权限将根据 Google AI 订阅逐步开放，入口为 playground.google。
推荐理由：从提示词创作到浏览器试玩和社区分享，Playground 将游戏制作与分发串在一起，降低了非编程用户尝试游戏创作的门槛。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 EmbeddingGemma 2，支持端侧多模态嵌入
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，支持端侧离线检索与 RAG。模型基于 Gemma 4 架构，拥有 740 million 参数，采用 Apache 2.0 许可，支持 8K token 上下文，并可按需加载视觉和音频编码器、将输出向量从 768 维截断至 128 维。
推荐理由：模块化编码器与可截断向量提供了端侧多模态检索的资源取舍依据，开发者可按输入类型和存储预算选择部署配置。
Microsoft Research精选AI 评分6060 Microsoft Research 的 Jennifer Neville 谈 AI 会犯哪些错，以及失败能教会我们什么
Microsoft Research 的 Jennifer Neville 在访谈中解析 AI 在多轮对话和长流程协作中的失败，以及评估如何帮助改进系统。她的团队将单轮基准改为逐轮补充需求的测试，发现模型表现显著下降，长流程中的未纠正错误也会累积并造成混乱。她建议对话混乱时重新开启聊天并一次性完整说明需求，在实际工作中保留人工监督与核验，而非将任务 100% 委托给 AI。
推荐理由：把单轮基准改造成逐轮补充需求的评估，能揭示高分背后的交互短板，为设计贴近真实工作流的测试提供具体思路。
Google ResearchAI 评分4949 挖掘 Earth AI 地理空间基础模型在全球公共卫生中的应用潜力
Google 展示 Earth AI 的人口动态基础模型（PDFM）如何辅助公共卫生建模，无需针对任务微调即可匹配或改善传统输入的效果。模型将搜索趋势、人口流动及环境等信号压缩为每月更新的位置嵌入向量，可接入现有工作流。合作机构在五类公共卫生挑战中开展独立评估，其中跨境疫苗接种建模的解释方差相对提升 +36%。
Mistral AI精选AI 评分7777 Mistral AI 发布 Mistral Large 4 公开预览，计划本月底开放权重
Mistral AI 发布 Mistral Large 4（ML4）公开预览，即日起可通过 Mistral Studio 使用预览 API，计划本月底开放权重。
推荐理由：当前 API 预览与月底开放权重的安排，提供了区分模型能力试用和自主部署的具体背景，尤其关联安全团队对运行控制权的需求。
Google ResearchAI 评分4141 Google Research 报告：情境视角下 AI 智能体隐私与安全的开放性与新兴问题
Google Research 发布 AI 智能体隐私与安全研讨会报告，梳理自主智能体面临的挑战及多层防御方向。报告以情境完整性理论为基础，将信息共享的适当性扩展至智能体行动，倡议构建动态情境策略引擎，在数据流出用户工作空间前评估其适当性。研究方向还包括系统级沙箱、模型级推理与以用户为中心的控制。
GitHub Blog · AI & MLAI 评分5656 ReviewBench：面向 AI 代码审查的开放评测基准
GitHub 开放 AI 代码审查基准 ReviewBench 的研究预览版，提供公开数据集、评估方法和自助运行工具。基准包含来自 187 个公开开源仓库、覆盖 19 种语言的 219 个拉取请求，使用多来源参考问题集和 Claude Sonnet 5 评判器，独立参与复核的资深工程师与基准判断的一致率为 96.6%。