跳到正文

全部动态

今日 6 条
9月21日周一
9月19日周六
9月18日周五
  1. Google Research65

    Google Research 探索用生成式 UI 让教师创建互动学习内容

    Google Research 分享一项研究实验,利用为教育优化的生成式 UI,让教师按课程目标动态创建定制的互动学习模拟。研究团队同时发布了30多个英文 STEM 学习互动内容,覆盖物理、化学、生物和数学,并由教师审核。对12名美国教师的初步研究中,互动内容质量平均评分为8分(满分10分),Google 还将通过试点项目继续收集学校反馈。

    推荐理由:文章将生成式 UI、分级挑战和分层指导纳入教师主导的流程,并结合教师审核与试点数据,呈现定制化 STEM 练习的实现路径。

9月17日周四
  1. GitHub Blog · AI & ML82

    GitHub Copilot 使用 Copilot 将运行时迁移至 Rust

    GitHub Copilot 团队使用 GitHub Copilot app 和 Copilot CLI,将 Copilot agent runtime 从 TypeScript 重写为超过 800,000 行生产 Rust,主要代码由 AI agents 编写,历经 128 个 pull requests,并在数月内由一名开发者主导完成。

    推荐理由:文章以 GitHub Copilot runtime 的 Rust 重写为案例,梳理渐进式迁移、跨语言互操作和人机协作中的具体做法。

9月16日周三
  1. NVIDIA Blog67

    NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1,吞吐量最高达 GB300 NVL72 的 3.7x

    NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 中首次提交预览结果,在 Qwen3-VL 上的吞吐量最高达到 GB300 NVL72 的 3.7x,在 DeepSeek-R1 上最高达到 2.5x。

    推荐理由:文章将 Vera Rubin NVL72 的模型吞吐、GB300 NVL72 的跨机架扩展效率与软件优化增益放在同一组 MLPerf 结果中,便于比较推理基础设施的长期经济性。

  2. NVIDIA Blog61

    Emerald AI、Google 与 NVIDIA 发起 AI Energy Management Alliance

    Emerald AI、Google 与 NVIDIA 宣布成立 AI Energy Management Alliance(AEMA),推动能够根据电网状况动态调整用电的数据中心。联盟将围绕响应速度、持续时间、可预测性和应急行为制定技术要求、性能指标与数据共享规范,并探索更快的 AI 基础设施并网路径。

    推荐理由:联盟把 AI 数据中心的电力灵活性转化为可衡量的接入要求,为开发者与电网运营方协作提供共同框架。

  3. Mistral AI61

    Mistral 与 Mozilla 合作,为 Firefox Smart Window 提供 AI 模型

    Mistral 宣布与 Mozilla 合作,为 Firefox Smart Window 提供模型支持,帮助用户处理复杂搜索、找回浏览内容并根据浏览器标签整理信息。该功能目前面向法国和北美用户,英国和德国预计 later this year 推出;对话默认不保存在 Mozilla 服务器,Mistral 同意 zero data retention。

    推荐理由:文章交代了 Firefox Smart Window 的模型来源、覆盖地区与隐私安排,也呈现了浏览器 AI 在开放分发和用户控制上的合作思路。

  4. Google Research58

    Retrieve-for-Train 用离线强化学习加速复杂 AI 搜索

    Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train,用离线强化学习生成与集合属性对齐的查询分解监督,再训练 53.9M-parameter 扩散检索器,在单次非自回归过程中生成完整目标集合。该方法在时延上相较自回归方法实现 12 to 20 speedup,并在大上下文批处理中将近 50 秒的自回归扇出延迟降至亚秒级到数秒。

  5. NVIDIA Blog66

    NVIDIA 如何用 DSX 提升 AI 工厂每兆瓦产出

    NVIDIA介绍 DSX AI 工厂平台,通过动态功耗分配、工作负载调度和电网响应,在固定电力预算下提高 token 吞吐。Lambda 在 HGX B200 五机架、19 节点集群上实现了 24% 的集群 token 吞吐提升和 23% 的每瓦性能提升。

    推荐理由:文章将 DSX 的功耗调度、需求响应和 800V DC 架构放在同一套 AI 工厂框架中,并给出 Lambda 的吞吐与性能功耗数据。

9月14日周一
9月12日周六
  1. GitHub Blog · AI & ML74

    GitHub 如何用 GitHub Copilot 将活动运营代码化

    GitHub 日本和韩国市场的营销负责人使用 GitHub Copilot,将活动策划、报名筛选和会后跟进串成由 GitHub Issue 触发的自动化流程。GitHub Actions 负责创建落地页、生成 UTM 链接、处理名单和更新项目看板,GitHub Copilot skills 则以 SKILL.md 描述灵活的会后步骤。

    推荐理由:文章给出一套从 Issue 表单、标签和 Actions 到 SKILL.md 的营销自动化实践,展示如何在保留人工审批的同时减少跨工具重复操作。

9月11日周五
  1. Google Research60

    Google Research 提出 ToolGrad:用文本“梯度”高效生成工具调用数据集

    Google Research 在 ACL 2026 介绍 ToolGrad,通过先生成经验证的工具调用链,再标注对应用户查询,迭代构建更复杂的工具调用数据。基于 ToolBench 的 16k+ APIs,ToolGrad 以更低成本和更高通过率生成数据;使用 ToolGrad-500 微调的 Gemma-3-12B 在 BFCL 上取得 83.1 分。

    推荐理由:文章清楚拆解了从工具链生成、执行筛选到查询更新的流程,并用 BFCL 结果展示该方案的训练效果与成本取舍。

  2. GitHub Blog · AI & ML71

    GitHub Copilot 初学者指南:使用 diff、terminal 和 browser

    GitHub Copilot app 将 diff、terminal 和 browser 作为内置面板,让用户在同一处审查 Agent 的代码变更、运行项目命令并预览网站效果。用户可以通过 Pick & Polish 工具选择界面元素并让 Agent 调整,确认功能可用后直接接受变更并创建 pull request。

    推荐理由:文章把审查代码变更、运行命令和浏览器预览串成一套流程,帮助读者在接受 Agent 生成的代码前完成验证。

9月10日周四
  1. OpenAI News64

    OpenAI 在 ChatGPT Work 中推出 Data agent

    OpenAI 在 ChatGPT Work 中推出 Data agent,用户可连接公司数据、发现洞察,并通过自然语言构建交互式仪表盘。

    推荐理由:这项更新把企业数据连接、洞察发现和交互式仪表盘构建整合到自然语言操作中,呈现了数据智能体的主要使用场景。