跳到正文

全部动态

今日 32 条
9月19日周六
9月18日周五
  4. 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
  4. 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。

  4. 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。

  11. Latent Space64

    Good Start Labs：游戏中学到的技能能否迁移到现实工作？

    Good Start Labs 的实验显示，模型在游戏中学到的部分技能可以迁移到现实工作任务，但迁移范围和可靠性仍不明确。在 1830 铁路策略游戏训练中，只有使用工具探索环境、规划策略并实时适应的 terminal-agent 设计提升了 Finance-Agent benchmark；作者还提到 Diplomacy 训练改善了客户支持表现。

  12. 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。

  14. 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
  2. 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。

  3. 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。