跳到正文
只看一手
今天10月29日周四3 条
  3. AWS Machine Learning Blog27

    用 Amazon Nova Act 智能体 QA 自动化加速软件交付（第三部分）：应用与团队权限管理

    AWS 博客介绍 QA Studio 基于 Amazon Nova Act 的两项组织级扩展能力：应用（applications）用于归集测试并展示健康指标，团队用户管理用于控制访问权限。应用页展示所选窗口的通过率、执行次数、失败数与 0–100 健康分，健康分从通过率出发并对不稳定测试扣分。指标页支持 7 天按小时、30 天按天查看趋势，并提供不稳定测试排名与最近失败视图。

10月28日周三
  5. AWS Machine Learning Blog36

    AWS 为 SageMaker AI 训练与处理作业推出 SOCI 索引镜像，容器启动从分钟级降至秒级

    AWS 宣布为 Amazon SageMaker AI 训练和处理作业提供 Seekable OCI（SOCI）索引，容器镜像改为懒加载，作业启动从分钟级缩短到秒级。基准测试中 1.8–35.4 GB 镜像下载提速约 8x–46x，GPU 拉取镜像的空闲时间最多减少 90%，且训练性能不受影响。用户只需指向已预索引的 AWS DLC 或为自己的镜像添加索引，无需改动作业定义。

  6. AWS Machine Learning Blog36

    Property Finder 如何修复 Amazon Bedrock 上的评估偏差，实现准确率提升、成本降低 86%

    Property Finder 在将视觉 AI 负载迁移到 Amazon Bedrock 时发现，其评估标签中 96.8% 直接沿用了现有模型的预测而非人工核验，导致任何替代模型在比较中都处于劣势。团队由专家重新标注 356 张 UAE 图像并改用多标签分类，再通过 v0 到 v27 的提示词迭代优化选型，最终在 Amazon Bedrock 上实现更高准确率与 86% 的成本下降。

  7. AWS Machine Learning Blog36

    Exowatt 用 SageMaker 无服务器模型定制，精度超越前沿模型且成本低至 49 倍

    Exowatt 借助 Amazon SageMaker AI 无服务器模型定制，为边缘告警分诊和云端能源市场分析分别微调 Qwen3-1.7B 与 Qwen3-14B，精度超过前沿模型，成本最高降低 49 倍。该流程把原始运营数据加工为经认证的训练集、微调模型和可评估的部署产物，原本需数月的路径现在几天内即可跑通。

10月27日周二
10月26日周一
10月23日周五
10月22日周四
  1. Microsoft Research71

    微软研究院等证明31年悬而未决的KLS猜想

    微软研究院的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明该猜想中的界与维度无关，是一个固定常数。

    推荐理由：这篇论文证明了一个悬置31年的高维几何猜想，并展示了研究者如何通过人工筛选引导AI智能体探索上百条路径。

10月21日周三
  2. Microsoft Research15

    微软研究院播客：Catalyst Lab 负责人 Chris White 谈从 DARPA 到打击人口贩运的技术之路

    微软研究院播客对话 Catalyst Lab 负责人 Chris White，回顾其 2010 年夏天在 DARPA 参与阿富汗战争数据分析项目、随后赴阿富汗领导先进技术运营的经历。White 后来转向暗网搜索工具研发，用于协助打击人口贩运，并因此获得 2016 年美国总统打击人口贩运杰出贡献奖。节目还讨论了问题选择在创新中的作用，以及见证人性阴暗面后如何保持希望。

10月20日周二
  1. GitHub Blog · AI & ML36

    如何在 VS Code 中继续 GitHub Copilot 应用会话

    GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续，保留原有对话、代码改动和工作上下文。VS Code 会加载该会话关联的 worktree，并在 Copilot 侧边栏显示原会话，便于逐行审查 diff、手动修改、本地运行测试，最后提交并推送到会话对应的 pull request。

10月16日周五
  1. Microsoft Research62

    微软研究院推出基于证明的通用计算系统 Magnetar

    微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，并返回可在约 12 毫秒内验证的简短证明。在 15 个基准程序上，它比同机最快的现有 zkVM 平均快 10 到 39 倍，在笔记本上每秒可证明 7.2 至 8.7 百万条 RISC-V 指令。

    推荐理由：微软研究院把十余年零知识证明研究整合为 Magnetar，读者可了解通用程序证明在速度与密码学假设上的取舍。

10月14日周三
10月13日周二
  2. Microsoft Research47

    微软研究用 StudentSim 模拟学生学习，提升 AI 辅导效果

    微软研究院提出 StudentSim，用公开的去标识化学习记录为每位学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导系统。该工作同时推出覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，从行为保真度和指导响应性两个维度评估模拟器，结果显示 StudentSim 在上述领域优于领先基线，可为训练 AI 辅导系统提供反馈信号。

10月8日周四
  2. Microsoft Research75

    微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架

    微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。

    推荐理由：微软研究院开源约 3500 行的智能体强化学习框架，让部署时的 harness 直接参与训练，并给出可复现的编码智能体训练结果。

10月7日周三
  1. Microsoft Research31

    微软研究院播客：AI 会犯哪些错，失败又能教我们什么

    微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。Neville 还分享使用当前 AI 系统的实用建议，并强调结果偏离预期时细查数据的重要性。

10月5日周一
10月2日周五
  1. GitHub Blog · AI & ML22

    GitHub 博客：AI 正在改变开发者工作，值得强化的三项技能

    GitHub 博客提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 节省的时间去解决更大的问题。文章以新增认证流程为例，展示开发者如何从逐行写代码转为定义任务、审阅多个智能体产出并做技术决策。文中还提到 GitHub Copilot 内置的 Rubber Duck 智能体，会用第二个模型对计划、代码和测试提出批评。

10月1日周四
  1. Microsoft Research45

    微软研究院用机器学习预测电网空间天气风险

    微软研究院开发了一套端到端机器学习流水线，可为美国本土 66,935 座变电站生成位置特定的空间天气风险估计，并提前 30 至 60 分钟预警。系统结合太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，评估期内对重大事件检出率约 80%，其中 ≥10 nT/min 事件检出率 76.5%。

9月26日周六
  1. GitHub Blog · AI & ML50

    GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流

    GitHub Copilot 应用中的 canvases 是可自定义的双向界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，agent 即可生成看板、发布清单或仪表盘等界面。用户与 agent 可同时操作同一画布，点击按钮或移动卡片会即时同步，无需额外发送或同步步骤。画布可保存为扩展供团队共享或个人复用，Awesome Copilot 已提供现成扩展。

7月29日周三
  1. Berkeley AI Research62

    从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon

    Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX 后端，并加入结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库迁移到 Apple Silicon。

    推荐理由：原文给出注意力与 Mamba 两个内核的实测数字，并拆出翻译层带来的增益，可据此判断跨平台内核迁移的可行边界。

7月26日周日
  1. Berkeley AI Research41

    ABBEL：教 LLM 更新信念状态，提升长程交互效率

    Berkeley AI Research 提出 ABBEL 框架，将摘要内容隔离为自然语言"信念状态"并加以监督，以替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编码任务上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文设置。

7月7日周二
7月1日周三
5月8日周五
  1. Berkeley AI Research34

    自适应并行推理：高效推理扩展的下一个范式

    伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理：让模型自行决定何时分解并并行化独立子任务、开多少并发线程以及如何协调。现有 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 等方法多由外部固定并行结构，未按问题难度自适应调整。

4月20日周一
  1. Berkeley AI Research38

    Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器

    Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让世界模型的长时程规划更稳健。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部最优和高维视觉潜空间失败模式等问题。

3月13日周五
  1. Berkeley AI Research38

    Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互

    Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10x 更少的消融达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展至数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。

1月10日周六
  1. Berkeley AI Research38

    伯克利提出基于信息量的成像系统设计框架，登NeurIPS 2025

    伯克利AI研究团队提出一种直接以互信息评估和优化成像系统的框架，在NeurIPS 2025论文中证明该信息指标可预测彩色摄影、射电天文、无透镜成像和显微镜四个领域的系统性能。优化该指标得到的设计可媲美SOTA端到端方法，同时占用更少内存和算力，且无需任务专用解码器设计。方法利用成像噪声物理特性，仅需从测量数据学习总变差项，估计值构成真实信息量的上界。