精选

Our research

AI对齐（Alignment）不仅是技术问题，更是关于“该让AI遵守谁的价值观”的哲学问题。因此，以Google DeepMind和Anthropic为代表的头部AI公司，开始将哲学家、伦理学家甚至宗教领袖引入实验室，以应对技术手段无法独立解决的规范性问题。

值得关注：**从技术执行到价值选择的跨越**：单纯的技术手段无法回答“什么是善”“应遵循谁的规则”等规范性问题。哲学家帮助将抽象的道德争议转化为可操作的对齐原则。 **对齐失败的归因深化**：米达斯国王（对齐到字面指令导致灾祸）…

NVIDIA 推出了集成 GPU MSA、cuEquivariance 加速推理、OpenFold3 NIM 和 Fold-CP 多GPU扩展的端到端加速方案，并通过 BioNeMo Agent Toolkit 以智能体工作流的形式编排，显著提升了生物分子结构预测管道（特别是共折叠模型）的速度和规模。

值得关注：这些加速将结构预测从吞吐量改进转变为质的飞跃，使研究人员能够提出并解答过去因计算成本或内存限制而无法触及的结构生物学问题。通过开源集成和智能体 API，加速了计算预测转化为生物学洞察和新药发现的进程。

LLM辅助编程教育中，通过纳入学生真实体验的“三人民族志”对话，教育者能发现课堂上不可见的深度学习过程，从而修正自己对AI使用、评估和教学法的假设。

值得关注：在生成式AI迅速进入编程课堂的背景下，教育者往往仅凭课堂观察推断学生的AI使用模式和效果。本工作首次系统引入学生视角的“三人民族志”方法，揭示了教育者与学生对同一现象的解释鸿沟，为基于证据的教学法调整提供了新路径。

在 JAX 大语言模型训练中，通过主机卸载（Host Offloading）将部分激活值移至主机内存，并在反向传播时流回 GPU，能够显著缓解高带宽内存（HBM）压力，在 NVIDIA GB200 NVL72 上针对 DeepSeek-V3 671B 实现最高 57% 的吞吐量提升，且能支持更大批次配置。

值得关注：内存瓶颈是目前大模型训练的核心限制之一，主机卸载提供了一种可预测的架构杠杆，无需重计算即可释放 HBM 容量。 NVIDIA 平台（GB200、GB300、Vera Rubin）的 NVLink-C2C 互联绕过传统 …

通过使模型维度（隐藏维度H、中间投影维度H'）近正方形、将其对齐GPU tile尺寸（至少128的倍数，优选256或512），并采用宽度优先于深度的架构比例，可以显著提升LLM推理的吞吐量和交互性，在不牺牲精度的情况下推动系统Pareto前沿外扩。

值得关注：传统模型设计往往只关注精度指标，忽略硬件特性导致实际部署效率低下。本文提供了可直接操作的规则，帮助模型开发者从设计阶段就嵌入硬件友好性，避免后期优化困难。 该方法适用于各类LLM推理场景（短上下文、长上下文、吞吐导向、…

通过迭代式生成-去重闭环，使用NVIDIA NeMo Data Designer、NeMo Curator和Nemotron模型，可以在单台8路NVIDIA B200节点上，在约6天内生成超过50万条高质量、类别均衡的金融新闻标题数据集（FinHeadlineMix），有效缓解真实金融数据分布不均和稀有事件缺失的问题。

值得关注：提供可复现的合成数据生产方案，解决金融领域数据长尾分布问题。 开源数据集可直接用于交易研究、风险建模、监控等下游任务。 迭代式全局去重与动态少样本选择机制具有通用性，可迁移至其他领域。

OpenAI发布实时语音模型GPT-Live作为“前台”专攻低延迟自然对话，复杂任务委派后台GPT-5.5处理，对话流畅度评分从3.80大幅跃升至4.96，初步破解了语音AI“要快还是要聪明”的长期矛盾。

值得关注：实时语音交互是AI从文本走向多模态自然交互的关键一步。GPT-Live通过分工设计，在不牺牲智能水平的前提下实现了接近人类对话节奏的实时响应，可能加速语音助手、客服、教育、娱乐等领域的AI落地。

Meta正在秘密研发一款代号“超级感知”的AI眼镜原型，可持续录音并每隔几秒自动拍照，实现全天候无死角感知；原始音视频不上传，仅提取元数据供云端AI查询，但LED指示灯计划关闭，引发严重隐私争议。

值得关注：技术层面：突破AI眼镜被动交互模式，实现环境主动记录与检索，是“具身AI”与“环境智能”的结合。 社会层面：全天候无提示录制将隐私担忧推向新高度，可能引发立法、伦理与社会接受的激烈辩论。

蚂蚁灵波发布的 LingBot-VA 2.0 是全球首个从架构、数据到训练目标均为机器人量身定制的“具身原生”预训练 VA（Video-Action）基座模型，通过因果 DiT + 稀疏 MoE 实现 93.6% 双臂任务成功率与 225Hz 异步控制频率，让机器人学会“预判物理世界”而不是简单“看到就反应”。

值得关注：该模型首次实现了机器人对物理演化的主动预判，而非被动反应。其“因果原生”思路解决了通用视频模型改造为机器人模型时知识丢失的痛点，同时通过稀疏 MoE 和异步推理在有限算力下达成高频闭环控制，为具身智能在工业、服务、家居…

LingBot-VA 2.0 是业界首个从物理世界交互需求出发、原生设计的具身世界动作模型，通过自回归预训练和四大核心设计，在真机测试中实现了单卡 150 Hz 的实时推理效率，标志着机器人基础模型从“数字世界模型嫁接”向“面向物理世界原生设计”的关键转变。

值得关注：行业主流路线依赖面向数字内容创作的视频生成模型，再微调适配机器人控制任务，但内容创作与机器人控制的目标不同（画质/创意 vs. 执行效率/预测合理性），强行微调会导致知识遗忘和泛化性下降。 LingBot-VA 2.0…

GPT-5.6 是 OpenAI 迄今最强模型，分 Sol、Terra、Luna 三档，引入 ultra 多 agent 并行模式和 ChatGPT Work 智能体功能；Anthropic 在发布后连夜重置了 Claude 的 Fable 5 额度。

值得关注：GPT-5.6 通过 ultra 模式和多 agent 并行大幅提升了长周期复杂任务的完成能力，同时大幅降低 token 消耗和成本。ChatGPT Work 的推出标志着智能体从对话工具向跨应用自动化工作流的进化。安…

Epoch AI 的数据洞察以简洁的快照形式，分解复杂的人工智能趋势，涵盖训练计算、硬件进步、推理成本、数据中心规模等关键指标。

值得关注：这些数据洞察提供了量化、可验证的 AI 产业动态，帮助研究人员、企业决策者和政策制定者理解算力增长、成本变化、竞争格局和能源消耗等关键趋势，从而做出更明智的判断。

蚂蚁灵波科技开源了新一代实时交互世界模型LingBot-World 2.0，支持丰富动作及文本驱动的环境事件，内置Agent机制与多人同世界互动，可在720p/60fps低延迟下稳定生成数小时不衰减画质，适用于游戏、自动驾驶仿真与具身智能训练。

值得关注：LingBot-World 2.0 是少有的开源实时交互世界模型，其长时稳定生成和低延迟高清交互能力，有望降低游戏开发、自动驾驶仿真和具身智能训练的门槛，推动相关领域的快速迭代。

马斯克旗下 SpaceXAI 与 Cursor 联合推出的旗舰模型 Grok 4.5 专为编码和智能体设计，在 SWE Bench Pro 和 Terminal Bench 2.1 上表现优异，以更低 Token 消耗和更快的推理速度实现了接近 Opus 4.8 的性能，被称为性价比之王。

值得关注：Grok 4.5 在编码和智能体领域证明了“性价比路线”的可行性——不依赖最高算力堆叠，而是通过训练数据优化和架构创新，用更少的 Token 实现接近顶尖模型的效果。这对依赖 API 成本的中小开发者和企业尤其有吸引力…

谷歌量子AI团队首次利用强化学习智能体实现逻辑量子比特的实时容错优化，在持续漂移下将计算稳定性提升约3.5倍，并在专家优化基础上进一步将错误率降低约20%。

值得关注：这是首次将强化学习成功应用于量子纠错的实时控制，突破了传统静态纠错策略在动态漂移环境下的局限，为实现实用化容错量子计算提供了新的可扩展路径。

腾讯微信团队于2025年6月集中上线8项AI能力，包括： 1. 微信开放平台发布开发者接入AI生态指引； 2. 微信支付升级AI接入工具箱2.0（文档转Mermaid格式，Token消耗直降50%）； 3. QQ邮箱内测专为Agent设计的"Agent Mail"； 4. 企业微信灰度原生AI助理"大圆"； 5. 微信输入法上线语音智能整理； 6. 微信读…

值得关注：微信作为中国最大社交与支付平台，其AI更新将影响数亿用户的使用习惯。文档转Mermaid等技术创新可被行业复用；"AI专属卡"的推出可能重塑AI消费金融模式；企业微信和QQ邮箱的Agent化预示办公协作的AI原生时代到来。

VEXAIoT 是一个基于大语言模型（LLM）的多智能体框架，可在受控 IoT 环境中实现最高 100% 的攻击成功率，平均执行时间低于 2 分钟，展示了 LLM 智能体在 IoT 漏洞自动化利用方面的巨大潜力。

值得关注：已有卡片涉及 SkillCenter（技能库）和 AI 自我改进分类法，但未关注 IoT 安全自动化。本卡片提供了 LLM 智能体在**IoT 漏洞利用**这一垂直领域的实证，展示了高成功率与低时耗，具有较强的应用指向…

本文设计并实现了一个硬件感知的流式句子级手语翻译系统，在保持可接受翻译质量（测试集BLEU 15.9）的同时，将平均响应延迟从1.873秒降低至1.354秒（降幅27.71%），并验证了该架构可在树莓派4B等低功耗客户端上运行。

值得关注：大多数手语研究停留在孤立词识别或非实时翻译，本文证明了在低成本硬件（树莓派4B）上实现**句子级**实时翻译是可能的，并提供了具体的延迟优化方案与参考实现。与既有知识卡片无直接重复，为手语翻译领域补充了实时系统工程视角的增量证据。

Tokenizer Transplantation: Mitigating Autoregressive Collapse in Edge-Efficient Bengali ASR