随着机器人基础模型（如视觉-语言-动作模型）的能力快速提升，如何对它们进行严格、可重复的评估成为尚未解决的难题。现有仿真基准测试存在四个主要缺陷： **视觉域重叠**：训练与评估使用同一仿真环境，模型表现仅反映记忆而非泛化能力； **基准饱和**：固定任务集被快速刷分，无法区分模型真实能力差异； **诊断缺口**：二元成功/失败评分无法解释失败原因（如颜色…
NVIDIA 博客
查看来源原文本期 7 件事。点击标题可查看卡片、来源与相关知识点。
Epoch AI 于 2026 年前后发布了一系列关于 AI 芯片、数据中心、模型能力、财务与地缘政治的研究与数据洞察，揭示出 AI 计算基础设施投资急剧增长、芯片瓶颈向封装与 HBM 转移、模型能力加速（尤其推理模型）等关键趋势。
该卡片整合了 Epoch AI 官网“Latest”页面截至 2026 年 7 月的全部最新出版物，涵盖数据洞察、新闻简报、报告、论文、播客与专题概览。研究主题涉及 AI 芯片供应链、数据中心资本支出、模型基准测试（如 MirrorCode、FrontierMath）、AI 工作场所采用、计算走私估算、AI 公司财务等。
epoch.ai
查看来源原文METR 通过自主能力评估、第三方风险报告审查及红队测试，系统测量前沿 AI 系统可能引发的灾难性风险，为行业提供独立、公开的评估参考。
METR（Model Evaluation and Threat Research）公开发布了其风险评估工作成果，包括： **前沿风险报告**（2026 年 2 月至 3 月）：对前沿 AI 公司的“失控部署风险”进行试点评估。 **第三方审查**：对 Anthropic 的多份风险报告（如“自动化研发风险”“破坏风险”等）进行独立审查，并参与 OpenA…
metr.org
查看来源原文NIST AI风险管理框架（AI RMF 1.0）获得了来自企业、行业协会、智库和政策倡导组织的广泛正面评价，被认为是促进负责任、可信赖人工智能开发和部署的重要自愿性基准工具。
NIST于2023年1月发布了《人工智能风险管理框架》（AI RMF 1.0），这是一套自愿性指南，旨在帮助组织在设计、开发、部署和使用人工智能系统时管理风险并提升可信赖性。该框架通过公开、透明、多方参与的过程制定，官方观点页面汇集了多家组织与个人的支持性声明。
nist.gov
查看来源原文Our research
metr.org
查看来源原文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。
**核心事件**：2026年5月，教宗利奥十四世在梵蒂冈发布首道通谕《Magnifica Humanitas》（壮丽人性），聚焦“在人工智能时代守护人性”。AI公司Anthropic的联合创始人Chris Olah作为产业代表出席。 **核心问题**：如何实现AI对齐，即让通用人工智能（AGI）的目标、行为与人类价值观保持一致，避免AI失控？这一问题的深层…
腾讯研究院（搜狐同步）
查看来源原文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。
生物分子结构预测和共折叠模型（如 OpenFold3）已成为药物发现和蛋白质设计的主流大规模工作负载。其端到端流程包括：多序列比对生成、共折叠推理、模型服务和多GPU扩展。传统的CPU处理MSA和单GPU内存限制成为性能瓶颈，阻碍了虚拟筛选和大分子复合物（如核糖体级别）预测等应用。
NVIDIA 博客
查看来源原文