跳到正文
10月21日周三
  1. Ars Technica · AI28

    乌克兰用无人机从前线撤离伤员，完成首次实战救援

    乌克兰军方10月19日公布一段视频，显示一名受伤士兵被固定在六旋翼重型无人机下方的吊带上，从前线撤离至安全地带。此次行动发生在俄军无人机与地雷使轮式地面机器人无法进入的前线区域，具体时间和地点未披露。乌军第92独立突击旅无人地面系统连的程序员称这是"历史性事件"，撤离伤员的下一个阶段，接下来将开展系统性工作以常态化执行此类任务。

  3. Microsoft Research15

    微软研究院播客：Catalyst Lab 负责人 Chris White 谈从阿富汗到暗网搜索的技术向善之路

    微软研究院播客对话 Catalyst Lab 负责人 Chris White，回顾他从哈佛博士后到 DARPA 项目经理、再到阿富汗战场先进技术负责人的经历。他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。

10月20日周二
  1. MIT Technology Review · AI18

    企业 AI 的新经济学：HPE 谈如何衡量 AI 的有效成本

    HPE 提出企业 AI 应从"每个 token 或 GPU 小时多少钱"转向"每个有用产出的有效成本"，即完成可用工作所需的平台、模型、运维与算力总成本。企业可选自建栈、按需消费或集成私有 AI 平台三条路径，HPE Private Cloud AI 将调度、模型选择、GPU 分区和 KV-cache 管理作为效率杠杆，并附 90 天前向部署工程师服务。

  2. MIT Technology Review · AI22

    TripleTen 调查：各行业 AI 采用率差异揭示其他行业可借鉴的路径

    TripleTen 调查显示，科技业领跑 AI 采用，金融业次之，48% 的金融从业者被要求使用 AI 聊天机器人、32% 被要求自动化部分工作流，医疗和教育的这一比例分别为 18% 和 25%。79% 的受访者被要求学习至少一项新技能，但仅 30% 的管理者认为判断 AI 输出对错是必备能力。员工主导的 AI 创新中 88% 成为公司标准做法。

  3. MIT Technology Review · AI30

    探访三星平泽大型半导体园区

    三星正在韩国平泽建设大型半导体制造园区，以应对AI带来的存储芯片需求激增，目前三座晶圆厂已全天候运转，第四座即将投产，第五座在2024年需求下滑停工后已重启建设。三星预计存储芯片需求将持续增长至2028年，并试图借此重新夺回被SK海力士抢占的高带宽存储芯片市场领先地位。

  4. Simon Willison22

    Simon Willison 撰文：编程代理让程序员的解谜乐趣消失

    Simon Willison 在博客中引用 Jeremy Scheff 的观点，讨论编程智能体给职业程序员带来的核心损失：编程曾像高薪的逻辑解谜游戏，难题越难报酬越高，程序员掌握策略、时间线和可行性定义权。Scheff 认为，若程序员只在意构建可运行系统，LLM 是持续馈赠；若享受直接解题过程，这种损失非常真实。

  5. 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，保留原有对话、代码改动和工作上下文，无需重新描述任务。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、手动编辑、本地运行测试，最后提交并推送到该会话对应的 pull request。

10月16日周五
  2. Microsoft Research72

    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，在笔记本上每秒证明 720 万至 870 万条 RISC-V 指令。在 15 个基准程序上，它平均比现有最快的同类 zkVM 快 10 至 39 倍，证明验证耗时约 12 毫秒。其安全性仅依赖 SHA-256、SHA-3 等标准哈希函数，无需椭圆曲线、格假设或可信设置。

    推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在通用性、速度与标准哈希安全之间同时取舍。

10月14日周三
  2. GitHub Blog · AI & ML40

    GitHub 用 ModernBERT 分类器重构密钥扫描：检出更多、噪音更少

    GitHub 为密钥扫描训练了专用 ModernBERT 分类器，配合正则候选生成的两阶段流水线，替代此前的 LLM 方案。相比旧 LLM 流水线，告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本降低 98% 以上。该效率使通用密钥检测得以扩展到推送保护，在开发者推送前返回结果。

  3. Google DeepMind90

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。

    推荐理由：官方给出定价、基准排名与多个内部落地案例，可据此判断前沿模型在编码与科研工作流中的实际位置。

10月13日周二
  2. Microsoft Research38

    微软研究院 StudentSim：用个性化学生模拟器评估和改进 AI 辅导

    微软研究院提出研究系统 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。该系统从行为保真度与指导响应性两个维度衡量模拟器，并配套推出覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，表现优于领先基线。StudentSim 并非产品，未进入课堂，也不旨在取代教师。

10月8日周四
  2. Microsoft Research73

    微软亚洲研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架

    微软亚洲研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的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新实现智能体。

    推荐理由：原文给出框架的代码规模、Kubernetes 运行方式和一次编码智能体训练实验的分数变化，便于判断接入成本。

10月7日周三
  1. Microsoft Research22

    微软研究院播客：AI 评测中的“意外失败”能教会我们什么

    微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 讨论评测如何推动 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”。她同时分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。

10月5日周一
10月2日周五
  1. GitHub Blog · AI & ML27

    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 节省的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明其用第二个模型审查计划、代码和测试，从而发现首个模型遗漏的问题。

10月1日周四
  1. Google DeepMind87

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步扩展至开发者、企业和消费者。

    推荐理由：官方披露了 Argon 在编码、企业知识工作和网络安全防御上的基准表现与内部落地案例，可据此判断前沿模型的能力边界。

9月26日周六
7月29日周三
7月26日周日
  1. Berkeley AI Research36

    ABBEL：教 LLM 更新信念，提升长程交互效率

    伯克利 AI 研究团队提出 ABBEL 框架，将摘要以自然语言信念状态的形式隔离并监督其信息内容，让智能体仅凭当前信念选择动作。在 CollabBench 协作编程任务上，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 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。

7月7日周二
  1. Berkeley AI Research47

    智能免费之后怎么办？面向智能体、由智能体构建的数据系统

    UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不到 $1，部分厂商低于 $0.10，中位年降幅约 50x，正进入"近乎免费智能"时代。文章据此提出三类数据系统挑战：为智能体设计的数据系统、支撑智能体群体运行的数据系统、以及由智能体自行合成并需可验证的数据系统。

7月1日周三
  1. Berkeley AI Research17

    2026 届 BAIR 博士毕业生展示：从机器人到 LLM 推理的研究版图

    加州大学伯克利分校 BAIR 实验室展示 2026 届博士毕业生，其研究覆盖机器人、LLM 推理、计算机视觉、生成模型、AI 安全与医疗等方向。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构，以及 UCLA、普林斯顿 CITP 和芝加哥大学等学术岗位。

5月8日周五
  1. Berkeley AI Research38

    自适应并行推理：高效推理扩展的下一个范式

    伯克利 AI 研究团队综述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子任务、开启多少并发线程以及如何协调。现有方法如自一致性、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。

4月20日周一
  1. Berkeley AI Research36

    伯克利提出 GRASP：面向世界模型的梯度规划方法，让长时程规划更稳健

    伯克利 AI 研究团队提出 GRASP，一种面向学习型世界模型的梯度规划器，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促进探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型梯度脆弱等问题，使基于梯度的长时程规划更稳健。

3月13日周五
  1. Berkeley AI Research36

    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驱动 LLM 输出的关键交互。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 10 倍更少的消融达到与 SPEX 相当的性能。在情感分析任务上，SPEX 在上下文扩展到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 Research36

    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从测量数据估计互信息的框架，用于评估和优化成像系统，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证，信息估计可预测下游重建性能，优化后的设计达到 SOTA 端到端方法水平，且内存和算力需求更低。相关论文发表于 NeurIPS 2025。