研究:AI 让初级专利律师起草更快,但独立判断力提升有限
一项由 Google 资助的研究让专利律师先用 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求,再在不使用 AI 的情况下完成红批任务,由独立律所的盲审律师按五个维度评分。
一项由 Google 资助的研究让专利律师先用 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求,再在不使用 AI 的情况下完成红批任务,由独立律所的盲审律师按五个维度评分。
Blackstone 高管 Jas Khaira 在 TechCrunch Disrupt 上表示,市场对 AI 基建债务引发信贷危机的担忧被夸大,因为多数数据中心为超大规模厂商建设,债务最终由全球信用最好的公司背书。
U.S. Hunger 借助 Amazon Quick 让领导层直接探索组织数据,并通过 Quick Spaces 共享 KPI 定义与财务文档。Quick 每晚 2 点(美东时间)将 SQL Server 数据刷新至 SPICE 内存引擎,目前已有 17 名同事获得访问权限,覆盖高管、技术、Full Cart 项目、财务与合规等团队。
AWS 博客演示在单台 trn2.48xlarge 上用 torchtitan 训练 Qwen3-4B-Instruct-2507 的三种方式:以 Transformers v5 作为建模后端、切换 torchtitan 原生 Qwen3 实现,以及接入 NKI MoE kernel。
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型,可在地图上绘制门店位置等具体地点以及机场间航线等路径。GeoJSON 文件需为 .geojson 格式、最大 100 MB,并通过共享键字段与 Quick Sight 数据集关联;每个图层一次只渲染一种几何类型。
OpenAI 与 PerturbAI、Scripps Research 合作,部署数千个基于 GPT-Rosalind 的 AI 智能体分析数百万个小鼠细胞的全脑 CRISPR 图谱,整个分析耗时 32 分钟,团队估算人工完成需数月至一年。
AWS 宣布 SageMaker AI 无服务器模型定制的训练会话正式可用,用户可自行编写并协调训练循环,包括自定义损失函数和奖励信号,GPU 分配、分布式执行、故障恢复与检查点存储由 SageMaker AI 负责。
AWS 发布 Amazon SageMaker AI 训练会话 API,把 forward_backward、optim_step、sample 等操作变成 API 调用,模型在托管 GPU 上保持加载,用户只需在本地 Python 中编写训练循环。
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020,把全球每一块 10×10 米土地归入六类森林与土地利用类型,并同步给出 2017 至 2025 年的逐年变化时间序列。
WD 内部测量显示,一段返回给用户的 3.97MB 720p 8 秒 AI 视频,在后台留下超过 500MB 关联数据,是输出文件体积的 130 倍。WD 委托 IDC 对 763 名 IT 与业务决策者的调查中,近 95% 称过去 12 个月生成式 AI 带来数据量增长,约 61% 增幅达 25% 以上。
在 GTC Berlin 上,Revolut、Starling Bank、Lloyds、bunq、Santander 等欧洲银行与支付公司展示了基于 NVIDIA 加速计算和开放权重模型的生产级智能应用。
NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图,用于帮助开发者构建世界模型。
推荐理由:原文列出 Cosmos 平台新增的训练、仿真与数据工具,并给出保时捷等企业的落地数据,可据此判断世界模型开发流程的变化。
Meta 在遭遇 AI 争议后,从其商业服务条款中删除了“train”一词,但并未加入尊重 robots.txt 的条款。此次调整涉及 Meta 的 AI 数据抓取政策。
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。
Google DeepMind 发布技术演示,展示生物学家如何用智能体开发平台 Google Antigravity 在单次会话中完成抗菌肽候选的发现、结构评估与优先级排序,把原本分散在多个数据库的检索压缩到一次交互中。
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。
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。
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。
微软研究院实习生 Rohan Kannan 开发了一套机器学习管线,利用 L1 点太阳风观测和 AE、Dst 指数预报,结合纬度与地质电导率,为美国本土 66,935 座变电站生成 30 至 60 分钟前的局地风险估计。
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。
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。
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。
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。