跳到正文
9月29日周二
  1. Microsoft Research32

    Microsoft Research Asia – Singapore 成立一周年:推进研究、合作与人才发展以实现现实影响

    Microsoft Research Asia – Singapore 于 2025 年 7 月 24 日作为微软在东南亚的首个研究实验室正式开放。该实验室聚焦下一代 AI 模型、智能体系统及领域特定 AI,通过与新加坡医疗、金融等行业的合作伙伴双向交流,将前沿研究转化为解决现实问题的实际方案。

9月26日周六
  1. GitHub Blog · AI & ML62

    GitHub Copilot 教程:使用 Canvases 构建自定义工作流

    GitHub Copilot 应用支持通过 /create-canvas 技能,利用自然语言描述生成可自定义的交互界面(Canvases)。该界面支持用户与智能体双向实时协作,可保存为扩展供团队共享,无需手动编码即可将看板、清单等工作流转化为可视化工具。

    推荐理由:文章演示了如何通过自然语言描述生成双向交互界面,展示了智能体与用户实时协作的工作流构建方法。

9月25日周五
  1. GitHub Blog · AI & ML72

    GitHub Copilot 推出 Canvas 功能以替代聊天界面

    GitHub Copilot 推出 Canvas 功能,允许在应用内运行全栈应用并与 Agent 双向通信。该功能支持本地代码执行和第三方 API 调用,可用于构建 SQLite 管理工具或自动化开发工作流,从而减少不必要的 Token 消耗并提升交互效率。

    推荐理由:原文展示了 Canvas 如何替代聊天框处理本地代码执行与自动化流程,为构建非对话式 AI 交互提供了具体实践参考。

  2. GitHub Blog · AI & ML75

    GitHub Security Lab 发布基于 Taskflow Agent 的 AI 模糊测试工具

    GitHub Security Lab 发布 Fuzzing Taskflow,利用 LLM 智能体自动化 C/C++ 项目的模糊测试流程。该工具通过 MCP 工具调用 AFL++ 执行测试,智能体负责识别入口点、编写测试桩、分析覆盖率缺口并分诊崩溃。系统采用结构感知模糊测试策略,包括预构建字典、源码常量提取及动态语料库演化,最终生成包含根因分析和修复建议的漏洞报告。

    推荐理由:原文展示了 LLM 智能体如何接管模糊测试中编写测试桩、分析覆盖率及分诊崩溃等重复性人工环节,为自动化安全测试提供了具体架构参考。

  3. Google DeepMind75

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar 功能

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,通过原生结合低延迟流式视频与实时对话,为 Gemini 企业版引入具备视觉存在的多模态交互能力。

    推荐理由:原文展示了低延迟视频流与实时对话的原生结合,并说明了异步工具调用与多语言唇形同步机制,为评估企业级多模态交互体验提供了具体技术细节。

9月24日周四
  1. GitHub Blog · AI & ML52

    GitHub Copilot 应用重构 Pull Request 视图以支持超大代码差异渲染

    GitHub Copilot 应用重构了 Pull Request 视图,使其能够流畅渲染包含 2200 个文件和超百万行变更的超大代码差异。该方案通过分离确定性代码几何与动态评论块几何,并引入基于空闲和滚动门控的测量调度器,解决了评论高度未知导致的布局抖动问题。此外,团队构建了自主测量循环工具,利用生产环境探针自动检测并修复渲染性能瓶颈。

  2. Microsoft Research75

    Microsoft Research 发布物理 AI 推理卸载工具,提升机器人性能与续航

    Microsoft Research 在 Physical AI Toolchain 中新增推理卸载功能,支持将机器人 AI 工作负载分发至边缘或云端 GPU。研究显示,相比板载 GPU,卸载推理可显著提升任务成功率、支持更大模型并延长电池续航,同时提供基于 Kubernetes 的自动容器化部署工具。

    推荐理由:研究数据表明推理卸载能显著提升机器人任务成功率并延长续航,为物理 AI 系统架构设计提供了关键参考。

9月23日周三
  1. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 语音生成模型

    Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS,支持通过自然语言提示创建自定义角色声音并逐行控制表演细节。Gemini 3.8 Flash TTS 在 Hume AI Voice Design Benchmark 中位列第一,支持超过 100 种语言,并已在 Google AI Studio 和 Gemini API 上线。

    推荐理由:原文展示了从静态预设到动态创意工作室的转变,提供了多语言角色声音生成与逐行表演控制的具体能力细节。

9月21日周一
  1. Microsoft Research57

    Microsoft Research 发布逆合成预测模型 RetroChimera 并开源

    Microsoft Research 在 Nature 期刊发表 RetroChimera,这是一种用于小分子逆合成预测的新框架。该模型结合了 R-SMILES 2 和 NeuralLoc 两个子模型,通过学习重排序策略整合两者的互补优势,在盲测中获得了博士级化学家的偏好。RetroChimera 的代码和权重已在 GitHub 开源,并可通过 Microsoft Foundry 访问。

9月18日周五
9月8日周二
  1. Google DeepMind75

    Google DeepMind 发布 AlphaGenome Atlas 预测全基因组单核苷酸变异影响

    Google DeepMind 发布 AlphaGenome Atlas,提供人类基因组中 90 亿个单核苷酸变异的分子影响预测。平台包含 1 PB 数据集和 AVI 评分,可帮助研究人员快速排序变异并解释其功能,目前已通过网站、API 和 Google Antigravity 技能开放学术使用。

    推荐理由:原文给出了覆盖全基因组变异的预测平台及评分机制,读者可据此了解大规模基因组数据如何转化为可检索的研究资源。

9月1日周二
  1. Microsoft Research52

    Microsoft Research 发布 GigaPath-Flash 和 GigaTIME-Flash 高效病理基础模型

    Microsoft Research 发布 GigaPath-Flash 和 GigaTIME-Flash,旨在通过提升效率支持大规模病理研究。GigaPath-Flash 采用 22M 参数的 ViT-S 编码器,在保持性能的同时将计算成本降低约 50 倍;GigaTIME-Flash 则通过替换骨干网络,在空间蛋白质组预测上实现约 6 倍加速和 8 倍内存节省。

7月29日周三
  1. Berkeley AI Research72

    K-Search 实现 CUDA 到 MLX 内核优化知识自动迁移

    IBM Research 与 Berkeley Sky Lab 合作扩展 K-Search 框架,通过结构化翻译层将 CUDA 内核优化知识迁移至 Apple Silicon 的 MLX 后端。在 Attention 内核上达到原生 MLX 性能 0.97 倍,Mamba SSM 内核 prefill 速度较社区实现提升 20 倍,验证了跨硬件内核优化自动化的可行性。

    推荐理由:展示了如何将 CUDA 优化知识自动迁移至 Apple Silicon,为跨硬件内核优化提供了可复用的结构化方法。

7月1日周三
  1. Berkeley AI Research20

    2026 BAIR 研究生展示会

    伯克利人工智能研究实验室(BAIR)展示 2026 届博士毕业生成果,研究涵盖机器人、大语言模型推理、计算机视觉及 AI 安全等领域。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence 等机构及高校教职。

5月8日周五
  1. Berkeley AI Research67

    自适应并行推理:高效推理扩展的下一个范式

    Berkeley AI Research 发布关于自适应并行推理(APR)的研究综述,探讨模型如何自主决定任务分解、并行线程数量及协调方式。文章对比了 Multiverse 和 ThreadWeaver 等方案在 KV cache 管理与推理引擎修改上的差异,并分析了通过强化学习训练模型掌握并行控制流的奖励机制设计,指出 APR 在降低延迟与提升准确率方面的潜力及当前存在的稳定性挑战。

    推荐理由:文章梳理了自适应并行推理范式,对比了不同推理引擎实现与训练奖励机制,为优化推理效率提供了技术参考。

4月20日周一
  1. Berkeley AI Research52

    GRASP:面向世界模型的长时域梯度规划方法

    GRASP 提出了一种基于梯度的规划器,通过提升轨迹至虚拟状态实现时间维度的并行优化,并直接对状态迭代添加随机性以增强探索。该方法通过重塑梯度,仅利用动作梯度而避免高维视觉模型中脆弱的状态输入梯度,从而解决了长时域规划中的病态优化问题。在 Push-T 任务中,GRASP 在 H=40 时以 8.5 秒的中位时间达到 59.0% 的成功率,优于 CEM 和 GD 等基线方法。

3月13日周五
1月10日周六