跳到正文
10月22日周四
  1. Google DeepMind78

    超越树冠:绘制全球森林类型与变化时间序列

    Google DeepMind 与 Google Research 与世界资源研究所(WRI)及国际应用系统分析研究所(IIASA)联合发布了 Forest Typology (ForTy) 2020,提供10米分辨率的全球森林类型分类图,并公开了2017‑2025年的时间序列。

    推荐理由:新地图提供10米分辨率的森林类型分类和时间序列,结合EUDR监管需求,ForTy可精准识别自然森林与种植园,支持监管者和企业评估森林变化与合规风险。

  2. NVIDIA Blog76

    欧洲金融机构采用开源模型构建专有智能

    在 GTC Berlin,欧洲金融机构展示了如何在 NVIDIA 加速计算平台上部署开源权重模型,实现大规模生产。

    推荐理由:文章展示欧洲金融机构如何利用 NVIDIA 加速计算和开源模型实现大规模生产,说明成本与性能可兼顾。

  3. NVIDIA Blog82

    NVIDIA Cosmos 发布新工具,支持训练、评估与部署世界模型

    NVIDIA Cosmos 平台新增训练、评估与部署工具,帮助开发者加速物理 AI 训练与部署。新增 Cosmos Data Factory 蓝图、Cosmos Framework 训练工具和 Cosmos NIM 微服务,支持多模态数据、agentic 技能,并已被 Porsche、ANYbotics 等企业使用。

    推荐理由:NVIDIA Cosmos 平台新增训练、评估与部署工具,帮助开发者加速物理 AI 训练与部署,并支持多模态数据与 agentic 技能。

  4. NVIDIA Blog79

    欧洲先行者部署 NVIDIA Earth-2 开源模型,驱动真实天气与气候预测

    NVIDIA 在欧洲各行业部署了 Earth-2 开源模型,提升天气与气候预测能力。StormScope EU 通过 EUMETSAT 卫星观测,利用 16 条 Meteosat 通道以 10 分钟一次的频率预测云层变化;CorrDiff 可为粗粒度天气数据添加局部细节。

    推荐理由:文章展示了 NVIDIA Earth-2 在欧洲各行业的实际应用,读者可了解其模型如何提升天气预测精度与业务决策。

10月21日周三
10月16日周五
  1. Google DeepMind52

    Google Antigravity 加速抗菌肽搜索

    Google Antigravity 平台通过与 AI 代理协作,帮助生物学家快速发现并评估抗菌肽候选物。平台利用 ProtNLM 对 UniProt 中数百万未注释蛋白进行功能预测,并提供 3D 结构视图与交互式协作工具,已在实验室验证中发现一条针对 Streptococcus pseudopneumoniae 的新候选抗菌肽。

10月14日周三
  1. Google DeepMind40

    Google DeepMind 与新加坡政府合作打造针对诈骗的细调 AI 模型

    Google DeepMind 与新加坡政府合作,细调基于 Gemma 的轻量级 AI 模型,在设备上检测诈骗对话并实时警告用户。该模型采用两阶段低功耗分类,第二阶段使用细调 Gemma 进行上下文分析,覆盖 80% 诈骗损失。部署后仅在用户同意时访问对话,确保隐私且不向政府或 Google 公开数据。

  2. GitHub Blog · AI & ML62

    GitHub 秘密检测模型:更少噪声发现更多秘密

    GitHub 发布了基于 fine‑tuned ModernBERT 的秘密检测模型,提升了检测准确率并降低误报。新模型采用两阶段管道:先用正则表达式快速生成候选,再用 ModernBERT 进行上下文感知分类,显著提高了对真实凭证的识别率。实验表明,后推扫描执行时间下降 86%,成本降低 98%,用户接受率提升 11.5%。该模型使秘密扫描在推送前后均能更高效、准确地运行。

    推荐理由:GitHub 通过 fine‑tuned ModernBERT 提升秘密检测准确率与效率,显著降低误报与成本。

10月13日周二
10月8日周四
  1. Microsoft Research68

    Agent Lightning v1.0:3,500 行轻量化 Agentic RL 框架,支持真实代理器训练

    Microsoft Research Asia 发布了 Agent Lightning v1.0,一款约 3,500 行代码的轻量化 Agentic RL 框架,能够直接使用真实代理器进行强化学习训练。框架支持 Kubernetes 原生运行、数据高效训练,并在 Qwen3.5-9B 上通过 6,000 条样本提升 Pass@1 从 41.8% 提升至 56.4%,实现 14.6 点的显著提升。

    推荐理由:该框架通过将真实代理器集成到强化学习中,显著提升了 Qwen3.5-9B 在 SWE-bench Verified 上的 Pass@1,展示了轻量化、Kubernetes 原生支持和数据高效训练的可行性。

9月26日周六
  1. GitHub Blog · AI & ML45

    GitHub Copilot app for Beginners: How to build custom workflows with canvases

    GitHub Copilot app 引入 canvas(canvas extension)功能,允许用户根据所需工作流创建可定制的界面,而非适应固定屏幕。用户通过 `/create-canvas` 技能并用自然语言描述工作流、界面操作和 Agent 能力来生成界面,如发布说明或看板。该 canvas 是双向的,用户操作和 Agent 更新实时同步,且创建的 canvas 可保存为扩展供团队共享。