StateBench：测试语言模型在长文档中的状态追踪能力
Hugging Face 推出长上下文状态追踪评测基准 StateBench，用于评估语言模型在长文档中跟踪实体状态变化的能力。该基准设 R-trivial、Aperiodic、Soluble 和 General finite 四个难度级别。
全部 AI 动态
Hugging Face BlogAI 评分4848 Google DeepMindAI 评分5959 Google DeepMind 为 Antigravity 推出化学信息学技能
Google DeepMind 为科学工作台 Google Antigravity 推出化学信息学技能套件，由大语言模型编排工作流并结合 RDKit、ChEMBL 等确定性工具执行分子计算。
AWS Machine Learning BlogAI 评分4242 利用 Amazon Quick 整合结构化与非结构化数据
Amazon Quick 支持将结构化与非结构化数据整合在单一 Space 工作空间中，允许用户通过对话式 AI Agent 统一查询。该方案结合 Amazon S3 知识库与结构化数据集，能自动将自然语言问题转化为 SQL 或检索文档，并返回带有引用的综合回答。
AWS Machine Learning BlogAI 评分5050 AWS 详解使用 Bedrock AgentCore Gateway 实现 ServiceNow 的 OBO 令牌交换
AWS 介绍了如何通过 Bedrock AgentCore Gateway 配置代表用户（OBO）token 交换，使 AI Agent 在调用 ServiceNow REST API 时全程保留发起用户的真实身份。
AWS Machine Learning BlogAI 评分4343 如何使用 EDB Postgres AI 与 Amazon Bedrock AgentCore 为智能体 AI 构建语义层
结合 EDB Postgres AI 的 AIDB 扩展与 Amazon Bedrock AgentCore，可在数据库内构建语义层以支撑智能体完成客户 360 查询。该方案通过标准 Postgres COMMENT 语句与外键建立语义知识库，并利用内置 MCP 端点对接外部智能体。数据治理完全由底层 Postgres GRANT、列级权限与行级安全实现，无需依赖提示词即可为不同角色隔离数据。
AWS Machine Learning BlogAI 评分4848 如何在 AWS 上基于 Cartesia 构建超低延迟语音 AI 应用
Cartesia 联合 AWS 介绍了基于状态空间模型（SSM）与 AWS 基础设施构建首字节延迟低于 100ms 的实时语音 AI 方案。该方案涵盖首音频字节响应约 90ms 且支持超 44 种语言的文本转语音模型 Sonic，以及具备原生轮换检测的流式语音转文本模型 Ink，均支持 API 调用与 AWS 部署。
Hugging Face Blog精选AI 评分6969 IBM Research 提出 Palette：通过双角色与校验机制让 20B 小模型生成定制幻灯片
IBM Research 提出了幻灯片生成方案 Palette，通过合成数据微调 20B 开源模型，使其能够遵循特定设计语言生成演示文稿。该方案将流程拆分为负责大纲布局的设计师与并行编写 pptxgenjs 代码的程序员两个角色，并通过包含几何检查器的 Harness 自动检测元素重叠并安全修复代码。
推荐理由：原文将幻灯片生成拆解为规划与代码绘制两个角色，为借助小模型和校验修复机制生成结构化排版提供了可复用的工程思路。
Hugging Face BlogAI 评分5757 Collinear AI 发布网络安全评测基准 CWE-bench v2
Collinear AI 正式发布网络安全基准 CWE-bench v2，开源包含 100 个真实开源仓库任务的公开测试集，用于评测 AI 智能体发现并修复安全弱点的能力。
Hugging Face Blog精选AI 评分6363 Hugging Face 推出 Transformers 模型集成契约 MIC 与测试工具 tmic
Hugging Face 推出模型集成契约 transformers-mic 及 CLI 工具 tmic，通过将大模型缩减为轻量 fixture，在 CPU 上低成本运行集成测试以提前拦截代码回归缺陷。
推荐理由：原文展示了如何将超大模型缩减为保留关键算子的微型结构并在廉价硬件上运行，为模型库持续集成提供了可迁移的测试方法。
AWS Machine Learning BlogAI 评分5151 AWS 介绍如何结合 Crawl4AI 为 Amazon Bedrock Knowledge Bases 预处理网页内容
AWS 发布实践指南，介绍如何使用开源爬虫 Crawl4AI 提取并清洗公开网页内容，再导入 Amazon Bedrock Knowledge Bases 构建高质量 RAG。
AWS Machine Learning BlogAI 评分5454 AWS 详解如何在 Amazon SageMaker AI 上通过知识蒸馏构建高效智能体
AWS 介绍了在 Amazon SageMaker AI 上利用序列级知识蒸馏（SeqKD）构建轻量智能体的完整实现方案。该方案使用 Amazon Bedrock 上的 GLM-5.3 生成包含思考链与工具调用的轨迹，经 ShoppingBench 评分拒绝采样后，通过无服务器 SFT 微调 Qwen3.5-4B 学生模型。
Hugging Face Blog精选AI 评分6161 NVIDIA 演示基于 Nemotron 开源模型构建万圣节互动怪兽屋
NVIDIA 工程师展示了基于 Nemotron 开源模型搭建的万圣节互动投影装置 MonsterHouse，在单台工作站上实现了本地实时的语音、视觉与面部动画交互。
推荐理由：原文拆解了将端侧小模型、语音流式生成与三维面部动画串联的工程管线，为实时交互式数字人搭建提供了完整落地方案。
NVIDIA Blog精选AI 评分6060 SETI 研究所与 NVIDIA 将智能体 AI 引入地外信号搜寻
Breakthrough Listen 与 SETI 研究所将智能体 AI 引入地外文明信号搜寻，研究人员通过自然语言提示即可控制艾伦望远镜阵列并实时分析数据。系统依托 NVIDIA Holoscan 平台和 RTX PRO 6000 Blackwell GPU，支持将每秒 2.4 Tb 的传感器数据直接输入 GPU 显存进行实时流处理，已在蟹状星云完成了首次脉冲星实时 AI 探测。
推荐理由：介绍了如何用智能体配合 GPU 实时流处理框架编排射电望远镜，为高吞吐传感器数据处理提供了工程参考。
Google DeepMindAI 评分5151 Google DeepMind 推出规划审批辅助工具 PlanAssist，试点缩减 58% 审核时间
Google DeepMind 与英国政府等合作开发了基于 Gemini 的规划辅助工具 PlanAssist，早期试点显示其能将规划官员审核住宅申请的耗时缩减至多 58%。该工具可自动验证申请文件与建筑图纸、比对法规约束并起草附带引用的报告，且超 70% 的报告未经修改即获通过。目前项目已进入 12 个月 Beta 阶段并拓展至英格兰 15 个地方议会，所有决策最终仍由人工官员裁定。
Microsoft ResearchAI 评分4444 从合成企业数据评估到真实的 Microsoft Copilot 信任度
微软构建了行业评估数据生成平台（Industry Evaluation Data Generation Platform），利用全规模合成企业环境评测 Microsoft Copilot，在不接触客户敏感数据的前提下模拟复杂业务流程。
NVIDIA BlogAI 评分4949 开发者如何结合前沿 AI 智能体与 NVIDIA Omniverse 将创意转化为仿真应用
开发者正将 GPT-6 Astra 等前沿 AI 智能体与 NVIDIA Omniverse 库结合，通过自然语言指令快速构建场景探索与物理 AI 仿真应用。具体案例涵盖点云建筑重建、燃气轮机数字孪生，以及在大规模仓储仿真中以 full HD 分辨率驱动 80 条传送带和 40 个机械臂维持 30 fps 稳定运行。
Hugging Face BlogAI 评分4242 Granite Switch 4.1.1 发布：像更新软件一样更新模型
Granite Switch 4.1.1 作为补丁版本发布，完全向后兼容 4.1 且无需重新计算基座模型。该版本更新了支持 10 种语言并自带标点与大小写的 Granite Speech ASR 模型，同时升级了 granitelib-core 中的 Decision 适配器以提升 Jev Decision Index 表现。官方正筹备教程与 Adapter SDK，以支持开发者构建自有适配器。
Mistral AI精选AI 评分8686 Mistral AI 开源发布 1 万亿参数多模态模型 Mistral Large 4 权重
Mistral AI 正式开源发布其 1 万亿参数原生多模态旗舰模型 Mistral Large 4（代号 Le Chonk）的权重。该模型在欧洲基础设施上从头训练，重点强化了智能体编码与防御性网络安全能力，并提供三种推理模式以平衡性能与推理成本。
推荐理由：原文给出了万亿参数开源权重的编码评测与部署细节，读者可以据此评估私有化主权部署与推理成本。
Hugging Face BlogAI 评分5353 Hugging Face 联合高校与机构发起 Project ProtoStar 倡议，推动公共科研成果 AI 就绪
Hugging Face 联合卡内基梅隆大学等多所高校、OFAI 及 ORCA 宣布启动 Project ProtoStar 倡议，推动公共资金资助的科研数据集、模型与代码以 AI 就绪格式在开源基础设施上发布与复用。
Hugging Face Blog精选AI 评分8383 Mistral Large 4 上线 Hugging Face：约 1T 参数多模态 MoE 开源模型
Mistral 发布多模态 MoE 架构大模型 Mistral Large 4 并上线 Hugging Face，模型总参数约 1T、激活参数 49B，具备 1M tokens 上下文窗口。
推荐理由：原文给出了该稀疏大模型的架构细节与多框架部署基准，读者可据此评估其在安全防御与私有化落地中的实际可行性。
Google DeepMind精选AI 评分7575 Google DeepMind 发布前沿模型 Gemini 4 Carbon
Google DeepMind 宣布推出前沿模型 Gemini 4 Carbon，主打网络安全防御与长程多步骤工程任务能力。该模型在 SEC-bench Pro 漏洞挖掘达 88.2%、ExploitGym 达 54.8%、CWE-bench 补丁修复达 71.0%，并在内部 live coding 中降低了近 80% 的严重失准警报。
推荐理由：模型重点强化了长程代码修复与网络安全攻防能力，为复杂工程智能体的实际落地提供了能力参考。
NVIDIA Blog精选AI 评分7171 NVIDIA RTX Spark 笔记本正式上市并带来新模型与智能体工具
NVIDIA 宣布搭载 Blackwell 与 Grace 超级芯片的 RTX Spark Windows 笔记本已由华硕、戴尔、联想等厂商正式发售，起售价 2,599 美元，统一内存最高达 128GB。
推荐理由：文章汇总了 RTX Spark 笔记本的落地规格与配套软件，读者可以了解本地端侧高显存环境如何调度大模型与后台智能体。
Google Research精选AI 评分6161 Google Research 提出 Sleep 框架：模拟睡眠机制实现大语言模型持续学习
Google Research 提出面向持续学习的 Sleep 框架，通过让大语言模型交替进行主动交互与离线巩固，将短期上下文记忆转化为稳定的长效参数。该架构包含模拟慢波睡眠的参数扩展与策略蒸馏记忆巩固，以及模拟快速眼动睡眠的随机 MoE 专家激活与做梦自我提升循环。
推荐理由：该方案通过模拟人脑睡眠时的记忆巩固与做梦机制，为解决大语言模型部署后的灾难性遗忘提供了可迁移的持续学习范式。
Google DeepMind精选AI 评分7575 Google DeepMind 发布新一代交互式世界模型 Genie 4
Google DeepMind 宣布推出新一代世界模型 Genie 4，支持高真实度的实时交互式环境模拟，并能同步原生生成环境音、背景音乐和角色对话。该模型结合 Gemini 模型的推理与规划能力以维持多步因果连贯性，允许用户通过自然语言和键盘实时干预场景走向。目前 Genie 4 已作为研究预览版向受信任测试人员开放，后续将逐步推向 Project Genie 和 Gemini API。
推荐理由：该模型结合 Gemini 推理能力实现了包含原生音频的实时交互模拟，为具身智能训练与互动原型开发提供了新的实验环境。
NVIDIA BlogAI 评分5858 NVIDIA 与 C-BRAIN 如何利用 AI 加速阿尔茨海默病研究发现
C-BRAIN 联合 NVIDIA 运用 AI 技术与未公开暗数据加速阿尔茨海默病研究，将原本耗时数周的数据分析缩短至数小时。研究团队采用混合集中式与联邦学习架构在保护隐私的前提下训练模型，并开发了 OpenScientist 和 InsightEngine 两款开源智能体工具用于生成与验证科学假设。后续双方计划基于神经影像与多组学数据构建多模态生物学基础模型，以探索脑衰老与疾病机制。
Google Research精选AI 评分7171 Google 分享结核病筛查 AI 落地进展：推动基础模型进入临床一线
Google Research 总结了将基础模型应用于全球结核病（TB）一线筛查的实践进展，展示了从胸部 X 光算法到临床认证工具的转化路径。
推荐理由：原文梳理了医疗模型从算法验证、监管认证到端侧落地的完整路径，为公共卫生场景下的 AI 工程化提供了参考。
NVIDIA BlogAI 评分5454 哈萨克斯坦扩展AI算力生态，黄仁勋访问阿斯塔纳并敲定多项合作
NVIDIA创始人兼CEO黄仁勋访问哈萨克斯坦阿斯塔纳，宣布推进该国AI基础设施建设与产业投资。
Microsoft Research精选AI 评分6767 微软研究院推出 Flint-interactive：支持 AI 智能体生成交互式数据可视化
微软研究院推出交互式可视化语言 Flint-interactive，使 AI 智能体能够直接生成支持点击、过滤、缩放及跨图表联动的交互式数据图表。该系统通过编译器将底层操作抽象为语义事件并交由高层操作符处理，分离视觉渲染与交互逻辑，从而降低智能体多次调试可视化代码的耗时与 token 开销；开发者可通过 Flint-MCP 将其接入对话环境或构建联动图表应用。
推荐理由：原文展示了通过语义事件解耦交互与渲染逻辑的思路，有助于开发者解决智能体反复调试可视化代码的成本问题。
Google DeepMind精选AI 评分6060 Google DeepMind 联合推出 ForTy 全球森林类型地图与时序监测工具
Google DeepMind、Google Research 联合 WRI 与 IIASA 发布 10 米分辨率全球森林分类地图 ForTy 2020 及 2017 至 2025 年时序数据，可将地表精确区分为原始林、天然恢复林、人工林与木本农作物等六大类别。
推荐理由：该地图突破了传统遥感仅识别树木覆盖的局限，能以10米分辨率区分原始林与人工林并追踪时序变化，为供应链合规提供支持。
Google Research精选AI 评分6565 Google 联合多机构发表 AI 辅助盲扫超声研究，孕周评估精度媲美专业医师
Google Research 联合西北大学和 Jacaranda Health 在《JAMA Network Open》发表前瞻性研究，证实其开发的移动端 AI 系统可通过非专业医护人员操作的便携式超声盲扫准确评估孕周。
推荐理由：该研究验证了移动端 AI 结合盲扫超声在低资源环境下的泛化能力，为非专业医护人员开展标准化产前筛查提供了技术参考。
Microsoft Research精选AI 评分8181 微软研究院等利用人机协作证明历时 31 年的数学难题 KLS 猜想
微软研究院研究员 Xinzhi Zhang 与合作者结合人类主导的 AI 智能体协作流程，成功证明了高维几何与概率论中历时 31 年的 KLS 猜想。该研究确立了对数凹分布的无量纲几何原理，证明最窄瓶颈割面与简单平坦割面之间的差距受通用常数控制且不依赖维度，移除了理解高维采样随机算法效率的重要理论障碍。
推荐理由：展示了人类引导智能体探索数学路径完成顶级猜想证明的协作范式，读者可据此理解前沿科研中人机配合的具体机制。
GitHub Blog · AI & MLAI 评分5454 三位 Java Champion 分享如何用 GitHub Copilot 提升工程生产力
GitHub 访谈了三位拥有十余年经验的 Java Champion，探讨如何将 GitHub Copilot 安全用于生产与开源开发。受访者分享了利用智能体从手机端驱动 Maven 插件开发、定位 Pi4J 项目中虚拟线程被原生调用锁死的疑难缺陷等真实案例。他们强调工程核心在于委托执行而非移交责任，建议通过编写专属技能、先面试澄清需求，并在大模型外层包裹确定性静态检查与验证门禁来保障交付质量。
GitHub Blog · AI & MLAI 评分5858 如何在 VS Code 中继续 GitHub Copilot 应用的会话
GitHub 官方发布教程，详解如何将 GitHub Copilot 独立应用中的任务会话直接转移到 VS Code 中继续开发。开发者通过点击 Open in VS Code 即可完整保留任务计划、对话上下文、代码 diff 以及对应 worktree，无需手动重新复制或同步分支。
Google Research精选AI 评分7474 Google Research公布自主湿实验室研究进展与VERID框架
Google Research公布了构建自主湿实验室（autonomous wet labs）的三项核心研究成果，旨在将AI智能体的高层推理与物理世界的生化实验闭环相连接。
推荐理由：Google展示了数字孪生框架VERID与闭环湿实验，为解决AI智能体与物理实验脱节提供了可复现的工程范式。
Google DeepMindAI 评分5151 Google Antigravity 引入 3D 结构协同功能，加速抗菌肽发现与筛选
Google DeepMind 演示了利用智能体科研工作台 Google Antigravity 加速抗菌肽发现的工作流，并在平台中内嵌了 3D 生物分子结构查看器。研究人员结合 ProtNLM 蛋白质功能预测模型与 AlphaFold 数据库，在单次多轮交互中完成了伪肺炎链球菌候选抗菌肽的筛选与结构评估，目前该先导候选物已进入湿实验验证阶段。
Google Research精选AI 评分7979 Google 推出复杂技术文档审核系统 Deep Review
Google 宣布公开发布 Deep Review，这是一款用于对学术论文、法律协议及设计文档提供逻辑验证与反馈的智能体系统。系统基于四阶段架构运行，涵盖文档自动切分、自适应算力分配、专业 Agent 并行验证以及全局事实核验，由 Gemini 4 Argon 提供底层支持。所有用户每周可获得两次免费审核额度，支持连接 Gemini API 扩展调用，上传文档承诺不用于模型训练。
推荐理由：原文给出了多智能体分段审查与动态算力分配机制，读者可以据此了解如何通过 Agent 架构突破单次大模型调用在长篇技术审查上的推理瓶颈。
Google ResearchAI 评分5151 Google Research 公布 Research@ 2026 十项技术进展，涵盖地球智能与医疗等领域
Google Research 在其 Research@ 活动中公布了涵盖科学发现、医疗健康与端侧硬件等方向的 10 项核心技术进展。重点内容包括扩展 Google Earth AI 的早期访问与智能体 API、向公众开放技术文档核查工具 Deep Review，以及计划将时序与表格模型 TimesFM 和 TabFM 整合进 Gemini for business。
Google ResearchAI 评分5858 Google 发布 Earth AI 地理空间推理智能体技术报告与评测基准
Google Research 发布 Earth AI 地理空间推理智能体（Geospatial Reasoning agent）的技术报告与两项新基准 GeoKTools 和 GeoExpertQueries，并扩大早期测试访问。
Google DeepMind精选AI 评分6060 Google DeepMind 联合新加坡政府推出端侧防诈骗 AI 模型
Google DeepMind 与新加坡政府科技局（GovTech Singapore）合作，基于 Gemma 微调了一款在手机端侧运行的防诈骗 AI 模型。该模型采用轻量分类器初筛加微调 Gemma 上下文分析的两阶段管线，识别出欺诈会话时会在本地实时触发预警。由于推理完全在端侧执行，无需将聊天数据上传云端，政府与 Google 均无法获取用户对话内容。
推荐理由：原文给出了端侧防诈骗模型的两阶段管线设计，展示了兼顾设备功耗与端到端隐私保护的工程方案。
GitHub Blog · AI & ML精选AI 评分6868 GitHub 推出基于 ModernBERT 的轻量级密钥检测管线
GitHub 升级密钥检测系统，采用正则表达式粗筛结合微调 ModernBERT 分类器的两阶段架构，替代原有的远程 LLM 调用管线。该方案在离线测试中将精度和召回率分别提升 13% 与 19%，实际生产中使扫描中位耗时降低 86%，服务成本降低超 98%，并成功将通用密钥检测扩展至推送前阻断流程。
推荐理由：原文对比了轻量编码器与远程大语言模型在敏感信息检测中的表现，为工业级实时高吞吐任务提供了工程落地参考。