Mistral 开源 Mistral Large 4（Le Chonk）权重，定价与性能更新
Mistral 发布 Mistral Large 4（Le Chonk）1-trillion-parameter 多模态模型权重，主打编码、防御型网络安全与推理效率，支持 Low/Medium/High 三种推理模式。
推荐理由：官方公布全量权重、定价与三大推理档位，读者可据此评估开源代码与安全场景的使用成本。
#推理
Mistral AI精选AI 评分8585
Google Research精选AI 评分4949 Google Research 发布 Sleep 持续学习框架：让 LLM 在离线阶段巩固记忆并自改进
Google Research 提出 Sleep 持续学习框架，通过主动交互与离线睡眠交替让大语言模型避免灾难性遗忘并持续提升。睡眠阶段动态扩展 MoE 参数并完成知识蒸馏与合成数据回放；测试显示 BABILong 长上下文可达 10M token，多语言翻译与新事实学习未显著退化，AIME 24/25 和 HMMT 25 推理得分优于 SFT、GRPO 等基线。
推荐理由：Google Research提出睡眠框架，通过离线记忆巩固与合成数据自改进让大模型持续学习，原文给出BABILong至10M token与AIME等实测结果。
Hugging Face Blog精选AI 评分8686 Liquid AI 发布 LFM3 系列多模态基础模型
Liquid AI 发布 LFM3，将文本、视觉、音频、全模态和决策六种 2B 量级模型统一到同一骨干网络上。相比 LFM2，LFM3-1.7B 参数减少约 35% 且智能更高，上下文窗口扩展到 256K tokens。全系模型支持在单 GPU 上微调，适配本地或边缘部署，已在 Hugging Face 开放下载。
推荐理由：原文同时给出了架构变化和六个模型的具体能力与代码，读者可以据此判断它能否在单 GPU 上满足多模态端侧部署。
OpenAI News精选AI 评分5555 OpenAI 公开 Kakeya 猜想等三项研究的模型结果
OpenAI 分享模型在 Kakeya 猜想、指数时间假设和量子色动力学上的研究成果，并说明研究者如何验证和在此基础上推进工作。
推荐理由：原文披露OpenAI在Kakeya猜想、指数时间假设和量子色动力学上的模型结果，并给出学术验证与复现路径。
AWS Machine Learning Blog精选AI 评分4040 AWS SageMaker SDK v3 发布摄像头级计算机视觉全生命周期参考架构
AWS发布基于 SageMaker Python SDK v3 的参考架构，为端侧计算机视觉提供端到端的多分支训练流水线。该方案用 AWS CDK 部署，通过 Step Functions、DynamoDB 信号量和 SQS 编排，控制单次并发执行数量，避免超出账户训练配额。
推荐理由：给出SDK v3下用CDK和Step Functions编排千台边缘摄像头的完整流水线，读者可直接复用该架构。
Google Research精选AI 评分7171 Google 将基础模型应用于 TB 筛查前线
Google Research 介绍了如何将 AI 模型从实验室推向实际应用场景，并开源了 MedGemma 和 MedSigLIP，为全球公共卫生带来了新的可能性。MedGemma 是一款多模态模型，能够进行临床推理，而 MedSigLIP 是一个轻量级的视觉语言模型，可以理解和处理医学图像和文本信息。这些开源模型为全球医疗保健系统提供了强大的工具，有助于提高 TB 筛查的准确性和效率。
推荐理由：Google Research 介绍如何将 AI 模型从实验室推向实际应用场景，并开源了 MedGemma 和 MedSigLIP，为全球公共卫生带来了新的可能性。
AWS Machine Learning Blog精选AI 评分7878 AWS SageMaker AI 推出多轮强化学习功能，含端到端实操指南
AWS 在 SageMaker AI 上线多轮强化学习（MTRL）功能，通过 Lambda forwarder 将提示发送给托管在 Amazon Bedrock AgentCore 或自有基础设施的 Agent，由 Agent 执行多步操作并在回合结束后返回单一奖励，使用 GRPO 对策略模型的 LoRA 适配器进行更新。
推荐理由：AWS 提供多轮强化学习实操路径，用 Wordle 演示如何用单一终局奖励训练 Agent，展示可迁移的工作流设计。
Microsoft Research精选AI 评分8686 Microsoft Research 团队证明 KLS 猜想
微软研究员 Xinzhi Zhang 与 Zhao Song 合作证明了高维几何与概率领域的核心难题 Kannan-Lovász-Simonovits (KLS) 猜想。
推荐理由：该研究用人类引导的AI辅助过程证明了KLS猜想，展示了智能体协作在纯数学证明中的可用性。
AWS Machine Learning Blog精选AI 评分5555 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理
AWS 发布教程，介绍如何在 Amazon SageMaker HyperPod 上通过监督微调（SFT）和基于组的相对策略优化（GRPO）对 GPT-OSS-20B 进行多语言推理微调。
推荐理由：本文提供了在 SageMaker HyperPod 上用 SFT 和 GRPO 微调 GPT-OSS-20B 处理多语言推理的完整代码路径与配置。
Mistral AI精选AI 评分8282 Mistral 发布 Voxtral 3 语音模型与实时语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型系列及语音智能体 SDK，支持 50 种以上语言的实时多步对话，并配套 Voice Code Bench 等评测展示性价比。Voxtral Mini Transcribe Realtime 3 起价为 0.008 美元/分钟，Speech 3 为 13 美元/百万字符，已可通过 Mistral API 在欧洲、美国及全球节点使用，也支持私有化部署。
推荐理由：原文披露了多语言转写、情感合成与实时语音智能体 SDK 的能力边界与定价，便于判断落地价值。
AWS Machine Learning Blog精选AI 评分7474 vLLM 新增推送模式 NIXL 连接器，拆分预填充与解码以降低 TTFT
vLLM 引入基于推送的 NIXL 连接器，让解码实例提前注册目标块并与预填充计算重叠，把传输准备移出关键路径。在 P5en + EFA 的 1P1D Qwen3-32B 基准中，高并发长上下文下 TTFT 最高改善约 3 倍，TPOT 改善约 30%，现已可用并通过 NixlPushConnector 启用。
推荐理由：作者说明了vLLM新增推送模式KV传输的工作原理，并给出了在高负载下TTFT最高降低3倍和TPOT提升30%的实测数据。
OpenAI NewsAI 评分2323 Itaú 如何为全部客户构建生成式 AI
Itaú 正在将其 AI First 战略应用于客户与员工，构建了 conversational interface（对话界面）ia.i 以及 IARA 治理平台。这是在巴西最严格的监管领域之一推进生成式 AI 的实践。
Microsoft Research精选AI 评分6767 Microsoft Research 发布 Magnetar 通用零知识虚拟机的通用计算版本
Microsoft Research 发布 Magnetar，一种基于 RISC-V 的通用零知识虚拟机（zkVM），可证明用 Rust、Go 或 C 编写的程序执行。
推荐理由：把零知识证明与标准哈希函数对齐并在普通代码上跑通，给出可迁移的zkVM工程实践。
NVIDIA Blog精选AI 评分4646 NVIDIA宣布支持欧盟科学计算倡议并提供多项开放资源
NVIDIA宣布参与欧盟AI in Science Enablers Initiative，提供开源模型、数据集和软件工具。公司推出了新的Deep Learning Institute开源课程库，并通过Inception项目与法国、西班牙和瑞典的AI工厂合作，为初创企业开放计算资源。欧洲目前在建35台超级计算机，这是欧洲历史上单年度最大规模超算建设。
推荐理由：原文给出了欧盟科学计算倡议的参与方式，读者可了解欧洲科研界如何获得NVIDIA算力与模型支持。
Hugging Face Blog精选AI 评分7878 Apertus 1.5 发布：新增多模态理解与长上下文支持
Hugging Face 发布 Apertus 1.5 版本，在原有 8B 和 70B 模型基础上增加了图像和音频理解、可选的链式推理模式、4倍增长至262,144 token的上下文窗口、改进的指令遵循能力和工具使用能力。模型采用早期融合方式处理多模态输入，权重以 Apache 2.0 许可证开源，并提供完整的训练数据、中间检查点和评估结果，同时公布了通往 Apertus 2.0 的路径规划。
推荐理由：Apertus 1.5 引入多模态理解与扩展上下文，提供完整训练细节与开源权重供复现。
Google Research精选AI 评分7272 Google Research 发布 Deep Review 技术文档分析智能体
Google Research 发布 Deep Review，这是一个面向复杂技术文档的智能体验证工具，最初为计算机科学论文分析设计，现已扩展到法律、金融等领域。
推荐理由：原文首次给出 Deep Review 的四阶段智能体工作流和四会议试点数据，帮助读者判断它能否缓解长文档验证瓶颈。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 4 Argon 并介绍安全防御机制
Google DeepMind 开始广泛开放 Gemini 4 Argon，同时扩展 Fairwind Program 给更多可信网络防御者使用。模型在网络安全测试中解决全部12个端到端模拟攻击场景，较上一代从5个提升；生物学评估显示更强的实验排错能力。
推荐理由：说明了对抗代码与生物学滥用、内部推理越界和提示词注入的多层防御设计，帮助判断高能力智能体的安全性保障。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 发布 Gemini 4 Argon 模型，通过 Gemini API、AI Studio、Gemini 应用和 Search AI Mode 在全球开放。模型具备 100 万统一输入输出 token 上下文窗口，并引入续传协议。官方展示了代码重构、量子化学、酶设计、具身智能等用例及定价信息。
推荐理由：官方详细列出了编程、科研与多模态用例，读者可据此评估其对复杂工作流的实际替代潜力。
Google Research精选AI 评分7676 Google Research 实验：AI 辅助工作是否削弱初级律师的专业判断？
Google Research 在 National Bureau of Economic Research 发表实验论文，随机分配 133 名知识产权律师使用尚未发布的 Google Labs AI 专利写作助手工具三个月。
推荐理由：这项三月的实地实验给出关键数据：AI提升短期产出，但可能延缓初级律师专业判断的积累。
Microsoft Research精选AI 评分4242 Microsoft Research 访谈：AI 的意外失败及其背后的评估教训
Microsoft Research 的 Jennifer Neville 与 Chad Atalla 在播客中探讨了当前 AI 系统在超出传统基准测试的复杂场景中的表现。
推荐理由：深入剖析 AI 在长对话和复杂任务中的意外失效模式，为开发者优化多轮交互提供可验证的洞察。
Mistral AI精选AI 评分8080 Mistral AI 发布 Mistral Large 4 公开预览
Mistral AI 发布 Mistral Large 4（ML4）公开预览，这是一款拥有 1 万亿参数、520 亿激活参数的原生多模态模型，将于月底开源权重。该模型在网络安全、代码智能体和多模态理解等任务上表现突出，已在多个独立基准中超越同类开源模型。
推荐理由：官方公布ML4参数规模与预览入口，并列出网络安全、代码智能体等基准成绩，适合评估其当前能力水位。
Google DeepMind精选AI 评分8686 Gemini 4 Argon 发布：百万 token 输出与新前沿基准表现
Google DeepMind 发布 Gemini 4 Argon，将输出 token 上限提升至 100 万，并率先面向可信网络防御者通过 Fairwind 项目开放。该模型在 DeepSWE v1.1、Vals Index 与 LVBench 等基准上刷新前列，同时推出 $2/M 输入与 $10/M 输出的定价方案，预计优先向付费 API 用户与 Google AI Ultra 订阅者投放。
推荐理由：模型首次开放百万 token 输出，并在编程、长视频理解与防御性网络安全三项能力上给出明确基准数据，可直接衡量其工作流适用性。
Berkeley AI Research精选AI 评分5050 K-Search：把CUDA内核优化知识迁移到Apple Silicon的MLX后端
伯克利Sky Lab的K-Search框架新增MLX后端，通过结构化CUDA-to-MLX翻译层把CUDA内核优化知识迁移到Apple Silicon，在Attention内核上达到原生MLX性能的0.97倍，在Mamba SSM内核上相较mlx-lm社区实现获得最高约20倍prefill加速。
推荐理由：展示了如何把CUDA内核优化知识自动迁移到Apple Silicon，给出了Attention和Mamba SSM在MLX上的实测加速数据。
Berkeley AI ResearchAI 评分3131 ABBEL：通过信念瓶颈让大语言模型高效长程交互
Berkeley AI Research提出ABBEL框架，将摘要隔离为自然语言信念状态并加入信念评分，解决LLM在长程交互中上下文无法无限扩展的问题。在CollabBench协作代码生成评测中，ABBEL-rec-BG相比全上下文模型缩小约50%的性能差距，且训练步数减少50%；峰值上下文token降至6.01×10²，低于无信念评分版本。
Berkeley AI Research精选AI 评分3838 Berkeley AI Research 综述自适应并行推理：从固定并行到模型自主调度
Berkeley AI Research 发布综述，介绍自适应并行推理让推理模型在推理时自行决定何时拆分、并发几个线程以及如何协调，以此缓解序列推理随探索变长带来的延迟和上下文退化。
推荐理由：文章系统梳理了并行推理的技术路线，给出了两种实现架构与奖励设计的对比，便于判断哪条路径适合你的硬件约束。
Berkeley AI Research精选AI 评分5454 GRASP：面向世界模型的长视野梯度规划方法
Berkeley AI Research 提出 GRASP，一种用于学习动态模型（世界模型）的基于梯度的规划器。通过将轨迹提升到虚拟状态实现时间维度并行优化，直接为状态迭代添加随机性，并重塑梯度以避开高维视觉模型中脆弱状态输入梯度，从而让长视野规划更加稳定高效。
推荐理由：文章解释了长视野梯度规划中状态梯度的脆弱性，并提出通过动作梯度重塑提升鲁棒性的方法。
Berkeley AI ResearchAI 评分2727 Berkeley AI Research 介绍 SPEX 与 ProxySPEX 算法以大规模识别大语言模型中的关键交互
Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，通过稀疏恢复机制在大量特征、训练数据及内部组件中高效识别对大语言模型输出驱动关键交互。ProxySPEX 借助层级结构仅需约 10 倍更少的消融实验即可达到与 SPEX 相当的性能，显著降低了计算成本。