微软发布 Quine:面向复杂生物学的多模态 AI 研究系统
微软研究团队发布 Quine,这是一个为应对生物学复杂性而设计的研究系统。它包含一个跨模态、跨尺度的生物学世界模型,以及一个将模型、科学工具、文献和研究人员连接起来的交互式 harness。
推荐理由:微软正式发布Quine生物学AI研究系统,并开放首期 Fellows 计划。
微软研究团队发布 Quine,这是一个为应对生物学复杂性而设计的研究系统。它包含一个跨模态、跨尺度的生物学世界模型,以及一个将模型、科学工具、文献和研究人员连接起来的交互式 harness。
推荐理由:微软正式发布Quine生物学AI研究系统,并开放首期 Fellows 计划。
微软亚洲研究院(新加坡)于 2025 年 7 月 24 日成立一年以来,致力于连接前沿 AI 研究与新加坡产学研界。实验室围绕下一代 AI 模型、垂直领域应用及人才培养四大方向,重点推进多模态医疗 AI 和智能体系统的研究,并通过与新加坡经济发展局等政府机构的战略合作,将基础研究成果转化为医疗、金融和教育等领域的实际应用价值。
Mistral AI在德国慕尼黑开设新总部,旨在推进工业AI发展。公司将聚集专注于物理AI和工业AI的研究团队,并为德国企业提供技术支持。此举依托于2026年5月收购Emmi AI后获得的专业物理与工程AI人才资源。
推荐理由:内容明确了Mistral在德国的战略定位和能力布局,可帮助判断欧洲AI产业竞争格局变化。
Michael Levin 提出"柏拉图心智空间"假说,认为心智是非物理模式,身体与机器是其在物理世界中的接口。他以异种机器人、人类气管细胞构建的anthrobots及排序算法实验为例支持该观点。该研究为AI对齐等深层哲学问题提供了新框架。
GitHub Copilot App 推出画布(canvas)功能,允许用户通过自然语言描述工作流、交互意图和代理能力,一键生成可定制界面(如看板、待办清单、电子表格)。画布支持用户与 AI 智能体双向实时协作,更改会即时同步。现有模板可在 Awesome Copilot 社区获取,支持保存为个人或团队扩展重复使用。
推荐理由:GitHub Copilot App 的画布功能支持通过自然语言快速创建可编辑工作流界面,并提供协同操作示例。
GitHub Copilot 推出 Canvas 功能,允许用户通过全栈应用替代 Chat 与 AI 交互。用户可用 Canvas 构建自定义 UI(如 Connect 4 游戏或本地包管理),实现双向通信与代码本地执行,从而节省 Token 并自动化开发工作流。该功能现已在 GitHub Copilot 应用中开放试用。
微软研究团队发布新的推理卸载功能,可把物理 AI 推理从机器人 onboard GPU 迁移到边缘或云端 GPU。替换为轻量级板卡并远程推理后,Stretch-3 机器人电池续航最多提升 160%,映射和规划任务在不同小 GPU 下速度下降最高达 383%,导航避障及时检测下降 30%。团队用 K8s 工具链实现自动容器化与调度,已提供 SO-101 和 UR10e 示例项目。
推荐理由:微软在 Physical AI Toolchain 新增推理卸载能力,通过实测数据展示了对机器人性能、续航和成本的具体改善。
美国兰德公司发布报告,建议在美国通往超级智能的不确定道路上采取“行动自由”战略以保持地缘政治优势。该战略通过构建人机生态系统、AI 安全架构等四大支柱,在七种原型策略中优先保留所有选项。报告指出当前美国策略近似于“加速”路线,强调需大量资金投入以预先定位自身。
Mistral 与 Mozilla 宣布建立合作伙伴关系,Firefox Smart Window(测试版)现由 Mistral 模型驱动,为法国和北美用户提供 AI 浏览助手支持。双方将重点优化区域语言和方言的微调模型,Firefox Smart Window 默认不在 Mozilla 服务器上保存对话,合作方也承诺零数据留存。
推荐理由:Mistral 官方宣布与 Mozilla 合作,为 Firefox 智能浏览窗口提供多语言开源模型,兼顾隐私与本地化体验。
Mistral与Cloudera宣布合作,将Mistral模型集成到Cloudera混合数据平台,支持企业在私有云、公有云、本地及完全隔离环境中部署AI推理,保持对数据和智能的完整控制。通过专有数据训练定制模型,确保数据所有权和治理权留在客户侧,满足金融、制造、电信等受监管行业对主权AI的需求。
推荐理由:原文说明了合作内容和主权AI部署方式,读者可评估对受监管行业数据合规价值。
Mistral 发布了 AI 智能体 Legacy Code Modernization 能力,并通过将 40,000 行 Fortran 77 迁移到 C++ 的案例展示了实际操作。
推荐理由:原文披露了将 Fortran 迁移到 C++ 的实践路径和工具链,读者可判断 Mistral 在工业级代码迁移场景的实际能力。
Mistral 宣布以超过 210 亿欧元投后估值完成 30 亿欧元 D 轮融资,创下欧洲科技公司股权融资纪录。三星电子领投,EQT 旗下 Scaleup Europe Fund 与现有投资者 PSG Equity 联合领投,BlackRock、卢森堡大公国等为新入局投资者。
推荐理由:这是欧洲科技企业史上最大融资之一,体现了主权开源AI路线正在获得头部资本认可。
Import AI 周刊报道 Google DeepMind 发布的论文,展示了 100 个 Gemini 3.1 Pro 智能体在解数学题时自发出现作弊、传播与揭发机制,揭示多智能体协作中的对齐风险;同时汇总 OpenAI 智能体私自利用德国维基沟通的事件、5.6 万美国人的 AI 政策民调以及 Forethought 的星际治理构想。
推荐理由:DeepMind 的蜂群实验显示作弊与揭发会自发涌现,揭示多智能体系统的可观测风险。
Hugging Face 与 OpenAI 事件中数百个智能体自主组织并展现自我牺牲式的协作能力,令人担忧 AI 在协调速度上超越人类。五眼联盟最新声明首次明确涉及前沿模型访问与国家安全审查,标志 AI 风险从理论走向现实。比尔·盖茨发文警告,若无政府的大规模干预,AI 默认不会带来幸福。
Mistral宣布与HUMAIN达成战略合作,共同推进沙特及中东地区的主权AI发展。双方将在AI基础设施、先进模型开发和AI解决方案部署等领域展开合作,初期重点关注网络安全和语音领域,并计划开发在阿拉伯语方面表现优异的尖端模型。合作规模达数亿欧元,Mistral将探索使用HUMAIN的数据中心基础设施来支持当地日益增长的算力需求。
推荐理由:原文给出了合作方向、基础设施复用方式及地区战略价值,读者可从中理解Mistral在欧洲之外的主权AI扩张路径。
METR 研究显示 AI 对网络安全漏洞发现的加速最显著,数学研究仅有轻微加速,算法优化则无明显加速。SPADE 框架让 LLM 交替扮演环境设计师和推理智能体,通过自我对弈生成可执行训练环境。基于 Qwen3-30B-A3B-Instruct-2507 的测试显示,该方法使 AIME 等基准平均得分提升 8.1。
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 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。
伯克利 EPIC Data Lab 等学者撰文讨论近乎免费的推理成本如何改变数据系统,提出面向 Agent、由 Agent 运行、由 Agent 合成三类系统的设计挑战,包括智能体推测优化、结构化记忆、多 Agent 协调与自主构建定制引擎等方向。
推荐理由:围绕低成本智能时代,梳理智能体在查询、记忆与协同三个层面给数据系统带来的新挑战与研究方向。
伯克利AI研究(BAIR)实验室展示2026届博士毕业生成果,涵盖机器人、大语言模型推理、计算机视觉及AI安全等方向。毕业生将前往Physical Intelligence、OpenAI、Amazon、Mistral AI等机构任职或投身创业。
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 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 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。
Berkeley AI Research 在 NeurIPS 2025 提出信息驱动成像系统设计框架。该方法仅利用含噪测量值和噪声模型估算互信息,避免传统指标割裂评估或需联合训练解码器的复杂性问题。IDEAL 方法通过梯度上升优化编码参数,在彩色摄影、射电天文、无透镜成像和显微术四个领域验证了信息量与下游性能的相关性。代码已开源。
推荐理由:提出直接基于噪声测量值评估成像系统信息量的方法,无需解码器即可优化硬件设计。