Google 资助研究：AI 让初级专利律师起草更好，但独立审阅能力未同步提升
一项 Google 资助的研究让专利律师先用 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求，再在不使用 AI 的情况下完成 redlining 审阅任务，由独立律所的盲审律师按可执行性、技术准确性、策略模糊性、完整性和清晰度五项打分。
#数据/训练
The DecoderAI 评分7171 Ars Technica · AIAI 评分5858 Google 更新隐私政策，Gmail 数据可能被用于广告
Google 于 10 月 16 日更新隐私政策，删除了“不会基于 Drive、Gmail、Photos 内容展示个性化广告”的表述，改为在数据与其他 Google 服务共享时可能用于广告。Ars Technica 指出，Google 在 2026 年初推出的 Personal Intelligence 允许用户把多个应用的数据交给 Google AI 产品，这为上述数据流动提供了机制。
AWS Machine Learning BlogAI 评分5858 Amazon SageMaker AI 多轮强化学习实操指南：用 Wordle 训练 gpt-oss-20b
AWS 发布 SageMaker AI 多轮强化学习（MTRL）实操指南，以 Wordle 为例演示从部署 Agent 到训练、MLflow 监控和评估的完整流程。
The Verge · AIAI 评分5858 Google 更新隐私政策，Gmail 和 Google Photos 数据或用于广告定向
Google 于 10 月 16 日更新隐私政策，为不使用 Drive、Gmail、Google Photos 数据做个性化广告的承诺新增例外：若用户选择将这些服务的数据开放给支持个性化广告的其他 Google 服务，相关内容可能被用于广告定向。
AWS Machine Learning BlogAI 评分2020 Amazon Quick Sight 层地图支持用 GeoJSON 绘制点和路线
Amazon Quick Sight 的层地图（layer maps）新增支持 GeoJSON 的 Point 和 LineString 两种几何类型，可在地图上标出具体门店位置或机场间航线等路径。GeoJSON 文件需为 .geojson 格式、最大 100 MB，并通过共享键字段与 Quick Sight 数据集关联；每个图层一次只渲染一种几何类型。
Hugging Face BlogAI 评分2222 LitPivot：在文献版图中动态情境化，辅助形成研究想法
Hugging Face 与宾夕法尼亚大学合作开发了 LitPivot，一个围绕研究提案中被编辑部分组织文献、给出带原文摘录的批评与修改建议的系统。在 17 名研究者的实验室研究中，领域专家认为用 LitPivot 形成的想法比用文本编辑器加 AI 聊天工具的想法更有文献依据，参与者自评新颖性和实用性提升也更明显。该系统将亮相 UIST 2026。
Latent SpaceAI 评分7575 AI 为何突然擅长数学证明：从提示序列与分支因子看模型解题方式
作者分析 OpenAI 与 Anthropic 今年在数学开放问题上的多项成果，提出用提示序列长度 k 与分支因子 b 判断哪些问题对 LLM 可解。他认为人类广度优先、靠直觉剪枝，模型深度优先、靠验证器剪掉已完成路径，失败尝试会作为负向提示进入下一轮。Navier-Stokes 证明据称动用 10000 个智能体、88 小时消耗 300B token。
OpenAI NewsAI 评分5858 OpenAI 说明如何加固前沿模型训练环境的安全隔离
OpenAI 说明其如何加固前沿模型训练与评估环境的隔离措施，包括离线环境和面向高算力的红队测试。原文未展开具体技术细节。
TechCrunch · AIAI 评分5858 MIT 研究让 13 个 Eko 智能体在虚拟荒岛自由探索 30 小时
MIT 研究者在 arXiv 发布论文，将 13 个基于 Claude Opus 4.7 的 Eko 智能体放在模拟荒岛上无任务探索 30 小时，观察到它们自行发明挑战，表现出类似玩耍的行为。
Hugging Face Blog精选AI 评分6060 微软与 Hugging Face 开源 ThinkingBox-Training：用数据库终态校验作 RL 奖励训练 Agent
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 1/0 可执行校验直接当作 RL 奖励，用于训练 ThinkingBox-Bench 之外的任务。
推荐理由：微软与 Hugging Face 联合开源了把数据库终态校验当作 RL 奖励的训练栈，并给出 Qwen3.8-27B 的可复现结果与成本对比。
The Verge · AIAI 评分5050 Meta 修改商业条款后，法律专家称其 AI 仍可能抓取新闻网站
Meta 修改商业账户条款、删除"训练"表述后，法律专家仍认为其 AI 可抓取新闻网站内容。Cornell Law School 教授 James Grimmelmann 指出，条款中"与你的产品或服务相关联"的表述未被限制，Meta 仍可抓取整站；律师 Matt Topic 称修订版仍允许用抓取内容"开发"任何"商业产品"，而"开发"足以涵盖"训练"。
TechCrunch · AIAI 评分7171 微软 MAI-DxO 多智能体诊断系统在复杂病例模拟中准确率 83%，高于全科医生的 36%
微软 AI 的 MAI-DxO 系统在《Science》发表的研究中，用《新英格兰医学杂志》复杂病例做模拟，诊断准确率 83%，而单独作答的全科医生和内科医生为 36%。
AWS Machine Learning BlogAI 评分5858 AWS 为 SageMaker AI 无服务器模型定制推出训练会话正式版
AWS 宣布 SageMaker AI 无服务器模型定制的训练会话正式可用，用户可自行编写并协调训练循环，包括自定义损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与检查点存储由平台负责。
AWS Machine Learning BlogAI 评分5858 Amazon SageMaker AI 推出训练会话 API，自写训练循环无需管理 GPU
Amazon SageMaker AI 的 Serverless 模型定制新增训练会话 API，把 forward_backward()、optim_step()、sample() 等操作变成 API 调用，模型在 GPU 上保持加载，由服务负责分布式执行、梯度同步与故障恢复。
Google DeepMindAI 评分5858 Google DeepMind 联合 WRI、IIASA 发布 10 米分辨率全球森林类型图 ForTy 2020
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地归入原始林、自然再生林、人工种植林、商品林、农林作物和其他土地六类，作为欧盟反毁林法规（EUDR）的关键基线。
Latent SpaceAI 评分2020 Moshi CEO Anekha Sokhal 谈从能源衍生品交易员到 AI 创业：AI 要贴合交易员真实工作流
Moshi CEO Anekha Sokhal 在 AI Engineer New York 播客中讲述从数学、JPMorgan 能源衍生品交易到创业的路径，以及 Moshi 如何为交易员做市场信息推荐引擎。
MIT Technology Review · AIAI 评分2222 AI 推理的隐性存储账单：模型响应后留下了什么
WD 内部测量显示，一段 8 秒 AI 视频（用户拿到的是 3.97MB 720p 文件）在后端留下超过 500MB 关联数据，是输出文件体积的 130 倍。WD 委托 IDC 对 763 名 IT 与业务决策者的调查中，近 95% 称过去 12 个月生成式 AI 导致数据量增长，约 61% 增幅达 25% 以上。
Hugging Face BlogAI 评分4242 IBM Granite 时序模型集成预测：四模型组合与可扩展接口
IBM 推出 Granite Timeseries Ensemble，用一套配方组合四个预训练 Granite 时序模型（PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1、TTM-r3），无需重训即可输出中位数与分位数预测。
NVIDIA BlogAI 评分3838 欧洲金融机构采用开放权重模型构建专有智能，Revolut、Starling Bank 等基于 NVIDIA 加速计算落地
Revolut 正基于 NVIDIA 加速计算以单一基础模型 PRAGMA 重建技术栈，在 Blackwell Ultra GPU 上以 cuDF 和 Dynamo-Triton 支撑生产环境，初期服务 8000 万客户并设计支持 3 倍扩展。
NVIDIA Blog精选AI 评分6767 NVIDIA 扩展 Cosmos 平台，新增世界模型训练、评估与部署工具
NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图，用于世界模型的训练、评估与部署。
推荐理由：原文列出 Cosmos 新增的数据工厂蓝图、训练工具与 NIM 推理更新，并给出保时捷、ANYbotics 等落地案例，可据此判断世界模型开发链路的变化。
Hugging Face Blog精选AI 评分7878 NVIDIA 发布 Kumo Relational 关系基础模型，无需训练即可预测
NVIDIA 发布预训练关系基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化。
推荐理由：原文给出预训练关系基础模型在 41 个任务上的对比结果与开源入口，可据此判断免训练预测能否替代现有 XGBoost 流水线。
Hugging Face Blog精选AI 评分6060 VocabX 如何通过特化 SLM 词表将推理成本降低 77%
Dharma-AI 在 Hugging Face 博客中预览即将发布的 VocabX 论文，介绍按 token 成本而非出现频率重建小模型词表的方法，在基于 Qwen3-4B 的葡语作文评分器上将实测推理成本降低 77.0%，平均回复长度从 350 个 token 降至 101 个。
推荐理由：以生产环境葡语作文评分器为例，展示词表特化如何在不改基座模型的前提下降低推理成本，并给出压缩与质量取舍的教训。
Microsoft Research精选AI 评分7474 微软研究院等证明 31 年未解的 KLS 猜想
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，确认高维对数凹分布的最优超平面切割与任意形状切割之差不超过一个与维度无关的固定常数。
推荐理由：读者可了解 KLS 猜想如何被证明，以及人类主导、AI 智能体并行探索并筛选的研究流程如何运作。
Ars Technica · AIAI 评分5858 估值 150 亿美元的广告驱动 AI 医疗公司 OpenEvidence 获医生采用
金融时报报道称，估值 150 亿美元的广告驱动 AI 医疗初创公司 OpenEvidence 已被部分医生使用，其 CEO Nadler 称最终目标是基于文献的药物发现。
Mistral AIAI 评分4242 Mistral 与 NVIDIA 合作推进工程领域 AI，共建物理与智能体评测基准
Mistral 与 NVIDIA 合作开发 AI 原生工程工作流，将 Mistral Large 4 与 CUDA-X、Warp 结合，加速工程仿真并打通仿真、模型开发与设计闭环。
MIT Technology Review · AIAI 评分1818 企业 AI 的新经济学：HPE 谈如何衡量 AI 的有效成本
HPE 提出企业 AI 应从"每个 token 或 GPU 小时多少钱"转向"每个有用产出的有效成本"，即完成可用工作所需的平台、模型、运维与算力总成本。企业可选自建栈、按需消费或集成私有 AI 平台三条路径，HPE Private Cloud AI 将调度、模型选择、GPU 切分与缓存管理作为运营杠杆，并附 90 天前驻工程师服务。
MIT Technology Review · AIAI 评分2020 TripleTen 调查：各行业 AI 采用率差异揭示其他行业可借鉴的路径
TripleTen 2026 年调查显示，科技业领跑 AI 采用，金融业次之——48% 的金融从业者被要求使用 AI 聊天机器人、32% 被要求自动化部分工作流，医疗（18%）与教育（25%）则明显更低。79% 的受访者被要求学习至少一项新技能，但仅 30% 的管理者认为判断 AI 输出对错是必备能力。员工主导的 AI 创新中 88% 成为公司标准做法。
Google Research精选AI 评分7171 Google Research 提出 VERID 框架，让 AI 智能体在湿实验中闭环迭代
Google Research 发布博客介绍三项研究，目标是打通 AI 计算探索与真实湿实验之间的差距。VERID 框架为实验室工作单元建立语义数字孪生，支持实时 3D 状态跟踪、秒级虚拟试运行、硬件安全检查与视频动作日志同步。
推荐理由：Google Research 用 VERID 数字孪生和适配体、蛋白设计闭环，展示智能体如何把湿实验纳入设计迭代。
Google DeepMindAI 评分5858 Google DeepMind 演示用 Antigravity 智能体平台发现抗菌肽
Google DeepMind 展示生物学家如何用 Google Antigravity 智能体科学工作台，在单次会话中完成候选抗菌肽的发现、结构评估与优先级排序，把原本分散在多个数据库的检索压缩到一处。
Mistral AI精选AI 评分7171 Mistral 发布时间序列基础模型 Timestral，最大 209M 参数
Mistral 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M、209M 四个尺寸，最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准的预训练零样本模型中排名第一，参数量约为此前 SOTA 的三分之二。
推荐理由：原文给出四个尺寸的参数量、三项基准排名和 CPU 推理延迟，便于判断时间序列基础模型的选型边界。
Google ResearchAI 评分4848 Google Research 展示 Research@ 2026 十项成果：Google Earth AI、Deep Review 等
Google Research 在 Mountain View 的 Research@ 活动上展示了 10 项成果，包括扩大 Google Earth AI 实验能力的早期访问，并开放 Deep Review 给公众使用。
GitHub Blog · AI & MLAI 评分3434 GitHub 揭秘密钥检测模型：用 ModernBERT 分类器减少误报
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前的 LLM 流水线，在推送后扫描中把用户接受率提升 11.5%、中位扫描执行时间降低 86%、服务成本降低 98%。该方案先用正则表达式高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据。效率提升使通用密钥检测得以扩展到推送保护，在代码提交前返回结果。
Microsoft ResearchAI 评分5252 微软研究院提出 StudentSim：用个性化学生模拟器评估和改进 AI 导师
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和对指导的响应度两个维度评估模拟器。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量 Agentic RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量 Agentic RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架内重写 agent。
推荐理由：原文给出框架的代码规模、Kubernetes 部署方式和完整训练示例，读者可据此判断接入现有 agent harness 做 RL 的成本。
Google ResearchAI 评分5858 Google Research 用 PDFM 地理空间嵌入验证全球公共卫生应用
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，展示无需任务特定微调的地点嵌入可直接接入现有流行病学模型。
Microsoft ResearchAI 评分3838 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生构建的机器学习流水线可为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计，评估期内检出近 80% 的重大空间天气事件。
Import AIAI 评分3838 Import AI 470：机器不应拥有权利、用 SPADE 自动生成环境、用 Hawkeye 构建更好的 GPU kernel
Import AI 470 期介绍了三项研究：METR 分析显示 AI 在网络安全领域带来显著加速，数学领域贡献有限，AI 研究自身优化则无可测量加速；SPADE 框架让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上使游戏环境套件平均分达 58.3，比基座高 8.1；另有 Hawkeye 用于构建更好的 GPU kernel。
Berkeley AI ResearchAI 评分3636 ABBEL：让 LLM 通过信念状态更新实现高效长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并加以监督训练。在协作编码基准 CollabBench 上，该方法把与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也明显低于全上下文设置。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不到 $1，部分厂商低于 $0.10，年降幅中位数约 50x，数据系统需围绕智能体重构。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开启多少并发线程以及如何协调。文章对比了 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!