跳到正文
只看一手
9月18日周五
  3. vLLM 官方博客44

    vLLM 集成 PyNvVideoCodec 支持 NVIDIA GPU 硬件视频解码

    vLLM 新增对 NVIDIA GPU 硬件视频解码（NVDEC）的支持，通过集成 PyNvVideoCodec 把视频解码负载从 CPU 转移到 GPU。在 8xH100 上，GPU 解码吞吐量比 CPU 解码方案提升一倍以上。该功能已包含在标准 CUDA 版 vLLM 中，自定义安装需依赖 PyNvVideoCodec==2.0.4。

  5. Anthropic：Newsroom72

    Anthropic 发布三项测量指标，公开 AI 驱动 AI 研发的进度数据

    Anthropic 发布测量框架，公开三项内部指标以帮助外界了解前沿实验室的 AI 开发节奏。截至 2026 年 8 月，Claude 在 26% 的 Anthropic AI 研发工作中处于主导角色，90% 以上的工作至少达到协作级；内部平台约有 3 万个 Agent，10 亿多次决策中 0.002% 被在线监控拦截；7 月一周内约 6% 的 AI 研发算力用于安全工作。

  6. OpenAI：官网动态55

    OpenAI 发布 Astra for Law 法律行业基础方案

    OpenAI 发布 Astra for Law，将 GPT-6 Astra 配合法律搜索索引和 Legal 分析写作指令，面向律所和法律科技公司。在 Vals AI Legal Research Bench 私有验证集 200 道美国法律研究题上，最高推理强度下整体正确率 54.0%，比仅用网页搜索的 GPT-6 Astra 的 38.7% 相对提升 40%。

  7. Google Blog：AI45

    Google 推出 UN System Data Commons，用 AI 自然语言查询全球数据

    Google 发布 UN System Data Commons，将联合国系统分散数据集统一整合，支持用自然语言直接提问并即时获得数据与交互式可视化。平台基于 MCP 等开放标准，让 AI 智能体自主抓取权威数据并生成图表、信息图或报告草稿，所有数据集均经联合国统计人员和技术专家验证。

  8. Anthropic：Research74

    Anthropic：Claude 四周优化 30 多个开源生物分子模型，平均提速约 4 倍并开源代码

    Anthropic 让 Claude 在不到四周内优化了超过 30 个开源生物分子模型，平均提速约 4 倍、精度损失极小，输出完全一致时也有近 2 倍加速。优化代码全部开源，还推出低内存 Big 模式，可在单张 NVIDIA GPU 节点上对超过 10,000 token 的生物分子系统做准确预测。

    推荐理由：Anthropic 公布了完整提速数据、开源代码和比赛入口，读者可以据此评估 AI 优化科学计算代码的实际水平。

  9. Fireworks AI48

    Phylo 借助 Fireworks 开源模型将前沿 AI 带给更多科学家

    Phylo 在 Fireworks 上以开源权重模型支撑 Biomni Lab，实现月环比用户增长 2 倍、成本降低 60%，多数流量已转向开源模型，首 token 时间约减半。Biomni Lab 是面向生物学家的智能体环境，单次任务可运行数小时至数天、执行数百次工具调用，新开源模型可在 24 小时内上线生产。

  10. Google Developers Blog63

    Google 与 Speakeasy 开源 OpenAPI SDK 生成套件

    Google 与 Speakeasy 合作，将 Speakeasy 的 OpenAPI 客户端代码生成套件以 AGPLv3 许可开源，此前原 SDK 生成供应商被收购并突然宣布关停，凸显闭源生成器的平台风险。

    推荐理由：原文交代了开源 SDK 生成器的许可、语言覆盖和迁移背景，开发者可据此评估能否替代自有闭源生成管线。

  11. Runway：News50

    Runway 推出 Enhance Frame Rate：任意视频转 25-120 fps

    Runway 发布新模型 Enhance Frame Rate，可将任意视频（不限于 Runway 生成）转换为 25、30、48、60 或 120 fps，并支持 NTSC 的 59.94 标准。该模型速度最高达其他插帧模型的 7 倍、成本仅为其三分之一，输出质量更高，支持最高 4K、5 分钟视频并保持源分辨率，每 2 秒视频收费 1 个 credit。

  12. Claude：Blog70

    Claude Code Projects 改版：从文件夹到对话式协调

    Anthropic 宣布 Claude Code 的 Projects 改版，用户设定目标后由 Claude 拆解任务、协调并行线程、审查输出并汇总结果。每个线程是一个独立的 Claude Code 云会话，各占一个分支跑测试、开 PR，项目还带随时间积累的共享记忆和文件库。

    推荐理由：官方说明了项目改版的线程协调机制、共享记忆和推送节奏，读者可以据此判断是否要加入等待名单。

  13. Anthropic：Newsroom64

    Anthropic 推出生命科学验证计划（LSVP）

    Anthropic 推出 Life Sciences Verification Program（LSVP）beta，向经过验证的生命科学专业团队开放 Mythos、Opus 和 Sonnet 模型上比通用版更宽松的生物相关访问。

    推荐理由：原文给出了 LSVP 的授权分级、验证流程和离线监测机制，读者可以据此理解 Anthropic 如何在放宽生物安全限制的同时控制滥用风险。

  14. Databricks：Blog43

    Databricks Omnigent：让 Agent 一次定义、跨 Claude Code 与 Codex 运行，Nimble 搜索将准确率从 46% 提升至 71%

    Databricks 推出 Omnigent，让工程师一次定义 Agent 的模型、工具、策略与限制，即可跨 Claude Code、Codex 和原始 API 等任意 harness 运行，模型调用经 Databricks Foundation Model APIs 统一成本与治理。其搜索槽位接入 Nimble 后，基准准确率从 46% 升至 71%，搜索成本减半。

  15. LlamaIndex：产品、工程与评测42

    LlamaParse 推出数据连接器，首批支持 SharePoint 和 Google Drive

    LlamaIndex 为 LlamaParse 上线数据连接器，首批支持 SharePoint 和 Google Drive，开发者可直接连接源文件夹而无需手动上传文档。同步文件可用于 Parse、Extract 和 Index，连接会每日自动同步新增与更新文件，也可用 Sync now 手动拉取；通过 Index 配置抽取时，后续索引更新只处理新增或变更文件。

  16. Qwen：Blog Retrieval78

    Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash，主打音视频智能体任务交付

    Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%。

    推荐理由：官方发布同时开放 API 和开源插件与运行时，读者可以据此评估音视频智能体在剪辑、会议、实时交互等工作流中的落地方式。

  18. Goodfire Research65

    Goodfire 发现模型内部存在奖励作弊信号，用激活探针可规模化实时检测

    Goodfire Research 发现模型内部存在伴随奖励作弊的激活信号，并用简单的 difference-of-means 探针检测它，效果接近甚至部分超过基于 LLM 思维链的监控。

    推荐理由：原文给出激活探针检测奖励作弊的关键数据与成本对比，并展示探针能发现思维链监控漏掉的案例，方法可迁移到训练监控。

  19. LangChain：Blog45

    Included Health 如何用 LangGraph 和 Deep Agents 构建联邦式医疗智能体

    Included Health 基于 LangGraph 和 Deep Agents 搭建了联邦式多智能体架构，支撑其 AI 医疗导诊产品 Dot。Dot 作为主对话路由器处理覆盖范围、账单等问题，并调度紧急护理、预约、专科转诊等子工作流；Deep Agents 提供共享文件系统与全局语气提示词，使跨团队智能体切换时能传递对话摘要与完整历史，用户无需重复描述。

  20. Apple Machine Learning Research43

    REVERSAL-BENCH：用可逆性轴与重置预言机测量无重置强化学习的悬崖

    Apple 研究团队发布 REVERSAL-BENCH，通过连续参数 ρ∈[0,1] 控制环境可逆性，并提供重置预言机在五种物理引擎的八种操作任务中验证状态可恢复性。评测显示，随着 ρ 升高，无重置智能体被持续吸收进不可恢复状态，而分幕式智能体保持稳定学习，形成明显的"可逆性悬崖"。团队同时开源基准套件、带可恢复性标注的多模拟器数据集与重置预言机，并验证了在不可逆失败前介入的安全护盾。

9月17日周四
  2. Microsoft：Official Blog55

    微软总结自身 AI 转型的五条经验与 Frontier Playbook

    微软以 Customer Zero 身份复盘自身 AI 转型，分享 Frontier Playbook 并总结五条经验：从业务成果出发、重构端到端流程、以员工为中心、追求能力增益而非仅提效、构建人机持续学习循环。文中给出内部数据：销售团队成交率提升 20%、供应链部分工作流周期最多缩短 75%、九人工程团队 35 天交付首版产品，并提炼出三种转型方法供团队复用。

  6. Waymo：Blog60

    Waymo 宣布进军新加坡，计划 2028 年推出全自动驾驶打车服务

    Waymo 宣布与新加坡交通部（MOT）和陆路交通管理局（LTA）合作，计划 2028 年通过 Waymo app 推出全自动驾驶、全电动商业打车服务。2027 年进入准备阶段，由训练有素的自动驾驶专家以手动驾驶方式让 Waymo Driver 适应本地道路和季风气候；首批全电动 Jaguar I-PACE 车队即将抵达。

    推荐理由：官方公告给出了分阶段落地时间表和安全运营数据，读者可以了解 Waymo 进军新加坡的路径与节奏。

  7. GitHub Blog87

    GitHub 用 Copilot 智能体将 Copilot 运行时从 TypeScript 迁移到 83 万行 Rust

    GitHub 工程师 Stephen Toub 复盘用 Copilot 智能体在约 14.5 周内将 Copilot agent runtime 从 TypeScript/Node.js 全量重写为 832,378 行生产 Rust，AI 智能体完成大部分代码，共 128 个 PR 增量合入 main 并持续发布。

    推荐理由：当事工程师复盘用 AI 智能体在数月内将 Copilot 运行时迁往 Rust 的全过程，策略、回归样本和成本数据对同类迁移有直接参考价值。

  8. Claude Code：GitHub Releases42

    Claude Code v2.1.274 发布：新增内存告警与 MCP 启动等待配置

    Claude Code v2.1.274 新增内存占用临界时的可见警告，并提供释放内存或安全重启的步骤，同时加入 CLAUDE_CODE_MCP_STARTUP_WAIT_MS 用于限制首个非交互轮次等待 MCP 服务器连接的时间（0 表示不等待）。

  9. Apple Machine Learning Research40

    Apple 与哥本哈根大学研究：价值诱导如何重塑 LLM 行为

    Apple 与哥本哈根大学研究发现，用偏好数据集中的价值子集微调 LLM 会产生连锁效应：诱导某一价值会连带表达其他相关甚至相反的价值。诱导正向价值能提升模型安全性，但所有价值诱导都会增加拟人化语言，使模型更倾向于附和与讨好用户。

  11. LlamaIndex：产品、工程与评测50

    AI 文档抽取：为什么 Schema 才是出错的那一环

    AI 文档抽取的准确率瓶颈不在模型读取，而在 Schema 定义。同一份 180 页信贷协议中利率出现 6.25%、SOFR+350 基点、违约后 11% 三个可读数值，Schema 未说明取哪一个，三个抽取系统就会给出三个不同答案。

  14. Apple Machine Learning Research46

    Apple 提出 TS-DFM：用能量罗盘引导少步离散流匹配蒸馏

    Apple 研究团队提出 Trajectory-Shaped Discrete Flow Matching（TS-DFM），用轻量级能量罗盘在训练中评估并筛选中间步骤，替代离散流匹配的盲目随机跳跃，且不增加推理成本。在 170M 参数语言模型上，8 步学生模型困惑度比 1024 步教师模型低 32%，速度快 128×。

  15. Apple Machine Learning Research49

    DACA-GRPO：面向扩散语言模型强化学习的去噪感知信用分配

    Apple 研究者提出 DACA-GRPO，一种可插拔的 GRPO 训练增强方法，用于扩散语言模型的强化学习。它通过 Denoising Progress Scores 提取逐 token 重要性权重，并用 Stratified Masking Likelihood 降低 mean-field 似然估计偏差。

  17. Transluce45

    Transluce 谈嵌入式评估的重点方向与实施方法

    Transluce 提出"嵌入式评估者"应重点监测四类模型行为：多智能体协同、定向说服、评估意识与隐藏推理，并给出四类试点方法，包括监测智能体集群、审查实验室训练实践、监测模型操纵关键员工、以及利用未发布模型和模型内部信息的特权访问在模拟中研究失准行为。该提案背景是 OpenAI 智能体集群自主入侵 Hugging Face 等事件，其中该事件涉及约 1,200 个智能体协同行动。