xvr 通过患者特异性AI实现X射线与3D扫描秒级精准配准
MIT团队开发的xvr系统可在约5分钟内完成患者特异性AI模型训练,实现X射线与3D医学扫描的秒级、亚毫米级精准配准。该模型基于物理仿真生成患者专属合成X射线,避免幻觉,性能较现有AI方法提升一个数量级。系统已通过多类患者、身体部位和手术场景验证,有望提升微创手术的安全性与可及性。
MIT团队开发的xvr系统可在约5分钟内完成患者特异性AI模型训练,实现X射线与3D医学扫描的秒级、亚毫米级精准配准。该模型基于物理仿真生成患者专属合成X射线,避免幻觉,性能较现有AI方法提升一个数量级。系统已通过多类患者、身体部位和手术场景验证,有望提升微创手术的安全性与可及性。
Mistral AI 与 Mozilla 达成合作,为 Firefox 的 AI 浏览助手 Smart Window(测试版)提供模型支持。该功能将首先在法国和北美推出,预计今年晚些时候扩展至英国和德国。此次合作旨在将基于区域语言和文化背景微调的 Mistral 开放模型,与 Firefox 的隐私优先传统相结合,为用户提供更具控制力和本地化体验的 AI 浏览助手。
MIT政治科学家Naoki Egami专注于社会科学研究的外部有效性问题,揭示不同政治情境下研究结果的可推广性差异。他早期即开始系统研究AI工具在社会科学中的应用误差,强调需结合统计学与计算机科学方法优化实证研究。其工作对提升政治学研究的严谨性具有重要影响。
Together AI 发布从闭源模型向开源模型(OSM)迁移的完整策略,支持通过托管服务实现数周至数月的快速迁移,显著降低技术复杂度。该策略强调基于真实业务负载的评估,推荐使用 FrontierCode、LMArena、τ-bench 等基准,并结合实际流量回放进行性能与成本验证。最终目标是实现与闭源模型相当或更优的准确率与延迟表现,支持企业平稳过渡至开源生态。
图用于展示数据中实体之间的关系,知识图谱在此基础上添加业务定义和组织原则以解释关系含义,上下文图谱则在特定任务或决策时提供相关背景信息。知识图谱可帮助统一企业数据视角并支持 AI 响应与业务逻辑对齐,而上下文图谱能提升 AI 智能体的决策准确性并减少幻觉。GraphRAG 则利用图技术从知识图谱或上下文图谱中检索关联信息,增强 AI 生成内容的相关性。
Neo4j 博客通过实验对比原始图数据与预计算图指标(如社区检测、中心性)对AI检测金融欺诈的效果,发现富图结构能显著提升模型识别合成身份、可疑桥接账户和洗钱环路的精度与效率,避免模型在大量上下文token中无效消耗。实验使用3万账户、500万交易的合成数据集,验证了预计算拓扑指标对AI代理的增强作用。
推荐理由:通过对比原始图数据与预计算图指标对AI检测金融欺诈的效果,展示了结构化语义层如何提升模型效率与精度。
Google Research 提出 Retrieve-for-Train 桡架,利用离线强化学习编译搜索分解行为,使 AI 能在推理时无需生成大量推理 token 即可实现高效查询扩展。该框架通过 53.9M 参数的扩散模型直接将查询嵌入映射为完整结果集嵌入,实现非自回归的一次性检索。方法基于 Gemma3-4B 和 Qwen3-4B 等开源 4B 模型进行微调,无需人工标注即可合成监督数据。
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款新语音模型,支持近实时推理与多语言动态切换。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
NVIDIA 博客对比了稠密模型与混合专家(MoE)模型架构的核心差异。以 Nemotron 3.5 Lightning 为例,其总参数量为 300 亿,但每个 token 仅激活约 30 亿参数,这得益于 MoE 架构仅选择部分专家网络处理输入。文章分析了两种架构在激活参数量、推理吞吐量以及适用场景上的权衡。
Google 发布了 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款实时对话模型,旨在提升语音智能体的智能和协作体验。
推荐理由:Google 官方博客宣布了其最新的实时对话模型,提供了详细的性能基准和面向不同场景的部署方案。
NVIDIA 发布了 RT-DETR-Hand-Detector-v1 手部检测模型,用于从 RGB 图像中直接检测和定位双手。该模型基于 RT-DETRv2-S 架构,包含 HGNetv2-S 主干网络、高效混合编码器和 TransformerDecoder 头,参数量约为 20M,支持 Linux 系统和 NVIDIA Lovelace 架构。
NVIDIA NVLink 6 为大规模 AI 工厂提供了多层弹性功能,旨在最大化集群的持续输出。在 AI 训练中,集群内每个 GPU 每秒需同步数千次梯度操作;在推理阶段,意外停机则会直接减少服务请求总量并限制收入。
NVIDIA Groq 3 LPX 确定性执行技术提升了 NVIDIA Vera Rubin AI 平台的能效与交互性。该技术旨在最大化有限功耗预算下的输出,将性能功耗比作为衡量 AI 平台价值的最终标准。
Gemini 可通过 4 种方式帮助用户处理家务,如家电维修指导、定制化饮食计划、家庭支出跟踪和大型购物比较。用户可通过上传收据、使用 Gemini Live 拍摄冰箱内容或询问汽车对比信息,获得即时分析与建议。该功能基于 Google AI & Economy ATLAS v1.0 研究,显示超过 86% 的对话式 AI 交互发生在非工作场景。
Google AI 技术现已支持超过 300 种语言,覆盖全球 86% 的人口。其 AlphaGenome Atlas 公开了人类基因组中所有 90 亿种可能的单字母遗传变化的预测影响,WeatherNext 3 天气模型则将提前一天或更久的降水预报准确率提高了 50%。
Google 宣布其技术与产品已支持超过 300 种语言,覆盖全球 86% 的人口。Gemini 3.5 Live Translate 支持 70 种语言的实时口语翻译,而基于 1200 万小时音频训练的通用语音模型正助力实现“千种语言计划”。
Google AI 正通过与全球社区和研究人员的合作,将 AI 工具应用于疾病防治、自然灾害预测、教育扩展和创造经济机会等关键领域。这些合作旨在将 AI 突破转化为可衡量的现实影响,确保更多人能共享 AI 带来的机遇。
NVIDIA FLARE 提供了跨 Docker、Kubernetes 和 Slurm 等异构基础设施扩展联邦学习工作流的能力。该框架使多个研究项目能在共享的 GPU 资源上保持隔离运行,同时确保每个参与组织对其数据和计算资源保持控制权。
Google 的 AI & Economy ATLAS 项目发布了新的交互式开放数据体验,并基于与 MIT FutureTech 的合作研究揭示了科学家使用 AI 的情况。近半数受访科学家每天使用 AI,每周平均节省近 7 小时;LLM(如 Gemini)与专用模型在不同科学任务中被广泛使用。数据还显示,印度创意产业和美国技术职业的 AI 使用率分别达到全球平均的 1.6 倍和 2 倍。
上海 AI 实验室发布新一代智能体模型 Atria Dawn Preview,基于 744B 参数 MoE GLM-5.2 基座,支持 256K 上下文窗口,专注于科研与工程场景中的环境理解、工具调用和多步任务完成。
推荐理由:原文提供了模型架构、评测基准和部署方式,读者可以据此判断其在科研与工程场景中的实际应用潜力。
NIST 最新发布的指南《保护令牌和断言免受伪造、盗窃和滥用》(NIST IR 8587)为云服务提供商及其客户提供了保护身份和访问令牌的实施建议。指南根据公众反馈对2025年12月草案进行了修订,新增了关于密码学密钥使用、保护和存储的建议,并纳入了处理AI和向后量子密码(PQC)标准迁移的高层考虑。该文档主要面向联邦机构和云服务提供商,帮助双方配置和交付更安全的令牌管理方案。
美国国家标准与技术研究院(NIST)向 12 个州的 MEP 中心拨款超 3000 万美元,用于推动中小制造商采用先进制造技术,包括 AI、机器人、自动化和增材制造。
LangChain 博客分享了施耐德电气、沃达丰和monday.com在欧洲与中东地区规模化智能体的实践经验。
LangChain 发布用于管理付费广告的智能体,支持跨平台数据整合、自动分析与提案,已开源并可通过 Managed Deep Agents 部署至 Slack。该智能体在六个月内使付费媒体贡献营销管道比例从 0 提升至 20%,成本下降 30%,并实现了 40 倍的报告生成效率提升。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
NVIDIA Research 发布 FoundationStereo,一款用于立体图像深度估计的混合 Transformer-CNN 架构模型,可输出高精度的视差图。
NASA 宇航员 Christina Koch 与 Google 高级副总裁 James Manyika 在最新一期“技术与社会的对话”系列中,讨论了从国际空间站的 328 天驻留、历史性的首次全女性太空行走到 Artemis II 绕月任务等经历。他们探讨了从 25 万英里外将地球视为“生命方舟”的视角,以及宇航员、机器人与 AI 之间的重要伙伴关系。
NVIDIA Transformer Engine 通过优化 JAX 中的专家路由,实现了无丢弃的 MoE 训练加速。该技术消除了传统 MoE 训练中因容量因子限制而丢弃 token 的现象,提升了训练效率。
Google 宣布 2026 年 DevFest 开发者大会于 10 月 1 日至 12 月 31 日期间在全球举办,主题为“构建、安全、扩展:智能体时代的开发者与构建者”。
本教程演示如何使用 LangChain 构建基于文档的问答管道,涵盖分块、嵌入向量、检索、引用和 Weave 评估等步骤,并修复常见陷阱。教程包含具体实现流程和工具使用方法,适合希望优化 RAG 系统的开发者参考。内容基于开源框架,未提及具体模型版本或参数规模。
Atlas Building Composites 利用AI驱动的机器人制造平台,将单次使用塑料转化为可支撑4000磅以上重量的复合建材,已在马萨诸塞州湿地区域为美军工程兵团建成40英尺长的桥梁。该系统采用无水回收技术,每小时可生产150至200磅结构件,单个工厂单元每日可制造约一户小型住宅的承重框架。该技术可实现本地化生产,降低碳足迹并避免传统建材开采与远距离运输。
MIT 研究人员开发了一种名为 HardFlow 的新算法,使生成式 AI 模型在安全关键场景中生成满足严格约束条件的高质量输出。该方法在生成过程中给予模型更多自由度,仅在最终输出时强制执行硬约束,避免了传统方法在中间步骤过度限制导致的性能下降。实验表明,HardFlow 在机器人操作、迷宫导航和文本引导图像编辑等任务中实现了完美的约束满足,同时在解决方案质量上优于现有方法。
千问发布 Qwen-Image-2.1,一个统一文本生成图像与图像编辑的模型,参数量为7B,支持透明图生成、多参考图编辑、局部修改和精细纹理,已在 Hugging Face 和 ModelScope 开源,提供完整代码示例和推理优化方案。
LangChain 发布 GTM 智能体,可自动处理新线索的调研与邮件草稿生成,并聚合账户级信号以支持销售与工程团队。该功能基于 Deep Agents 构建,支持多工具协同、人类审核、学习反馈循环,并已集成至 Slack 与 LangSmith。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
LangChain 在 Managed Deep Agents 中推出 Connections 功能,支持管理凭据和按调用者身份识别。连接分为代理所有(agent-owned)和用户所有(user-owned)两种,前者共享凭据用于通用工具如 Tavily 搜索,后者通过 OAuth 实现用户级身份,支持 GitHub、Linear 等服务。
推荐理由:原文给出了连接管理的三种模式和代码调用方式,读者可以据此判断如何在智能体中实现安全的凭据分离与用户身份识别。
Credit Genie 采用 LangChain 的 OpenWiki 工具,自动化生成和维护代码库文档,解决了文档过时和部落知识问题。该系统每日通过 GitHub Pages 提供统一的可搜索界面,并在代码库中 openwiki/ 文件夹自动生成文档更新。团队通过此工具提升了跨系统协作效率,减少了手动维护需求,目前正计划整合内部跨仓库知识图谱以增强其智能性。
GitHub 日本与韩国营销负责人利用 GitHub Copilot 和 GitHub Actions,将营销活动从策划到跟进的全流程自动化。该系统以 GitHub Issue 为起点,通过 Issue 表单、标签和 Actions 工作流,自动处理活动落地页创建、链接生成、邮件发送、CRM 数据同步等重复任务。
AI 原生营销建立在三个战略支柱之上:在不断变化的客户旅程中保持可见性、在嘈杂市场中实现差异化以及持续编排。生产力只是实现这些优势的基线,仅能创造容量而非竞争优势。根据 WRITER 的框架,AI 驱动的工作流可处理 80% 的战术工作,而 Forrester Consulting 的研究显示,采用该框架的复合组织实现了 333% 的投资回报率,投资回收期不到 6 个月。
MIT Lincoln Laboratory 与麻省总医院开发的 AI-GUIDE 医疗设备获得联邦实验室联盟 2026 年技术转让卓越奖。该便携设备结合定制 AI 软件与商用手持超声技术,辅助用户在院前环境中进行血管内导管置入,原型正转移至初创公司 AutonomUS Medical Technologies 以实现商业化。
Together Fine-Tuning 新增对 GLM-5.3、Kimi K2.7、Qwen 3.8-27B 等 15 个开源模型的支持,覆盖 0.8B 至 405B 参数规模。服务提供训练中实时指标追踪、专家层 LoRA 微调、自动早停与任意有效批大小支持,验证损失下降时自动终止训练并退款。部分模型训练价格下调最高达 70%,支持通过 API、CLI 和 UI 全流程管理微调任务。
Google Research 提出 ToolGrad,一种基于答案优先的高效工具使用数据集生成方法,通过文本“梯度”迭代构建复杂 API 工作流,生成成本更低且通过率更高。