Co-Scientist筛选肝纤维化旧药
DeepMind 披露斯坦福研究团队使用 Co-Scientist 从既有药物文献中寻找肝纤维化再利用候选药。研究者让系统提出候选并解释依据,再与人工候选一起进入实验验证。
DeepMind 披露斯坦福研究团队使用 Co-Scientist 从既有药物文献中寻找肝纤维化再利用候选药。研究者让系统提出候选并解释依据,再与人工候选一起进入实验验证。
DeepMind 称 WeatherNext 帮助美国国家飓风中心提前判断飓风 Melissa 将从一级迅速增强至五级,并预测其登陆牙买加。该预报为当地社区争取了更长预警和疏散准备时间。
Google DeepMind发布Gemini 3.5系列,首发3.5 Flash,强调前沿智能、Agent能力和编码表现。该模型已面向Gemini应用、搜索AI模式、Antigravity、Gemini API及企业平台开放,3.5 Pro仍在开发中。
IBM/Hugging Face 发布 Apache 2.0 许可的 Granite Embedding Multilingual R2,包括 97M 和 311M 两个 ModernBERT 架构模型。新模型覆盖 200 多种语言、支持 32K 上下文,并提升多语种与代码检索表现。
Hugging Face 发布高效 LLM 推理系列文章,介绍如何将 CPU 与 GPU 工作解耦,以减少连续批处理之外的等待浪费。文章面向推理服务成本优化,强调提升 H200 等 GPU 的实际利用率。
Google DeepMind介绍Co-Scientist多智能体AI科研伙伴项目,目标是通过假设生成、评估和跨学科推理加速科学研究。该项目由医学、AI和生物科学团队联合推进,是其AI科研自动化布局的重要组成。
Hugging Face介绍在AWS上进行基础模型训练与推理的基础组件,涵盖加速器集群、低延迟网络、分布式存储、资源编排和可观测性。文章强调开源软件生态在模型开发、集群管理和规模化部署中的作用。
Hugging Face总结将强化学习工作负载从vLLM V0迁移到V1的校准过程,修复了rollout logprobs、运行时默认值、权重更新路径和fp32 lm_head等差异。文章强调先保证后端行为正确,再调整RL目标。
Google DeepMind称Gemini驱动的编码Agent AlphaEvolve已从试点进入核心基础设施,用于优化下一代TPU设计、缓存替换策略等任务。其部分电路设计已被集成进新一代TPU硅片,显示AI辅助硬件与算法优化的实际价值。
Hugging Face为Open ASR Leaderboard引入由Appen和DataoceanAI提供的高质量英语语音识别私有数据集,覆盖脚本和会话语音及多种口音。默认平均WER仍基于公开数据,用户可切换查看私有集影响,以降低刷榜和测试集污染风险。
Google DeepMind宣布AI co-clinician研究计划,探索AI如何放大医生专业能力并提升患者护理质量。项目面向全球医护短缺背景,延续其从医学考试模型到临床辅助系统的医疗AI路线。
IBM Granite团队发布Granite 4.1 dense LLM家族,包含3B、8B和30B模型,训练约15T tokens并支持最高512K长上下文。模型经SFT和GRPO强化学习优化,8B instruct宣称可匹敌或超过上一代32B MoE小模型,并以Apache 2.0开源。
Hugging Face宣布DeepInfra成为Hub上的Inference Provider,开发者可在模型页面及JS、Python SDK中直接调用。DeepInfra提供覆盖100多个模型的无服务器推理服务,主打较低token价格和快速集成。
NVIDIA Nemotron 3 Nano Omni 发布,面向文档、图像、音频、视频和代理式电脑使用等场景。该模型扩展了 Nemotron 多模态能力,并在复杂文档理解、视频音频理解等榜单上取得领先表现。
Google DeepMind宣布与韩国科学技术信息通信部建立合作,围绕前沿AI推动科学突破、产业创新和本地人才培养。合作借AlphaGo首尔对局十周年节点展开,强调韩国在AI经济转型中的战略位置。
Hugging Face 展示如何用 OpenAI Privacy Filter 构建可扩展 Web 应用,包括文档隐私查看、图片匿名化和文本脱敏分享。文章重点介绍 gradio.Server 如何承载自定义前端、队列、ZeroGPU 和 SDK 调用。
DeepSeek-V4 面向长时间运行的 Agent 工作负载,强调百万 token 上下文不仅要容量,还要降低 KV cache 和推理成本。文章解析其架构与后训练设计,意在解决长任务中断、上下文溢出和工具调用退化等问题。
Hugging Face 发布 Transformers.js Chrome 扩展教程,介绍在 Manifest V3 约束下运行本地 AI 的架构。示例包含后台 service worker 承载模型、侧边栏聊天 UI 和内容脚本页面操作。
Google DeepMind提出Decoupled DiLoCo分布式训练架构,将大规模训练拆分到相对解耦的计算岛上,以降低跨数据中心带宽需求并提升硬件容错能力。该方法瞄准未来前沿模型训练中同步成本和集群可靠性的瓶颈。
Google DeepMind宣布与埃森哲、贝恩、BCG、德勤和麦肯锡合作,推动前沿AI在全球企业中的落地。合作瞄准企业AI规模化采用不足的问题,试图通过咨询网络将Gemini等能力嵌入业务转型。