跳到正文
#开源学习
  1. Google DeepMind78

    Google DeepMind 发布 EmbeddingGemma 2 开放轻量多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，这是一个 740M 参数的开放轻量多模态嵌入模型。它基于 Gemma 4 架构，采用 Apache 2.0 许可，支持文本、代码、图像、视频和音频统一嵌入，并提供 8K token 上下文窗口。

    推荐理由：原文给出 740M 参数、8K 上下文窗口、MRL 截断维度和端侧内存占用，便于判断本地多模态检索可用性。

  1. GitHub Blog · AI & ML71

    GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准

    GitHub 发布 ReviewBench，一个面向 AI 代码审查的开放离线基准，基于 103.9M 个 GitHub pull request 分布构建，包含 219 个公开 pull request。

    推荐理由：原文给出 ReviewBench 的公开数据、评分规则、指标切片和 Copilot 离线到线上对照，便于比较不同代码审查智能体的强弱与偏好选择。

  1. Hugging Face Blog75

    Microsoft ThinkingBox 通过 Hugging Face 开放智能体数据库终态评测

    Microsoft ThinkingBox 现已通过 Hugging Face 开放，用数据库终态和副作用评测 AI 智能体，而不是只看最终回复或工具调用。ThinkingBox-Bench 覆盖 507 个有状态业务工作流，每个任务重复 20 次，并报告 pass@1、pass@20 和 observed 20/20。失败诊断显示约 79.9% 的失败来自工具使用，而不是推理。

    推荐理由：原文给出以数据库终态和副作用评测智能体的方法，读者可据此检查工具调用之外的真实结果与多次运行稳定性。

  1. Google Research66

    Google 发布下一代基于 TEE 的可验证联邦学习系统

    Google 发布下一代联邦学习系统，用 TEE 提供可验证和可审计的数据匿名化保证，Gboard 已采用。Gboard 已部署英语和日语 next word prediction 模型，获得更强隐私保证和更高准确率，训练时间也显著缩短。访问策略发布到 Rekor 公共透明日志，KMS 只向匹配策略的 TEE 工作负载提供解密密钥。

    推荐理由：Google 用 TEE 构建可验证联邦学习系统，把训练逻辑放入可远程证明的执行环境，Gboard 已用于英语和日语 next word prediction，并带来更强隐私保证与更高准确率。

  1. Google DeepMind67

    Google DeepMind 发布 SynthID Bio 合成生物学水印工具

    Google DeepMind 发布 SynthID Bio，将 SynthID 水印技术用于合成生物学，把不可感知签名嵌入蛋白序列和 3D 结构。湿实验中水印蛋白保持结合功能，可帮助 DNA 合成筛查和公共数据库标注。官方将开源代码和体外数据，并向研究社区发布权重。https://deepmind.google/blog/introducing-synthid-bio/

    推荐理由：原文展示水印蛋白在湿实验中保持结合功能，为人工智能生成生物设计的来源验证和 DNA 合成筛查提供可落地路径。

  1. GitHub Blog · AI & ML72

    GitHub Security Lab Taskflow Agent 实现 AI 驱动 fuzzing

    GitHub Security Lab 开源了 Fuzzing Taskflow，一个基于 GitHub Security Lab Taskflow Agent 的 C/C++ 自动 fuzzing 流水线。

    推荐理由：原文展示 GitHub Security Lab 将 LLM 智能体的决策与 MCP 工具的执行分离，把 C/C++ 项目 fuzzing 中的 harness 编写、覆盖率追踪、crash triage 和漏洞报告生成交给开源自动化流水线。

  1. Microsoft Research63

    Microsoft Research 为 Physical AI Toolchain 增加机器人推理卸载能力

    Microsoft Research 在 Physical AI Toolchain 中新增机器人推理卸载能力，可用 Kubernetes 工具将推理部署到边缘或云端 GPU。

    推荐理由：原文比较了机载 GPU 与边缘或云端推理在移动操作任务中的表现，并量化了任务成功率、延迟和电池寿命差异。

  1. Microsoft Research62

    Microsoft Research 的 RetroChimera 提升小分子规模化合成预测

    Microsoft Research 在 Nature 发表 RetroChimera，开源实现与权重，GitHub 可访问。模型组合 R-SMILES 2 与 NeuralLoc，用学习式集成排序生成逆合成预测。盲测中博士级化学家偏好其反应预测，10 个挑战目标的多步路线成功 9 个，高于 de novo 5、editing 4 和 NeuralSym 2。

    推荐理由：原文给出 Nature 论文中的双模型集成、盲测偏好和开源入口，读者可据此判断逆合成预测如何进入可复用的研究工具。

  1. Berkeley AI Research65

    K-Search 如何将数十年 CUDA 内核经验迁移到 Apple Silicon 的 MLX

    IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 扩展 MLX，并构建 CUDA 到 MLX 翻译层，在 Apple Silicon 上达到接近专家水平的内核性能。

    推荐理由：原文展示 CUDA 优化知识如何转成 MLX 架构策略，并给出注意力与 Mamba 预填充的实测对比，便于理解跨硬件内核优化如何迁移。

已经到底了