内容形态
论文不再难啃：重要论文的通俗解读，讲清新方法为什么重要、对实践有什么启发。
6 条精选近 30 天 3 条共收录 16 条
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。
Google Research 提出 AI video co-director，一个基于 Gemini 和 Veo 的统一多智能体框架，用于自动化连贯长视频生成。
推荐理由：原文给出基于 Gemini 和 Veo 的多智能体编排方法，展示长视频一致性如何从提示链转向全局优化与闭环修正的生成流程。
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。
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。
Berkeley AI Research 团队提出 GRASP，一种用于学习世界模型的梯度规划器，通过状态提升、状态噪声和动作梯度替代脆弱状态梯度，使长时程规划更可行。在 Push-T 上，GRASP 在 H=40 至 H=80 的成功率分别为 59.0%、43.4%、26.2%、16.0%、10.4%，中位成功时间分别为 8.5s、15.2s、49.1s、79.9s、58.9s。
推荐理由：原文给出长时程世界模型规划的可迁移方法，用状态提升、噪声探索和动作梯度替代脆弱状态梯度，降低优化脆弱性。
Berkeley AI Research 介绍 SPEX 与 ProxySPEX，用稀疏恢复和层次结构从大规模候选交互中识别关键交互。文章展示其在长上下文特征归因、CIFAR-10 数据归因和 MMLU 注意力头剪枝中的应用，ProxySPEX 可用约 10 倍更少消融达到 SPEX 性能。
推荐理由：原文给出两种算法用更少消融发现关键交互，并展示其在长上下文、数据归因和注意力头剪枝中的可迁移方法。