Google 用高温超导研究问题测试 LLM：NotebookLM 与自建 RAG 系统表现最佳
Google 与康奈尔大学合作，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和一套自建 RAG 系统回答 67 道高温超导专家级问题，由 12 位国际专家盲评打分。NotebookLM 在多数维度表现突出，自建 RAG 系统紧随其后，两者与 Gemini 在观点平衡性和答案全面性上排名前三。
网站与博客
媒体报道、公司博客与研究文章
按账号或来源筛选（70）
全部网站与博客新闻IT Home8666 条Simon Willison353 条OpenAI News317 条TechCrunch · AI267 条The Decoder251 条Hugging Face Blog151 条The Verge · AI144 条Claude Blog135 条elsewhere articles110 条Google Research108 条OpenRouter Announcements103 条Mistral AI88 条Tomer Tunguz81 条Databricks Blog76 条Sierra Blog67 条Anthropic Newsroom65 条Gary Marcus64 条Claude Platform release notes62 条Runway News62 条LMSYS Blog60 条Google DeepMind58 条a16z News49 条LangChain Blog48 条Suno Blog48 条NVIDIA Blog47 条ByteByteGo46 条Apple Machine Learning Research43 条Google Blog: AI41 条Google Developers Blog35 条Cursor Blog33 条Microsoft AI News32 条Linear Now30 条AWS Machine Learning Blog29 条Google Cloud: Databases28 条Dwarkesh Patel27 条Ars Technica · AI26 条Nathan Lambert: Interconnects25 条Latent Space24 条DeepSeek API updates23 条Sakana AI Blog23 条Anthropic Research21 条Import AI21 条AI as Normal Technology20 条MIT Technology Review · AI16 条GitHub Blog · AI & ML12 条Meta Engineering11 条Berkeley AI Research10 条Microsoft Research10 条Black Forest Labs Blog8 条ByteDance Seed Papers8 条ElevenLabs Blog8 条Gemini API 更新日志8 条Manus Blog8 条MarkTechPost8 条MiniMax Blog8 条Qwen Blog8 条Together AI Blog8 条Every latest articles6 条ByteDance Seed Research5 条xAI：News5 条Thinking Machines Lab Blog4 条CMU Machine Learning Blog1 条Sam Altman Blog1 条MarkTechPost · 历史来源106 条xAI News · 历史来源73 条Artificial Intelligence News · 历史来源48 条Claude YouTube · 历史来源41 条Ars Technica: AI · 历史来源18 条GitHub Blog · 历史来源17 条Lilian Weng's Log · 历史来源2 条
12,465 条AI 相关新闻 · 最新在前
Google ResearchAI 评分4949 LMSYS BlogAI 评分4343 Miles 强化学习框架新增 ROCm 支持，可在 AMD Instinct GPU 上运行
Miles 开源强化学习框架现已支持 ROCm，可在 AMD Instinct MI300/350 系列 GPU 上原生运行大规模 RL 后训练。该框架基于 SGLang 和 Slime 生态，支持 GRPO/PPO、Ray 编排及 Megatron-LM 集成，并提供预构建容器。
Mistral AIAI 评分5959 Mistral 发布开源 Lean 4 证明智能体 Leanstral
Mistral 发布 Leanstral，称其为首个面向 Lean 4 的开源代码智能体，权重以 Apache 2.0 许可开放，采用 120B-A6B 稀疏架构，并可通过 Mistral Vibe 和 labs-leanstral-2603 API 端点使用。
Berkeley AI ResearchAI 评分4545 伯克利 AI 研究提出 SPEX 与 ProxySPEX：为 LLM 大规模识别关键交互
伯克利 AI 研究提出 SPEX 与 ProxySPEX 算法，用于在大规模 LLM 中识别驱动模型输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展至数千特征时仍保持高忠实度，而 LIME、Banzhaf 等边际方法忠实度明显更低。
Linear NowAI 评分4242 Linear 推出更平静的界面改版：减少图标、弱化侧边栏、软化分隔线
Linear 发布视觉界面改版，通过调暗导航侧边栏、压缩顶部标签、减少图标使用并软化边框对比，让主内容区更突出。改版借助内置 dev toolbar 一键切换 feature flags 对比新旧版本，并用 Claude Code 在数小时内构建出可调 hue、chroma、lightness 的颜色工具，其 token 值以 JSON 导入 Figma。
Sierra BlogAI 评分3232 Sierra 在西班牙马德里开设办公室
对话式 AI 平台 Sierra 宣布在西班牙马德里开设办公室，并已与多家西班牙大型企业合作构建 AI 客户体验。Sierra 智能体可覆盖产品推荐、注册、账户管理、故障排查、忠诚度计划与流失管理等场景；英国零售商 Next 六周上线，覆盖 83 个国家 48 种语言，Cigna 八周投产并将患者认证时间缩短 80%，Singtel 十周上线，解决率超 70%。
Google Research精选AI 评分6262 Google 在 Flood Hub 上线 AI 城市山洪预报，可提前 24 小时预测风险
Google Research 宣布在 Flood Hub 上推出城市山洪预报，借助基于 Gemini 的 Groundsource 方法从新闻报告中提取历史山洪数据，用 LSTM 模型提前 24 小时预测城市山洪风险。
推荐理由：原文给出 Flash Flood 预报的技术路线和与 NWS 的对比指标，读者可以了解 AI 预警如何弥补全球南方的预警缺口。
Microsoft AI News精选AI 评分6060 Microsoft 发布 Copilot Health 健康助手
Microsoft 推出 Copilot Health，这是 Copilot 内的独立安全空间，可整合健康记录、可穿戴设备数据与健康历史并生成个性化健康洞察。
推荐理由：官方宣布 Copilot Health 上线并给出数据整合规模、隐私隔离措施和分阶段开放方式，读者可以了解其功能边界与使用入口。
Google ResearchAI 评分5555 Google 发布 Groundsource：用 Gemini 将新闻报道转化为历史洪水数据集
Google 推出 Groundsource 方法，利用 Gemini 从 80 种语言的新闻报道中提取并验证历史洪水事件，构建覆盖 150 多个国家、2000 年至今的 260 万条记录数据集并开放获取。
Runway NewsAI 评分5757 Runway 发文探讨 Characters 实时视频智能体的安全风险与防护措施
Runway 发文说明其本周发布的实时视频智能体 API Runway Characters 的安全考量，该产品基于 World Model GWM-1，可从单张图像生成可对话的定制角色。
Google Research精选AI 评分6767 Google AMIE 完成 BIDMC 真实门诊前瞻性可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作完成 AMIE 对话式诊断 AI 的前瞻性单中心可行性研究，100 名成人在初级保健就诊前与 AMIE 对话采集病史，全程由医生实时监督，未发生一次安全中止。
推荐理由：这是 AMIE 首次在真实门诊流程中开展的前瞻性可行性研究，给出安全性、诊断质量和医患体验的具体数据。
Runway NewsAI 评分3434 Runway 推出内部孵化器 Runway Labs，探索生成式视频新应用
Runway 宣布成立内部孵化器 Runway Labs，专注探索生成式视频与 General World Models 的下一代应用。该孵化器由联合创始人兼首席创新官 Alejandro Matamala Ortiz 领导，负责孵化处于 AI 视频前沿的实验性产品。Runway 同时启动招聘，招募设计、ML、全栈及 AI 工程师与创业者。
Mistral AI精选AI 评分6363 Mistral 基于 Vibe 构建自动编写 Rails RSpec 测试的智能体
Mistral 构建了一个自主智能体，读取 Rails 源码并生成或改进 RSpec 测试，在 CI/CD 流水线中无人干预运行，基于开源编码助手 Vibe 搭建，通过 AGENTS.md、分类 skills 文件和 RuboCop、SimpleCov 自定义工具实现。
推荐理由：原文完整给出了用 Vibe 搭建 Rails 测试智能体的方法，AGENTS.md、skills 和自纠工具的做法可迁移复用。
LMSYS Blog精选AI 评分6161 SGLang 支持 NVIDIA Nemotron 3 Super，面向高效多智能体系统
SGLang 宣布 Day 0 支持 NVIDIA Nemotron 3 Super。该模型为 120B 参数混合 MoE，每次前向仅激活 12B 参数，采用混合 Transformer-Mamba 架构，支持 1M token 上下文、多 token 预测和思考预算，相比上一代 Nemotron Super 1.5 吞吐提升至 5 倍。
推荐理由：原文给出模型架构、吞吐与准确率对比和 SGLang 部署命令，读者可以据此评估在多智能体工作流中的实际可用性。
Microsoft AI NewsAI 评分5353 微软发布 Health Check 报告：分析 50 万条 Copilot 健康对话的使用模式
Microsoft AI 分析 2026 年 1 月超过 50 万条 Copilot 健康与 wellbeing 相关对话，发现近 1/5 对话涉及用户描述自身症状、解读检查结果或管理病情，约 40% 的问题聚焦症状、疾病和治疗信息。
AI as Normal Technology精选AI 评分7070 AI as Normal Technology 团队发布论文《Towards a Science of AI Agent Reliability》
Sayash Kapoor、Arvind Narayanan 与 Stephan Rabanser 等人发布 66 页论文《Towards a Science of AI Agent Reliability》，将智能体可靠性拆解为一致性、鲁棒性、可预测性、安全性四维共 12 项指标。
推荐理由：论文把智能体可靠性拆成12个维度并实测14个模型，显示18个月内准确率大涨而可靠性仅小幅提升。
LMSYS BlogAI 评分5252 SGLang 在 NVIDIA GB300 NVL72 上实现最高 25x 推理性能提升
SGLang 团队与 NVIDIA 合作宣布，在 SemiAnalysis InferenceXv2 基准上，SGLang 运行 DeepSeek R1 在 GB300 NVL72 上相比 H200 实现最高 25x 性能提升，同时不到 4 个月内将 GB200 NVL72 上的性能提升最高 8x。
LMSYS BlogAI 评分4040 在 GB300 NVL72 上部署 DeepSeek：长上下文推理大幅提速
SGLang 在 GB300 NVL72 上部署 DeepSeek R1-NVFP4，128K/8K 长上下文场景下实现 226.2 TPS/GPU，较 GB200 提升 1.53X；相同吞吐下 MTP 使用户吞吐再提升 1.87X。
LMSYS BlogAI 评分4747 SGLang-Diffusion 如何为生产级视频生成做深度优化
SGLang-Diffusion 公布面向生产级视频生成的进阶优化，覆盖并行策略、VAE、服务稳定性与 I/O。序列并行从帧级改为 token 级分片，在 8×H100 上把填充开销从 3 帧（14.3%）降到 0，all-to-all 通信量降至 0.875×。同时为 Wan-VAE 实现按高度分片的并行编解码，并修复 Cache-DiT 在多请求服务下的缓存污染与崩溃问题。
MiniMax BlogAI 评分5454 MiniMax 发布 Forge 可扩展 Agent RL 框架及配套算法
MiniMax 发布内部 RL 框架 Forge，通过中间件解耦架构、Windowed FIFO 调度、前缀树合并和 CISPO 算法解决 Agent RL 的吞吐、稳定性与灵活性冲突。该框架在 MiniMax M2.5 训练中接入超过 10 万种真实 Agent 脚手架与环境，上下文长度达 200k，日吞吐量达百万级样本；前缀树合并带来 40x 训练加速。
Sierra BlogAI 评分4343 Sierra 如何在不改变 Agent 行为的前提下稳定服务 LLM
Sierra 构建了 Multi-Model Router（MMR）与拥塞感知的 provider 选择器两层基础设施，在 provider 出现限流或容量波动时保持 Agent 行为一致。
AI as Normal TechnologyAI 评分4949 AI 不会自动让法律服务更便宜
一篇发表于 Lawfare 研究论文系列的文章指出，先进 AI 默认不会帮消费者以更低成本获得理想法律结果，因为监管壁垒、对抗性动态和人类参与这三重瓶颈仍待解决。文章以 GPT-4 通过律师资格考试为背景，指出即便生产力提升、单项法律任务成本下降，诉讼双方仍会陷入工作量军备竞赛，总成本居高不下。
LMSYS BlogAI 评分4141 千问（Qwen）与 AMD 在 MI300X 上优化 Qwen3 与 Qwen3-VL 推理延迟
千问 C 端基础设施工程团队与 AMD AI 框架团队基于 SGLang，在 AMD Instinct MI300X 系列 GPU 上对 Qwen3-235B 和 Qwen3-VL-235B 完成极端延迟优化。
Sierra BlogAI 评分5151 Sierra 年度复盘：ARR 超 1.5 亿美元，第三个运营年度开局
Sierra 创始人 Bret Taylor 与 Clay Bavor 发布第二年度复盘，公司继七个季度达成 1 亿美元 ARR 后迎来首个 5000 万美元季度，进入第三年时 ARR 超过 1.5 亿美元。
Suno BlogAI 评分3838 Suno Studio 1.2 更新：新增 Remove FX、Warp Markers 与拍号支持
Suno 为 Premier 订阅者的 Suno Studio 推出 1.2 版本，新增 Remove FX 可去除音频片段效果并导出无效果版本至 DAW，Warp Markers 支持配合 Quantize 调整音频时序与律动。该版本还引入 Alternates 优化 take lanes 试听流程，并支持 4/4 以外的拍号，如 6/8、7/8 和 11/4。
Mistral AI精选AI 评分6464 Mistral 发布 Voxtral Transcribe 2 语音转写模型，Realtime 开放权重
Mistral 发布 Voxtral Transcribe 2 系列，包含 Voxtral Mini Transcribe V2（批量转写）和 Voxtral Realtime（实时转写），支持 13 种语言的说话人分离、上下文偏置和词级时间戳。
推荐理由：官方给出了两个语音转写模型的具体延迟、错误率和价格，并开放了 Voxtral Realtime 权重，便于按场景选型。
AI as Normal TechnologyAI 评分6262 Arvind Narayanan 考证 Moravec 悖论：一个从未被实证检验的经验法则
Arvind Narayanan 在其新文章和视频中逐条考证 Moravec 悖论（对人类难的任务对 AI 容易、反之亦然），指出它从未被实证检验，本质是 AI 社区认为值得研究的问题造成的筛选效应，其演化解释也很可疑。
Mistral AI精选AI 评分7070 Mistral 发布 Mistral Vibe 2.0 终端编码智能体并调整 Devstral 2 定价
Mistral AI 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选澄清、斜杠命令技能和统一智能体模式。
推荐理由：官方公告给出 2.0 的功能清单、订阅方案和 Devstral 2 API 定价，读者可以据此评估是否把它纳入自己的终端开发工作流。
LMSYS BlogAI 评分4646 SGLang RL 团队实现 INT4 QAT 端到端训练：1TB 模型单卡 H200 部署
SGLang RL 团队联合 InfiXAI、蚂蚁集团等团队，在 slime 框架上落地了 INT4 QAT 端到端方案，训练用 fake quantization、推理用 W4A16，实现与 BF16 全精度相当的训练-推理一致性。
Sierra BlogAI 评分3535 Sierra 推出 Expert Answers：把客服对话转化为 AI 智能体的复利知识
Sierra 发布 Expert Answers，可将 AI 智能体转交人工解决的客服对话自动生成可审核的知识文章，并回灌给智能体。该功能会识别智能体的知识缺口、学习相似问题的解决模式并生成草稿，供客服团队审核而非从零撰写。一家数字健康公司用其生成的文章测试部分流量，解决率提升 4% 且未增加客服工作量，随后全面铺开。
Mistral AIAI 评分5656 Mistral AI 深入排查 vLLM 内存泄漏，定位到 UCX 的 mmap 钩子机制
Mistral AI 团队在预生产测试中发现，使用 vLLM 部署 Mistral Medium 3.1 并开启 graph compilation 的 Prefill/Decode 分离式推理下，系统内存以每分钟 400 MB 的速度线性增长，最终导致 out of memory。
LMSYS BlogAI 评分5050 Novita AI 为 GLM4-MoE 打造 SGLang 生产优化：TTFT 降低 65%
Novita AI 基于 SGLang 为 GLM4-MoE 推出一套生产级推理优化方案，通过 Shared Experts Fusion 与 Suffix Decoding 等技术，在 H200 集群 TP8、FP8 配置下将 TTFT 最多降低 65%，智能体编程负载下 TPOT 改善 22%。
LMSYS Blog精选AI 评分6363 SGLang-Diffusion 两个月迭代：推理速度最高提升 2.5 倍并集成 ComfyUI
SGLang-Diffusion 团队发布发布两个月进展总结，当前版本（docker 镜像 lmsysorg/sglang:dev-pr-17247）比 2025 年 11 月初始版最快提升 2.5 倍，在 NVIDIA GPU 上比其他方案最高快 5 倍。
推荐理由：官方复盘两个月迭代成果，涵盖新模型支持、LoRA 与 ComfyUI 集成等具体改进，读者可评估是否迁移现有扩散推理工作流。
LMSYS BlogAI 评分4848 SGLang 流水线并行如何扩展至百万级 Token 上下文
SGLang 推出高度优化的流水线并行（PP）实现，融合分块流水线并行、异步 P2P 通信与动态分块机制，专为超长上下文推理设计。在 H20 集群上以 PP4 TP8 部署 DeepSeek-V3.1、分块预填充设为 12K 时，预填充吞吐达 TP8 的 3.31 倍，比 TP32 方案高出 30.5%，同时 TTFT 最多降低 67.9%，强扩展效率保持 82.8%。
Sierra BlogAI 评分3535 Sierra 与 Stellarus 合作推进 AI 医疗会员体验新模式
Sierra 与 Stellarus 达成合作，帮助健康计划大规模部署 AI 智能体。双方与 Blue Shield of California 合作推出的 AI 语音智能体上线六个月，可 24/7 回答福利与覆盖范围等会员咨询，在数千次交互中取得 4.4（满分 5）的客户满意度评分。双方下一步将从被动支持转向主动的 AI 驱动互动。
LMSYS BlogAI 评分5050 SGLang 推出 EPD 分离架构：面向视觉语言模型的弹性编码器扩展
SGLang 推出 Encoder-Prefill-Decode（EPD）分离架构，将视觉编码从语言处理中拆出，编码器服务器可独立横向扩展，并兼容现有 PD 分离形成三层架构。
Berkeley AI ResearchAI 评分4747 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测下游解码性能。该方法在 NeurIPS 2025 论文中展示，优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器。
LMSYS BlogAI 评分5656 LMSYS 联合蚂蚁、美团等发布 SpecBundle（Phase 1）与 SpecForge v0.2
SpecForge 团队联合蚂蚁集团、美团、Nex-AGI 和 EigenAI 发布 SpecBundle（Phase 1），提供覆盖 8B 到 1T 参数主流 instruct 模型的生产级 EAGLE3 草稿模型权重，最高可达 4 倍端到端推理加速。
Linear NowAI 评分4848 设计不只是写代码：Linear 谈 AI 时代设计师与工程师的角色演变
Linear 发文讨论“用代码做设计”之争，认为把设计等同于代码是过度简化，真正的问题是 AI 与新工具下设计师和工程师的角色如何演变，是否会出现“head of craft”这类新职位。文章主张先厘清问题本身再谈方案，并指出代码虽是软件的载体，但并非所有决策都应在代码中做出。
Sierra BlogAI 评分3939 Sierra 推出 Workspaces：让团队并行开发 AI 智能体
Sierra 发布 Workspaces，将 GitHub、Figma 式的协作模式引入 AI 智能体开发，支持团队成员在各自 Workspace 中并行构建、测试，再通过合并生成快照并发布到 QA、staging 或生产环境。