微软研究院：从合成企业数据评估到真实微软 Copilot AI 信心
微软研究院发布合成企业数据评估平台，旨在解决企业规模下 Copilot 评估中缺乏真实数据的问题。平台基于 O*NET 职业数据、在线职位发布和 SEC 备案等公开数据源，生成全量合成企业环境，模拟真实业务流程（如临床试验审查、合规沟通、代码审查等），且全程不使用客户数据。
阅读原文 来源：Microsoft Research
#数据分析
Microsoft Research一手 Latent Space AINews：AI Engineer 会议回顾与行业技术要点
AINews 作为 Latent Space 的栏目，本期通过 AIE CODE 会议回顾 2026 年 AI 工程师大会的三大主题：Scaling without Slop 讨论 Tokenmaxxing 与 Slop 管理、System One models 作为大模型的替代方向、Increasing Ambition 展示从浏览器到 Photoshop 的重写进展。
阅读原文 来源：Latent Space
Latent Space Gemini 4 Carbon 登顶基准，首次对外开放给网络安全人员
Google DeepMind 发布 Gemini 4 Carbon，较 Argon 更进一步，在 Artificial Analysis 综合基准中登顶，首次在 AAII 历史上超越 GDM。
阅读原文 来源：Latent SpaceMIT Technology Review · AI Creating AI value with enterprise context
MIT Technology Review Insights 调查显示，尽管每家公司都在使用 AI，但仅有 16% 的企业能提取转型价值。大多数公司仍在试点或使用辅助工具，仅 12% 部署 AI 代理，3% 用于关键流程。Atlan 联合创始人 Sankar 强调，缺乏“语境层”是关键瓶颈，该层可将企业智能转化为可机器使用的上下文，帮助 AI 代理理解业务。
阅读原文 来源：MIT Technology Review · AILangChain Blog 如何使用 OpenWiki 和图构建证据为基础的 agent 记忆
在 111 份保险文档的合成库中测试，搜索准确率 0.10 升至 0.52，证据图进一步提升至 0.58。wiki 使 agent 避免在每次提问时重构跨文档关系，将成本从每题 0.55 美元降至 0.19 美元。
阅读原文 来源：LangChain Blog
BeInCrypto AI代理支付风险报告：预算限制在恶意指令面前失效
BeInCrypto研究追踪了6.4万笔AI代理支付，发现14款产品可在人设预算限制下自主作业。研究记录了两起恶意指令导致的转账案例：一是攻击者通过Morse码欺骗Grok发布回复，Bankr按指令转账17.5万美元；另一是攻击者入侵AIXBT仪表盘并发布恶意指令，导致10.62万美元ETH转移至攻击者。
阅读原文 来源：BeInCryptoThe Decoder Artificial Analysis 更新智能指数，开源模型 Kimi K3.1 Pro 排名下滑
Artificial Analysis 发布 Intelligence Index 版本 5，开源模型 Kimi K3.1 Pro 从第四名跌至第九名，与闭源模型的差距扩大至 12 分（从 3 分）。
阅读原文 来源：The DecoderAWS Machine Learning Blog一手精选 Exowatt 利用 SageMaker 无服务器模型自定义在精度上超越前沿模型
Exowatt 利用 Amazon SageMaker AI 无服务器模型自定义，在两个部署目标（边缘和云端）上分别微调了 Qwen3-1.7B 和 Qwen3-14B 模型，在报警分类和能源市场分析两项任务上分别实现 0.911 和 0.975 的 macro-F1 分数，显著超越同等规模的前沿模型。
阅读原文 来源：AWS Machine Learning Blog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。
The Decoder 前DeepMind研究员：AlphaGo策略可治愈AI幻觉
前DeepMind研究员Thore Graepel创立Metis Reasoning，旨在通过显式知识账本和搜索机制解决AI幻觉问题。Metis将AlphaGo的预测网络与系统性搜索相结合，用显式知识状态替代模型权重内的知识。
阅读原文 来源：The DecoderThe Decoder精选 OpenAI声称证明指数时间假设错误并解决四维量子场论存在性
OpenAI声称其AI系统在数学领域证明了指数时间假设（ETH）为假，该假设是计算复杂度理论的基石，若成立将使大量依赖ETH的研究失去基础。在计算机科学方面，OpenAI称证明了布尔可满足性问题（SAT）的求解速度可超越指数增长，该结果与P versus NP问题密切相关。
阅读原文 来源：The Decoder推荐理由OpenAI声称在数学、计算机科学和物理三个领域取得重大突破，分别证明了指数时间假设错误、SAT问题可解性以及量子场论在四维的存在性，若属实将对相关理论基础产生深远影响。
AWS Machine Learning Blog一手精选 使用 CDK 在 Amazon Bedrock 托管知识库上构建智能体检索系统
原文构建了一个完整的企业智能体检索解决方案，展示了如何使用 AWS CDK 部署一个基于 Amazon Bedrock Managed Knowledge Base 的智能体系统。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文提供了完整的 CDK 部署方案，展示了如何利用 Amazon Bedrock Managed Knowledge Base 构建企业级智能体检索系统，读者可以学到语义路由、多轮检索、七层观测指标和自动评估的完整实现细节。
Import AI Import AI 478：数学对齐；ProgramBench；Mirendil 展示 RSI 含义
Resolution 自动形式化了统计学习理论中的解析奇点，耗资约 135,000 美元的 token 成本产出 600k 行 Lean 代码，展示了 loss landscape 与泛化关系的自动化研究新路径。
阅读原文 来源：Import AI
The Decoder Fancy harnesses make coding agents more expensive but not better, study finds
研究发现，使用不同的编码代理套件对模型性能影响极小，差异可与单次重复运行的噪音相提并论；OpenCode 在大规模任务中因输出限制落后约 9 点，且无法通过续写提示词修复。套件的主要成本驱动在于系统提示词与工具描述，Claude Code 的系统提示词约 16,600 字符，使单次任务成本最高可达 mini-SWE-agent 的 3 倍，但这并未转化为性能提升。
阅读原文 来源：The DecoderGoogle Research一手精选 Google Research发布用于结核病筛查的开放基础模型，支持全球公共卫生系统本地化部署
Google Research团队与合作伙伴合作，将基础模型应用于结核病（TB）筛查，旨在解决偏远地区放射科短缺的问题。文章报道了AI模型在胸部X光片上检测结核病的性能，并通过与Nexus AI等公司的合作获得监管批准（CE MDR Class IIb）并在南非、塞拉利昂等国的40家医疗机构部署，已筛查超2.5万例胸片。
阅读原文 来源：Google Research推荐理由原文展示了从算法研发到临床落地的全链路过程，通过开源模型和本地化部署解决了数据隐私与算力获取难题，读者可了解到AI如何在低资源环境中实现TB筛查的实际落地与规模化。
AWS Machine Learning Blog一手 亚马逊 SageMaker AI 多轮强化学习实操指南：Wordle 训练案例全流程解析
MTRL 通过结果导向的 reward 训练模型在多步任务上表现。本文以 Wordle 为例，展示了从 AgentCore 部署、数据准备、训练到评估的完整 pipeline。
阅读原文 来源：AWS Machine Learning BlogAWS Machine Learning Blog一手 Amazon QuickSight layer maps 增加 Point 和 LineString 支持
Amazon QuickSight layer maps 新增 Point 和 LineString 两种 GeoJSON 几何类型支持，用户可在同一可视化中绘制具体地点（如店铺）并连接路线（如航线），现已支持混合类型 GeoJSON 文件并按选定类型渲染图层。
阅读原文 来源：AWS Machine Learning BlogLangChain Blog AI 智能体检索效率优化：从工具选择到子代理过滤的完整指南
AI 智能体在开放书本考试般的检索任务中面临低效搜索、一次性过载上下文和无效上下文三大问题。文章以竞争情报代理为例，展示了如何使用 glob、grep 等工具先筛选文件名和关键词，通过向量存储实现语义搜索，并让代理决定何时搜索。
阅读原文 来源：LangChain Blog
Hugging Face Blog一手精选 将数据库评分转化为 RL 奖励：基于 ThinkingBox 的带有 ThinkingBox 的后训练智能体
该研究发布了 ThinkingBox-Training，通过构建基于数据库终态状态的可执行奖励函数，对 Qwen3.8-27B 进行了 50 步的 GRPO 微调。
阅读原文 来源：Hugging Face Blog推荐理由基于可执行数据库状态的奖励函数对 Qwen3.8-27B 进行了 50 步 GRPO 微调，使其在 ThinkingBox-Bench 基准测试中通过全部 20 次尝试的任务数从 38 例提升至 107 例，pass@1 从 51.70% 提升至 60.78%，展示了通过离线策略相对难度筛选训练任务后，模型可重复成功率的显著提升。
Hugging Face Blog一手精选 OlmoEarth v1.3：全球卫星嵌入模型发布
Hugging Face 发布 OlmoEarth v1.3，这是一个全球卫星嵌入模型，可将一年卫星时间压缩为每 10 米像素 128 维向量。该模型在 27 项评估中以 128 维嵌入在 20 项任务中得分最高，64 维嵌入在 18 项任务中领先。
阅读原文 来源：Hugging Face Blog推荐理由OlmoEarth v1.3 发布全球卫星嵌入模型并开放预计算嵌入，提供交互式浏览器工具，读者可直接获取跨年份变化分析方法和具体案例。
Microsoft Research一手 Microsoft Research 发布 Flint-interactive：用于创建交互式数据可视化的语言
Microsoft Research 发布 Flint-interactive，这是一个用于创建交互式数据可视化的语言。它允许用户和 AI 代理通过高语义事件和更新算子定义行为，利用编译器自动处理交互逻辑和视觉依赖，从而生成可直接交互的图表，支持链接刷选、跨图交互以及与文本、表格的连动。
阅读原文 来源：Microsoft Research
MIT Technology Review · AI AI的隐性存储成本：推理留下的数据足迹
文章揭示AI推理过程中的隐性存储成本。以AI生成视频为例，后台留存数据可达输出文件130倍，随推理规模增长迅速膨胀。McKinsey预测推理年增长率35%，将占数据中心总需求40%以上。
阅读原文 来源：MIT Technology Review · AIHugging Face Blog一手 IBM Granite 发布多模型时间序列集成方案
IBM 发布 Granite Timeseries Ensemble，提供四种不同架构（PatchTST-FM、Conformer、FlowState、TTM）的预训练模型集成方案，无需训练即可生成点预测和分位数预测。
阅读原文 来源：Hugging Face BlogBeInCrypto 仅1% AI用户占80%支出，AI繁荣极度依赖少数顶层客户
Ramp数据显示仅1%企业驱动80%OpenAI和Anthropic支出，增长近两个月放缓。顶层用户人均月均支出9568美元，因模型价格下降导致增长放缓。约80%顶层用户为风险投资背景，IPO窗口关闭或资金压力可能导致支出收缩，波及模型厂商、云服务商及芯片厂商。AI采用率55.9%仍停滞，前500大盘股持有S&P50046.7%份额，AI繁荣集中度高企。
阅读原文 来源：BeInCryptoHugging Face Blog一手精选 SLM 词汇专门化可在实际应用中将推理成本降低 77%
文章介绍了 VocabX 方法，通过专门化词汇将 SLM 推理成本降低 77%。在 Portuguese essay grader 实验中，模型的平均输出 token 数从 350 降至 101，基于 Qwen3-4B 的基座模型在不改变权重的情况下实现成本大幅下降。
阅读原文 来源：Hugging Face Blog推荐理由文章展示了如何通过专门化词汇显著降低 SLM 推理成本，并提供了具体的实验数据和方法论，读者可直接了解成本优化的关键技术点。
Hugging Face Blog一手 Profiling TorchNeuron (Part 1): AWS Trainium 系统级性能分析指南
本文介绍如何使用 TorchNeuron 对 AWS Trainium 芯片上的模型推理性能进行系统级分析。文章以 RMSNorm 为例，演示了通过 torch.profiler 配合 NeuronConfig 捕获设备和运行时痕迹，并利用 Neuron Explorer 追踪操作从框架调度到硬件执行的全过程。
阅读原文 来源：Hugging Face Blog
AWS Machine Learning Blog一手精选 Laplace 3B 线性注意力模型在 AWS Trainium2 上训练与推理实验报告
i14 在 AWS Trainium2 上训练并推理 Laplace 3B 线性注意力模型。训练阶段在单节点单实例上实现约 120,000 tokens/秒的吞吐量，损失平滑下降至 2.3729；推理阶段通过未修改的 vLLM 引擎在 1,280 并发序列下实现 11,544 output tokens/秒。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文展示了Laplace 3B在Trainium2上训练和推理的具体结果，读者可以了解到线性注意力模型在大规模训练和高并发推理下的性能表现及其固定状态带来的内存优势。
AWS Machine Learning Blog一手 在 Amazon SageMaker HyperPod 上使用 SFT 与 GRPO 微调 GPT-OSS-20B 实现多语言推理
GPT-OSS-20B 是一个只在英语中推理的开放权重模型。在 50 例多语言推理测试中，基座模型仅在 22% 的情况下使用目标语言进行链式思考，且几乎全是英语示例。
阅读原文 来源：AWS Machine Learning BlogAWS Machine Learning Blog一手精选 Amazon Quick与Amazon Bedrock AgentCore实现供应链对话式智能
Amazon Quick与Amazon Bedrock AgentCore通过MCP协议将供应链业务系统转化为可对话的智能体工具，实现从检测中断、评估影响到生成紧急RFQ的全流程自动化。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文展示了Amazon Quick与Amazon Bedrock AgentCore如何通过MCP协议实现供应链跨系统对话，提供从检测到行动的全流程自动化，读者可直接获取部署思路和实际效果对比。
Hugging Face Blog一手精选 NVIDIA Cosmos3-H-Dreams：通过生成式模拟将临床手术带入现实
NVIDIA发布Cosmos3-H-Dreams，这是一个基于临床乳腺切除术录像训练的实时生成手术模拟器。该模型利用Cosmos 3和FlashDreams库，在单张RTX PRO 6000 GPU上实现交互式视频生成，支持通过手术器械动作控制场景，展示了组织变形和器械外观的时序一致性。
阅读原文 来源：Hugging Face Blog推荐理由Cosmos3-H-Dreams展示了在单张RTX PRO 6000 GPU上实时生成临床手术场景的能力，提供了从表格任务到临床手术的迁移路径，并开放了教师微调和蒸馏的完整配方，读者可据此评估其在手术机器人研究中的应用潜力。
AWS Machine Learning Blog一手精选 在 AWS 上使用 AtScale 和 Amazon Bedrock AgentCore 构建语义层以支持智能体 AI
文章介绍了在 AWS 上使用 AtScale 语义层和 Amazon Bedrock AgentCore 构建智能体 AI 的完整流程。首先，文章说明了 AtScale 采用维度模型而非图模型，并使用开放的 Semantic Modeling Language（SML）定义模型，支持 SQL、XMLA 和 MCP 三种协议同时对外提供。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文展示了如何使用 AtScale 的语义层、Amazon Bedrock AgentCore 和 Semantic Modeling Language 构建统一的语义层，读者可学到模型定义、查询下推、身份传播和部署全流程。
AWS Machine Learning Blog一手精选 在 AWS 上使用 Strategy Mosaic 和 Amazon Bedrock AgentCore 构建 Agentic AI 语义层
文章介绍了 Strategy Mosaic 作为语义层在 AWS 上为 Agentic AI 构建统一语义层的完整实现流程。Mosaic 通过两个链接模型（Purchase 模型覆盖 Amazon Redshift，Customer 模型覆盖 Amazon Aurora）实现跨源数据关联，无需 ETL。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文详细介绍了 Strategy Mosaic 语义层在 AWS 上为 Agentic AI 构建语义层的完整技术实现，涵盖了模型链接、指标定义、身份认证和跨源查询执行，读者可直接学习如何将语义层部署到 Bedrock AgentCore 并实现统一的安全与数据访问。
AWS Machine Learning Blog一手精选 基于Denodo和Amazon Bedrock AgentCore在AWS上构建智能体语义层
原文介绍了在AWS上使用Denodo平台构建语义层，实现Amazon Aurora、Amazon Redshift和本地PostgreSQL数据的联邦查询。文章详细说明了如何通过Denodo Virtual DataPort创建基础视图、派生视图和度量视图，以及如何通过Model Context Protocol Server将语义层暴露给AgentCore托管的智能体。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文详细展示了如何在AWS上使用Denodo和Amazon Bedrock AgentCore构建语义层，实现跨多源数据的联邦查询和身份传递，读者可学到具体的MCP Server注册、查询下推和访问控制实现方法。
Hugging Face Blog一手精选 FairStress：深度评估 LLM 决策中的公平性
FairStress 基准通过 1300 万测试用例揭示了模型在面对人口统计信息时决策的隐形不对称。实验发现，当证据支持某候选人时，模型在面对对抗性前缀时更倾向于放弃正确选择，以有利于少数群体候选人，表现出‘逆向过度修正’倾向。
阅读原文 来源：Hugging Face Blog推荐理由FairStress 基准通过 1300 万测试用例揭示了模型在面对人口统计信息时决策的隐形不对称，提供了评估模型在面对对抗性论证时对不同群体偏好的细粒度洞察。
Hugging Face Blog一手精选 ALTK-Evolve：学习记忆在不更新模型权重的情况下登上 τ²-bench 客服任务排行榜首位
ALTK-Evolve 通过学习代理在 τ²-bench 任务中的尝试，将成功与失败提炼为简短的行为规则，并将其追加到系统提示词中。
阅读原文 来源：Hugging Face Blog推荐理由原文展示了在不更新模型权重的情况下，通过学习到的指南针（learned guidelines）显著提升了基于 GPT-4.1 的客服智能体在 τ²-bench 零售领域的 Pass^4 从 57.5% 提升至 67.5%，并登上排行榜首位，这为提升 LLM 智能体可靠性提供了无需微调的有效方法。
MIT Technology Review · AI AI采用率报告：各行业差异与职业发展启示
调研数据显示，AI采用率在各行业呈现明显分层，技术行业领先，金融紧随其后，医疗和教育等非技术行业初期接触较少。约79%的工作者被要求学习新技能，其中判断AI输出正确性的技能仅有30%的管理者认为必须掌握。
阅读原文 来源：MIT Technology Review · AITechCrunch · AI Hugging Face 政策负责人：嵌入式评估并非轻松解决方案
Irene Solaiman 指出，当前 AI 基准测试缺乏可重现性且难以跨评估对比，嵌入式评估生态尚不成熟。Anthropic 雇用 Accenture 作为评估引发争议，且模型性能高度依赖访问接口（harness），单纯评估模型已不足以代表整体价值。
阅读原文 来源：TechCrunch · AIAWS Machine Learning Blog一手精选 Deepgram利用AWS Trainium2优化Nova-3语音模型，实现11%-70%成本提升
Deepgram将Nova-3语音模型移植至AWS Trainium2并进行了内核级优化，单设备配置处理音频每美元提升11%-70%。团队使用TorchNeuron完成PyTorch迁移，通过NKILib和自定义内核提升吞吐量，并开发Rust数据并行运行时消除Python开销。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文展示了Deepgram如何通过在Trainium2上优化Nova-3模型，在离线批处理工作负载中实现11%-70%音频每美元的成本提升，并提供了从模型移植到数据并行运行的完整技术路径，读者可直接获取模型优化和成本降低的可复用方法。
AWS Machine Learning Blog一手精选 vLLM 引入双向 KV 传输以提升多轮代理工作负载 TTFT
vLLM 在 P-D 分布式部署中引入双向 KV 传输机制，通过 decode 节点保留跨轮 KV 缓存并传回 prefill 节点复用，避免了重复计算。基准测试显示，在 Qwen3-32B 上最长提示词下 TTFT 可降低 1.6 倍，在 GLM-5-FP8 上可降低 3.3 倍。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文展示了 vLLM 中双向 KV 传输机制，通过保留和重用跨轮的 KV 缓存，显著降低了多轮对话场景下的 TTFT，提供了具体的性能提升数据和实现指南。
AWS Machine Learning Blog一手精选 AWS发布基于NIXL的推模式KV转移功能，提升vLLM分布式推理TTFT和TPOT
AWS发布了基于NIXL的推模式KV转移功能，用于提升vLLM分布式推理的TTFT和TPOT。在使用Amazon EC2 P5en实例连接EFA的基准测试中，该功能对Qwen3-32B模型实现了最多3倍的TTFT提升和30%的TPOT改进，相比传统的拉模式显著降低了关键路径延迟。
阅读原文 来源：AWS Machine Learning Blog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。
Microsoft Research一手 Microsoft Research 发布基于证明的通用计算系统 Magnetar
Magnetar 是一个零知识虚拟机，可证明 RISC-V 程序的执行并返回可验证的证明。它在普通笔记本上每秒可证明 720 万至 870 万条处理器指令，较现有最快 zkVM 快 10 到 39 倍，且安全性仅依赖 SHA-256 或 SHA-3 等标准哈希函数，无需椭圆曲线或受信设置。
阅读原文 来源：Microsoft Research