AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 发布 AutoSynthData 框架，利用目标模型的失败和更强教师的成功经验生成训练任务。
阅读原文 来源：Hugging Face Blog
#大模型
Hugging Face Blog一手
Google Research一手精选 Google Research：Diffusion Controller 统一并简化 AI 图像生成
Google Research 发布 Diffusion Controller 框架，将扩散模型的生成过程重构为连续控制问题。该框架通过轻量级的转向阻尼网络，在不修改核心模型权重的情况下实现精细的图像控制。
阅读原文 来源：Google Research推荐理由原文提出了Diffusion Controller框架，通过重构扩散过程为连续控制问题，提供了轻量级的转向阻尼网络，在灰盒和白盒环境下均显著优于LoRA等基线，展示了统一的数学控制范式。
Microsoft Research一手 Introducing Quine: An AI research system designed for the complexity of biology
Microsoft Research 发布 Quine，这是一个旨在为生物学创建多模态世界模型的 AI 研究系统。该系统通过与哈佛布罗德研究所合作，预测驱动治疗状态转变的化合物并进行实验验证。Quine 系统结合了生物学世界模型与交互式工具套件，支持科学家进行推理、工具调用和文献检索，旨在跨模态、跨尺度推进生物医学研究，目前处于研究阶段，不具备临床诊断能力。
阅读原文 来源：Microsoft Research
Google DeepMind一手精选 Google DeepMind 推出 Gemini 3.8 Live 并搭载 Live Avatar 功能
Google DeepMind 发布 Gemini 3.8 Live，并搭载 Live Avatar 功能，实现了原生的低延迟视频流与语音对话的原生结合。Live Avatar 支持 97 种语言的原生多语言语音转语音同步，具备精准的唇形同步和自然的面部表情，企业可通过自定义形象进行品牌化部署，所有输出内容均嵌入 SynthID 水印以确保可检测性。
阅读原文 来源：Google DeepMind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 RetroChimera：微软研究团队在 Nature 上发布的开源分子合成预测模型
Microsoft Research 在 Nature 上发布开源模型 RetroChimera，该模型结合 R-SMILES 2（Transformer）与 NeuralLoc（GNN）两大子模型，通过学习重排机制融合其互补优势。
阅读原文 来源：Microsoft Research
Berkeley AI Research一手 Adaptive Parallel Reasoning：高效推理的下一个范式
文章分析了平行推理的最新进展，重点探讨了自适应并行推理。研究指出，现有方法多由外部决定并行结构，缺乏模型自主决策能力。文章介绍了从固定并行到自适应控制的演进，涵盖了Fork-and-join、Tree of Thoughts、GroupThink以及Hogwild! Inference等方法，并讨论了模型如何根据问题复杂度自主决定并行程度与线程数量。
阅读原文 来源：Berkeley AI Research
Berkeley AI Research一手精选 信息驱动的成像系统设计
研究人员提出基于互信息的成像系统评估框架，该框架可直接从测量数据量化系统的区分能力，预测四个领域（色彩摄影、射电天文学、无透镜成像、显微镜）下游任务性能。该方法通过概率模型估计测量分布，避免了传统指标割裂的问题，并利用理噪升高信息指标的方法优化成像系统参数，在滤波器设计实验中与端到端优化持平，无需解码器即可实现系统级优化。
阅读原文 来源：Berkeley AI Research推荐理由原文提出基于信息论的成像系统评估框架，通过互信息直接量化测量的区分能力，并展示在四个领域预测下游任务性能，为系统设计提供统一指标。