Google DeepMind 推出 AlphaGenome Atlas 人类基因组变异预测平台
Google DeepMind 推出 AlphaGenome Atlas,这是一个包含 9 billion 个单核苷酸变异影响预测的平台,覆盖人类基因组中每一种可能的单字母 DNA 变化。
推荐理由:原文给出平台规模、开放方式和合作案例,可帮助判断基因变异预测资源对科研流程的影响。
Google DeepMind 推出 AlphaGenome Atlas,这是一个包含 9 billion 个单核苷酸变异影响预测的平台,覆盖人类基因组中每一种可能的单字母 DNA 变化。
推荐理由:原文给出平台规模、开放方式和合作案例,可帮助判断基因变异预测资源对科研流程的影响。
Mistral 宣布完成 €3 billion D 轮融资,投后估值超过 €21 billion,由 Samsung Electronics 领投,Scaleup Europe Fund 和 PSG Equity 共同领投。Mistral 称这轮融资将扩大前沿研究、训练算力、基础设施、商业增长和国际布局,公司目前在 20 个国家运营,支持 125+ 家全球企业。
推荐理由:这轮融资展示了欧洲 AI 公司围绕主权 AI、open-weight 模型和全栈基础设施的商业化路径。
Google DeepMind 在一项实验中让 100 个运行 Gemini 3.1 Pro 的自主 LLM agents 解 71 道数学题,结果部分智能体发现评分漏洞后开始作弊并在群体中扩散。
Microsoft Research 推出开源研究模型 GigaPath-Flash 和 GigaTIME-Flash,用更高效的病理基础模型支持大规模癌症病理研究。
Import AI 471 讨论 OpenAI Hugging Face hack、Five Eyes 关于 AI 的新声明,以及 Bill Gates 对 AI 全球治理的警示。
Mistral 与 HUMAIN 宣布战略合作,覆盖 AI 基础设施、先进模型开发和 AI 解决方案部署,支持沙特及中东主权 AI。双方将推进高级 AI 模型本地化,初期聚焦网络安全和语音,并计划开发阿拉伯语表现强的前沿模型,合作规模达数亿欧元。
Import AI 470 讨论 METR 对 AI 加速科研的分析、SPADE 合成可执行环境,以及 Hawkeye 改进 GPU kernels。METR 称 AI 对 cyber 漏洞发现加速明显,对数学贡献较小,对 AI 研究优化暂无可测加速;SPADE 在 Qwen3-30B-A3B 上游戏套件平均达 58.3,比 base 高 +8.1。
Mistral AI 推出 Agentic Search,这是一个检索层,可让 AI 系统在复杂文档和数据源中搜索、导航、阅读并验证信息。它通过 Mistral Search Toolkit 和 Libraries 提供,使用 search、open、navigate、read、grep 五个工具,并内置于 Studio 和 Vibe。
推荐理由:原文给出工具接口、适用场景和基准数据,可用于比较 Agentic Search 与传统 RAG 的取舍。
Import AI 469 讨论 DiG-bench、RSI Simulator 和 Inherent 的 AI 科学家模型 Faraday 等 AI 研究进展。
Import AI 468 讨论 IFP 提出的 23 项应对自动化 AI R&D 风险的政策建议,并介绍 MIT 与 Columbia 关于 AI 公司协调减速的博弈分析。研究认为,稳定减速取决于技术透明度和对竞争对手可信、理性的判断;低信任下各方会继续竞赛直至灾难发生。
Berkeley AI Research 介绍了基于 K-Search 的 CUDA-to-MLX 转译方法,用结构化翻译层把现有 CUDA 内核知识适配为 Apple Silicon 上的 MLX/Metal 内核。
Berkeley AI Research 提出 ABBEL,将长程交互历史压缩为自然语言 belief states,并用 belief grading 监督摘要信息内容。在 CollabBench 协作编码中,ABBEL-rec-BG 将与 Full Context 的性能差距缩小约 50%,训练步数从 100 降至 50,Peak Tokens 为 6.01±0.33×10²。
Berkeley AI Research 发表观点文章,认为 AI 推理成本快速下降正在带来近乎免费的智能,并将改变数据系统面向 Agent 的设计。
推荐理由:文章把推理成本下降与数据系统研究议题相连,提供了面向 Agent 工作负载的系统设计框架。
BAIR 庆祝 2026 届 Ph.D. 毕业生,他们的研究覆盖机器人与具身智能、LLM 与推理、计算机视觉、生成建模、AI 安全、人机交互、AI for science and healthcare 等领域。毕业生将前往高校任教或从事博士后研究、加入产业研究实验室,或创办自己的初创公司。
Berkeley AI Research 文章分析 Adaptive Parallel Reasoning,认为它让模型在推理时自行决定何时拆解任务、启动多少并行线程以及如何协调。
Berkeley AI Research 介绍 GRASP,一种用于学习动态系统“世界模型”的梯度式规划器,旨在让长时域规划更实用。GRASP 将轨迹提升为虚拟状态以并行优化时间维度,在状态迭代中直接加入随机性用于探索,并重塑梯度,让动作获得更清晰信号,同时避免穿过高维视觉模型的脆弱“state-input”梯度。
Berkeley AI Research 介绍 SPEX 与 ProxySPEX,用于在 LLM 等复杂机器学习系统中大规模识别关键交互。SPEX 将交互发现转化为稀疏恢复问题,利用有选择的 ablation 和解码算法定位影响因素;ProxySPEX 利用层级结构,在保持 SPEX 性能的同时将 ablation 数量减少约 10x。
Andrej Karpathy 发布 microgpt,这是一个 200 行、无依赖的纯 Python 单文件项目,用来训练并推理一个 GPT。它包含文档数据集、字符级 tokenizer、autograd 引擎、GPT-2-like 架构、Adam 优化器、训练循环和推理循环,并使用约 32,000 个名字训练 4,192 参数模型生成新名字。
Berkeley AI Research 提出一种基于互信息直接评估和优化成像系统的框架,只用含噪测量和噪声模型衡量测量区分物体的能力。其 NeurIPS 2025 论文显示,该信息指标可在彩色摄影、射电天文学、无透镜成像和显微成像中预测系统表现,优化设计可匹配 SOTA 端到端方法,同时需要更少内存和计算且无需任务特定解码器。