用 Strands Agents 和 LeRobot 从 Hugging Face Hub 走到机器人硬件
AWS 开源 SDK Strands Robots 将 LeRobot 栈封装为 AgentTools,让一个 Strands 智能体在单次循环中完成从 Hub 数据集到实体机器人的流程。
推荐理由:AWS 团队给出从 Hub 数据集到实体机器人的完整五步流程,可据此理解智能体如何编排 LeRobot 工具链。
AWS 开源 SDK Strands Robots 将 LeRobot 栈封装为 AgentTools,让一个 Strands 智能体在单次循环中完成从 Hub 数据集到实体机器人的流程。
推荐理由:AWS 团队给出从 Hub 数据集到实体机器人的完整五步流程,可据此理解智能体如何编排 LeRobot 工具链。
OpenAI 与 Molecule.one 展示了一个由 GPT-5.4 驱动的近自主 AI 化学家,它改进了一项关键的制药反应,推进了药物化学研究。
推荐理由:OpenAI 与 Molecule.one 用 GPT-5.4 驱动的近自主 AI 化学家改进药物合成反应,可了解 AI 在实验科学中的落地方式。
智谱发布旗舰模型 GLM-5.2,面向长程任务,首次提供稳定的 1M token 上下文,并以 MIT 许可开源。新架构 IndexShare 让每 4 层稀疏注意力共享同一 indexer,在 1M 上下文下将每 token FLOPs 降低 2.9×,改进后的 MTP 层使投机解码接受长度最高提升 20%。
推荐理由:GLM-5.2 把 1M 上下文与多档思考强度放进开源许可,读者可据此判断长程编码智能体的选型空间。
Hugging Face 发布 Agentic Resource Discovery(ARD)规范的参考实现 Discover Tool,让智能体在运行时按自然语言搜索能力,而不再依赖预先安装。
推荐理由:Hugging Face 给出 ARD 规范的参考实现与 CLI、REST、MCP 三种调用入口,可据此判断智能体能力发现如何从预装目录转向运行时检索。
OpenAI 发布 LifeSciBench,一个由专家编写并评审的基准,用于评估 AI 系统处理真实生命科学研究任务与决策的能力。
Google DeepMind 与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 地方规划部门合作,开发基于 Gemini 的规划审批原型工具,目标是把住户规划申请的处理时间缩短 50%。
Google Research 发布矢量化数据集,将英格兰树篱、石墙和树丛从像素地图转为可执行清单,供土地所有者和保护者测量并扩展这些细尺度生态特征。
Google DeepMind 发布 AI Control Roadmap,一套用于构建和管理 Google 内部部署的高级 AI 的框架,采用纵深防御思路,在模型对齐之外增加系统级安全层。
OpenAI 推出 Deployment Simulation,一种在模型部署前用真实对话数据预测其行为的方法,旨在提升安全性与评估准确性。
OpenAI 推出 Partner Network,投入 1.5 亿美元帮助全球合作伙伴加速企业 AI 的采用、部署与转型。
UC San Diego 在 Google 支持下正建设一个由 2000 台退役 Pixel 手机组成的计算集群,取出主板后以 Kubernetes 编排成 25-50 台一组、运行通用 Linux 的集群,为数百名师生提供低成本低碳云计算。
OpenAI 推出三门 Academy 新课程,帮助人们建立实用 AI 技能、创建可复用工作流,并在日常工作中应用智能体。课程聚焦实际动手能力与可重复流程,面向下一阶段的工作方式。
Preply 借助 OpenAI 推出 AI 生成的课程总结,为语言学习提供个性化反馈与练习。该功能将 AI 与真人导师结合,用于个性化学习体验。
天体物理学家 Chi-kwan Chan 使用 OpenAI 的 Codex 构建黑洞模拟,帮助科学家研究极端物理并检验爱因斯坦的广义相对论。
OpenAI 宣布计划收购 Ona,以扩展 Codex 的安全、持久云环境能力,支持在企业工作流中长时间运行的 AI 智能体。
推荐理由:OpenAI 计划收购 Ona,读者可据此了解 Codex 在持久云环境与长时运行智能体上的布局方向。
OpenAI 宣布支持欧盟 AI 内容透明度实践准则,推进内容溯源标准与工具,帮助人们识别 AI 生成内容。该准则旨在确保可信的 AI 生态。
PyTorch 性能剖析系列第二部分用 nn.Linear(bias=True)替换手写 matmul-add,并堆叠三层加激活组成 MLP,在 NVIDIA A100-SXM4-80GB 上分析 profiler trace。
BBVA 与 OpenAI 合作,将 ChatGPT Enterprise 扩展至 10 万名员工,把 AI 置于银行业务核心。双方将共同推进全球 AI 驱动的银行转型。
OpenAI 模型与 Codex 现可通过 Oracle Cloud 访问,企业可使用已有的云承诺额度来构建和部署 AI。该方式支持企业级安全与治理。
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests,用相对距离检验判断遗忘后的模型在分布上更接近安全重训模型还是原始受损模型。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式并行生成整块文本,在专用 GPU 上推理速度最高提升 4 倍。
推荐理由:官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛,可据此判断本地交互式推理的可行边界。
OpenAI 发布新报告,称与中国相关的账号利用 AI 针对美国技术议题开展影响力操作。报告提到这些操作涉及数据中心相关叙事、关税以及关于 ChatGPT 的不实说法。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持,发起最高 1000 万美元的全球技术研究资助,聚焦大规模多智能体 AI 系统的群体行为与安全风险。
LSEG 借助 OpenAI 在全球业务中规模化可信 AI,加速洞察产出、缩短发布周期,并赋能 4000 名员工。
Google DeepMind 发布 Gemini 3.5 Live Translate,这是一款音频模型,可自动检测 70+ 语言并生成保留说话人语调、节奏和音高的近实时语音到语音翻译,且持续输出而非等说话人说完再翻译,全程仅落后几秒。
推荐理由:Gemini 3.5 Live Translate 支持 70+ 语言连续语音翻译,并同步开放 API 与 Google 产品入口,可据此判断实时翻译的落地方式。
Google DeepMind 发布 Gemma 4 12B,定位为可在笔记本本地运行的多模态模型,介于边缘端 E4B 与 26B MoE 之间,是首个支持原生音频输入的中等规模 Gemma 模型。
推荐理由:Gemma 4 12B 用无编码器架构把视觉和音频直接接入 LLM,并给出 16GB 显存本地运行的边界。
Google DeepMind 推出为期三个月的 Robotics 加速器,从欧洲选出 15 家机器人初创公司,提供技术指导并开放其 AI 技术栈与 Gemini 机器人模型。入选公司覆盖物流、制造、医疗、气候与导航等领域,本周在伦敦启动。
Nextdoor 工程师使用 Codex 搭配 GPT-5.5,用于排查难以复现的问题、跨平台构建,并聚焦产品结果。
作者让编码智能体通过调用两个 Hugging Face Space 搭建了一个展示巴黎地标的 3D 高斯泼溅网站,全程未手动使用图像生成或 3D 重建工具。每个 Gradio Space 都暴露一份 agents.md,列出 schema URL、调用与轮询模板、文件上传方式和 HF_TOKEN 鉴权提示,智能体据此即可端到端驱动 Space。
推荐理由:作者用两个 Space 串起图像生成到 3D 高斯泼溅的完整流程,展示了 agents.md 如何让智能体直接调用模型。
Notion 借助 Codex 一次性生成规格说明、为网页端构建 AI Voice Input,并在小团队中放大工程产能。
Hugging Face 发布 jobs-actions 桥接方案,让 GitHub Actions 把 CI 任务调度到 Hugging Face Jobs 上运行,Trackio 借此将 CPU 任务 CI 时间缩短约 30%,并新增了在 GPU 机器上运行的测试套件。
OpenAI 发布面向 AI 时代的产业政策构想,主张以人为先,聚焦扩大机会、共享繁荣,并在先进智能演进过程中建设有韧性的制度。
OpenAI 确认已向 SEC 保密提交 S-1 草案,尚未确定后续行动的时间安排。
推荐理由:OpenAI 官方确认已向 SEC 保密提交 S-1 草案,读者可据此了解其上市进程的当前节点。
Google DeepMind 公布在塞拉利昂开展的预注册试验结果,使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差,约相当于八周内取得 1.2 至 1.7 年的常规学习进度。
推荐理由:原文给出塞拉利昂预注册试验的量化结果与交互数据,读者可据此了解AI辅助教学的实际效果与局限。
OpenAI 公布名为"Built to benefit everyone"的计划,提出以可及性、安全与共享繁荣为核心的 AI 未来愿景,目标是确保 AGI 惠及所有人。
Hugging Face 宣布 OpenEnv 改由委员会协调,成员包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk,项目迁至 huggingface/OpenEnv。
推荐理由:OpenEnv 从单一项目转为多方共管的协议层,读者可据此了解开源智能体 RL 环境的协作方式与接入路径。
OpenAI 成立经济研究交流平台(Economic Research Exchange),用于研究 AI 对就业、生产力和经济的影响。该平台现已开放申请,面向入选的研究项目。
Google 在 Gemini Enterprise Agent Platform 上推出由 Agentic RAG 驱动的跨语料检索公开预览版,通过规划、改写、路由与充分上下文智能体迭代检索多源数据。官方称相比标准 RAG,该框架在事实性数据集上准确率最高提升 34%;在跨语料设置下从 4 个候选语料中正确路由并答对 90.1% 的问题,单语料与跨语料版本延迟差异平均在 3% 以内。
推荐理由:原文给出多智能体 RAG 的完整流程与跨语料评测数据,读者可据此判断它在多源检索场景下的可用性。
Google Research 在 Nature 发表 PHRM 研究系统,利用手机前置摄像头在面部解锁后拍摄 8 秒面部视频,通过深度学习估算心率,与心电图相比 MAPE 低于 10%,覆盖所有肤色。
推荐理由:Google 用 35 万段手机视频训练 rPPG 模型,并公开迄今最大规模数据集,读者可了解被动心率监测的可行边界。
NVIDIA 发布 Nemotron 3.5 Content Safety,基于 Gemma 3 4B IT 微调,把多模态输入、多语言覆盖、自定义企业策略执行和可审计推理统一到一次推理调用中。
推荐理由:NVIDIA 把多模态、多语言、自定义策略与可审计推理合并进一次推理调用,并公开训练数据集。