神经控制器只学专家动作轨迹,也能被证明精确执行算法:4335参数DFST在500符号上限通过全部10项通用模拟任务
一种可微精确学习框架把状态追踪神经控制器接到可无限扩展的外部网格环境上,只用记录专家观察与动作、隐藏内部状态的动作轨迹观测训练。4335个参数的DFST仅用75条轨迹、输入不超过5个符号,就在全部10项通用模拟任务上达到500符号评测上限,其中5个程序未参与训练;从训练好的模型提取出的离散控制器还被证明与专家通用解释器等价。
日报
仅汇集当天已送达公开发布边界的内容。
此日期尚未封刊,内容随公开文章更新。
一种可微精确学习框架把状态追踪神经控制器接到可无限扩展的外部网格环境上,只用记录专家观察与动作、隐藏内部状态的动作轨迹观测训练。4335个参数的DFST仅用75条轨迹、输入不超过5个符号,就在全部10项通用模拟任务上达到500符号评测上限,其中5个程序未参与训练;从训练好的模型提取出的离散控制器还被证明与专家通用解释器等价。
在MambaVision这类把Mamba状态空间混合器与自注意力交替堆叠的视觉骨干里,逐块消融一直被当作衡量模块贡献的手段。研究者在全部5万张ImageNet验证图像上,为每次消融配一个尺寸相同的零对照——同样的扰动但打乱通道或翻转符号——发现真实消融与零对照造成的损伤在top-1准确率和真实类别排名上几乎无法区分。同一检验在DeiT-Small和Swin-T上能检出内容效应,说明单块消融在MambaVision中主要反映残差流对扰动位置和幅度的敏感,而非模块计算的内容。
长上下文与智能体负载下,MLA的KV缓存容量和注意力计算成为推理服务的主要开销。NVFP4-MLA把MLA的KV缓存存储与两个注意力矩阵乘都推到FP4,用选择性残差补偿只对量化敏感通道补NVFP4残差,用二维量化块让共享潜变量缓存同时适配两个矩阵乘的归约方向。在DeepSeek-R1和Kimi-K3的九项基准上,其平均精度与BF16 MLA持平,缓存相对BF16分别压缩3.20和3.05倍。
模型合并要把多个独立微调的专家合成一个多任务模型,但此前的预合并正则化方法需要访问其他任务的数据,违背了合并的独立性前提。该工作用谱覆盖与谱泄漏两个量刻画通用代理分布与目标任务分布的关系,并给出参数干扰的统一上界:谱参数越小,干扰越低。在CLIP视觉基准上,以ImageNet为代理的三种正则化实例化都优于现有预合并基线,并接近需要同伴任务数据的oracle;在语言模型上,与TRACE无关的WikiText-103代理同样提升了合并表现。
少步生成通常靠预训练教师模型生成噪声与数据的配对,再用整流流训练学生。对有限数据集和高斯概率路径,经验分布的流场本可解析写出,于是有人设想直接用它的闭式耦合当教师、跳过预训练。该研究证明这条路在实用维度上走不通:闭式流把初始噪声原样带回端点,只叠加一个微弱的、与噪声几乎无关的数据漂移,因此训练效果接近随机配对;漂移占端点能量的比例随数据维度升高而下降,只有把维度压低,闭式耦合才变得更有信息量。
多智能体强化学习训练时靠集中式控制屏障函数滤波器纠正不安全动作,但该滤波器求解的约束数随队伍规模平方增长,部署时又无法保留。这套方法只用已执行的安全动作做隐式Q学习提取策略,再在合成的近碰撞状态上向训练滤波器学习,使去掉滤波器后的策略仍受约束。局部观测策略在训练场景的测试回合中零碰撞,三机训练的策略零样本迁移到二十机时每机计算量恒定,并在八机以内保持零碰撞。
WinDEX把日常场景中头戴鱼眼立体相机拍到的双手,转成以米为单位、与重力对齐的世界坐标系手部运动,供机器人遥操作与强化学习使用。此前这类数据要么依赖光学动捕、多相机装置或手套,要么用单目视频但缺少绝对尺度。系统用几何—时间优化生成标注,再训练端到端鱼眼原生网络WinDEX-Net,并蒸馏出离线版WinDEX-Window与因果流式版WinDEX-Stream;在留出数据上,离线重建的重投影误差为14.5像素,结合视觉惯性里程计的世界坐标系关节误差为37.29毫米。
多模态大模型处理高分辨率图像时,视觉token占满预填充开销,而极端压缩下此前的裁剪只缩短语言模型输入,视觉编码器仍要看过每个图像块。Glance-ETD用一个约190万参数的问题条件打分器同时驱动两步:先以四分之一分辨率扫视,只把与问题相关的25%区域按原分辨率重编码;再用证据调节的多样性规则挑选最终token。在Qwen3.5-4B上只保留5%视觉token,它在14个基准上保留全token性能的91.6%,比此前最强的LT-OPD高17.3个百分点,4K图像首token时间快3.1倍。
部署中的机器人每换一次障碍布局,Hamilton–Jacobi可达性就要重解一次,而学习一个以障碍配置为条件的单一值函数又可能悄悄给出假安全状态。南洋理工大学团队把障碍裕度截断,使值函数只依赖机器人本体坐标系内的局部窗口,并把值上界写进输出结构、以HJ不等式为约束最大化所声称的安全体积。在Dubins小车上,该模型是九种窗口容量内障碍设置中唯一在网格容差内无假安全状态、闭环rollout零碰撞的方法,同时保持与逐场景DeepReach相当的恢复率。
循环Transformer反复复用同一组层,推理时每个词都要顺序走完多轮,延迟高;此前的流水线自推测方法只能沿循环深度一次草拟一个词,后一个词必须等前一个到达草拟深度才能进入流水线。LoopFill把后缀树检索出的多词续写与模型自身浅层循环的预测合并到同一棵草稿树,让多个未来词同时进入流水线,并在全深度上验证以保持自回归输出分布。在七个基准上,贪心解码下相对自回归解码的平均加速在Ouro-2.6B和Huginn-3.5B上均超过最强基线LoopAhead,分别高出40%和25%。
Auriga 把 Hyperledger Fabric 这类执行-排序-验证(EOV)区块链的有效吞吐拆成原始吞吐与交易成功率两个因子,用受 harness 约束的多智能体做配置搜索,并在执行前预测读写集、把交易分成无冲突组。在三个基准、冲突率最高 70% 的条件下,其有效吞吐最高达到默认 Fabric 的 6 倍,并超过最强单基线;在 40% 冲突率下,它把成功率保持在 90.2%,而只做配置调优的 Athena 为 67.8%。
语音神经假体把尝试说话时的神经活动解码成文字,此前依赖n-gram语言模型加LLM重打分的级联流程,需要数十到数百GB内存和专用工作站,推理延迟还会从毫秒级跳到十几秒。FETTUCCINE把开源语音识别模型改造成端到端脑到文本解码器,用神经适配器替换声学前端、只对编码器做低秩微调,在公开的脑到文本2025数据上词错率最低4.39%,并在iPhone 15 Pro Max上实现最高370倍实时的解码吞吐。
机器人用视觉语言模型估计场景状态时,通常把带概率的输出压成一个最可能的符号状态,猜错就会让后续规划变得不安全或不可行。PRaVaSS 改为从模型已有的逐特征概率出发,结合任务约束构造一个累计概率达到用户阈值的极小状态集合,让规划器同时考虑最可能的若干状态。在 PRB 与 GW 两个规划域上,以 GPT-4.1 为骨干的该流程把下游规划成功率从 MAP 的 16.7% 和 70.7% 提升到 32.6% 和 80.0%。
Zero-SM NCCL 把 GPU 集合通信的数据搬运与同步都移出流多处理器(SM),在 GB200 NVL72 与 B200 NVL8 上以 CUDA 流内存操作、拷贝引擎和 CPU 代理驱动 RDMA 完成 AllGather、AlltoAll 及单边 Put/Wait。其 AllGather 带宽最高达到 NCCL 传统 SM 内核的 1.36 倍,重叠 GEMM 的中位减速由 33% 降至 4%,代价是单次操作延迟更高。在 Megatron-LM 中,它让 FSDP 最高加速 3.5%、流水并行最高加速 15%,但小消息与主机受限负载上并不占优。
线性循环记忆能否记住输入顺序,取决于其转移矩阵所在的数系。此前高效并行扫描依赖对角化,实数与复数转移彼此可交换,状态只记录出现过哪些输入而不记录先后。HyperSSM在通道中加入四元数块,保持线性时间推理与并行训练,在32个生成元的群任务上以最多五个状态数精确求解,并在比训练长25倍的序列上保持精确。
世界-动作模型通常让策略预测完整的未来观测,但一个动作块内画面变化很小,LIBERO上当前帧与未来帧特征的余弦相似度平均为0.96,未来损失大多靠复制静态背景就能满足。ResWAM改为在冻结的DINOv3特征空间里只监督当前帧到未来帧的残差,并用一个0.5B双分支DiT同时去噪动作与残差,总参数2.3B。不做机器人预训练时,它在LIBERO-Plus上取得81.1%平均成功率,在RoboTwin 2.0上取得93.8%,训练与推理算力分别为2.7–4.0和1.0–1.4 TFLOPs。
持续学习要让语言模型吸收组织不断新增的私有文档,但直接更新共享参数会覆盖旧知识。microfitting 改为对每份文档离线训练一个小型低秩适配器并缓存,基座模型保持冻结,新文档只新增自己的适配器。在真实企业文档的开放书问答环境 EDO 上,随数据生成配方迭代,相对基座模型的提升依次为 30.9%、37.5% 和 38.2%。
把商用安全判定模型Jev输出的有害概率直接当作强化学习奖励,而不是先二值化,并在训练前、训练中和判定模型换版后分四步校验。在Llama-3.1-8B上,概率奖励配合有益性项把HarmBench攻击成功率从基线的0.287降到最终检查点至多0.033;同一判定模型改成0/1奖励后,被自信放过的有害内容占比在两个随机种子上显著上升,触发逃逸判据。
Open Vision Banana 公开了一套可复现流程,把开放权重的 FLUX.2-Klein 图像生成器改造成统一的多任务感知模型,只用公开数据训练,输出分割、深度和表面法向。零样本 9B 模型在 Cityscapes 上达到 73.9 mIoU,高于 Vision Banana 报告的 69.9;非零样本版本在指代与推理分割上与 Vision Banana 相差不到五点,实例分割仍落后较多。数据管线、训练代码和检查点一并发布。
可证明安全的语言隐写一直默认接收方能逐位复现发送方的词元概率,而浮点精度、量化、GPU 架构或逐词生成与整段打分的差别都会打破这一前提。STEALTH 改用带密钥的指数竞赛采样,让概率失配只翻转竞赛接近的那一个词元,再用无速率脊柱码和束搜索把翻转吸收掉。在 Gemma、Llama、Qwen 三个模型族上,同族接收方在每种精度、量化等级、更小模型和另一种 GPU 上都解出了发送的全部消息,跨模型族也能全部解出。
扩散语言模型本应并行生成,实际却常按从左到右的顺序解码,并先写出冠词、介词等功能词,削弱了全局规划。SemMask用原模型对每个词的梯度给词打分,训练时优先保留高分语义词并加大其损失权重,使名词、动词先于功能词被解码。在Dream-7B上,SemMask在HumanEval取得0.7085准确率,高于Dream-7B-Instruct的0.5366和Qwen2.5-7B-Instruct的0.6182,同时平均解码步数从201降到169。
贝叶斯神经网络把权重当作分布,但此前要么靠采样、要么只传播期望和熵,无法对完整输出分布给出可靠保证。这项工作建立边际收集语义,并用指数仿射上下界配合支撑集划分表示概率测度,构造出可组合的抽象变换器,在多个回归基准上给出完整输出分布的可靠包络。与区间抽象域相比,总变差距离最多改善约950倍,代价是运行时间有所增加。
在数学和代码之外,强化学习的验证器多是代理信号,它与真实目标的距离从未被测量,奖励上升无法与奖励黑客区分。研究把可执行授权策略编译成精确的过程级奖励,再沿七条现实路径削弱验证器,训练时用精确验证器给每条轨迹打分。充分性代理被“堆砌引用”攻破:代理分终止于0.940,而留出回合上的真实忠实度从0.731降到0.667;仅看结果的验证器则迅速饱和、不再提供学习信号。
CECAR把专家缓存驻留状态和预测的逐出优先级一起纳入MoE路由,让不在显存中的专家更少被请求。此前缓存感知路由只看专家是否在缓存中,容易造成路由不稳定;在Qwen3-30B-A3B上,CECAR在16 GB显存、约1 GB主机DRAM、非驻留专家从SSD读取的条件下达到12.5 tokens/s,相对常规MoE推理提速4.5倍,并高于把全部专家常驻系统DRAM的基线。
面向运行时对齐监控的“可言语工作区”被检验是否携带角色—填充绑定,即在“模型计划欺骗用户”与“用户计划欺骗模型”这类共享概念集、仅角色分配不同的命题上区分二者。在 Qwen3.6-27B、Gemma-3-12B 与 Gemma-3-27B-IT 三个模型、J-lens 与 R-lens 两种透镜、两种角色方向估计下,残差流可近满分解码角色,而工作区切片低于同秩随机子空间;沿拟合角色方向推动只改变模型对角色说了什么,不改变它把哪个实体绑定为施事。消融工作区仅在 Gemma-3-27B-IT 的实体词位置造成绑定特异性损伤,并在三种透镜变体上复现。
带热启动的模型预测路径积分(MPPI)控制中,探索协方差不仅决定采样范围,还决定闭环反馈增益。在线性二次问题、样本数趋于无穷时,探索过小会让MPPI几乎重复上一时刻的解,无法稳定指数不稳定的被控对象;同一协方差又压低有效样本数,使稳定性与样本效率形成结构性冲突。为此提出的稳定子空间MPPI(SS-MPPI)只对稳定所需方向解析计算、其余方向采样,在倒立摆和四足机器人仿真中于小探索、少样本下保持稳定。
Splice把自然语言提示词优化改写成在分块编辑图上的受限组合搜索:安全条款、工具模式、输出格式等区块被标记为不可变,任何编辑都无法触及,长度增长则按比例计罚。在七个公开基准、五套原样复现的评测协议下,Splice在四个基准上胜出、在三个上与最强先前方法持平;在合同压力测试中,不受约束的优化器会改掉那些牺牲分数换指标的条款,而冻结文本并不等于冻结行为。
离散token图像生成器GRN每张图要跑50步细化,步数一减样本就崩。FastGRN把GRN自身的均匀状态腐蚀当作离散扩散核,用两个后验网络直接算出逐token的反向KL梯度,再配合窗口匹配、过采样与非均匀采样,让2步学生模型在ImageNet上追平79次网络调用的教师FID,单图快12.7倍。
RoboCoEvo 把机器人智能体与视觉-语言-动作(VLA)策略的改进接成闭环:智能体把反复出现的失败归成失败模式,为每种模式写一个可复用的检测器和恢复程序,用这些程序在失败状态及其扰动副本上生成纠正数据,再以 DAgger 式后训练写回策略参数。策略更新后失败分布改变,又反过来指导下一轮程序修订。在 BEHAVIOR-1K、RoboTwin 和 RoboCasa 上,两轮共进化后成功率分别从 0.23 升到 0.34、从 0.79 升到 0.93、从 0.79 升到 0.91。
人形机器人的全身视觉-语言-动作模型依赖遥操作采集的机器人轨迹,每一条都要训练有素的操作员实时操控实体机器人。Ego2Sim2Humanoid 把 Project Aria Gen 2 眼镜录下的人类日常动作,经智能体驱动的真实到仿真重建、抓取与站姿规划、物理仿真中的强化学习校正,转成带机器人视角图像和已验证动作标签的训练数据。仅用这批转换数据微调、不含目标任务的真实机器人演示,GR00T N1.7 在 Unitree G1 上自主完成搬瓶 9/20 次、戴帽 5/20 次。
智能体记忆系统过去依赖人工经验决定存什么、怎么组织和检索。MAPE把记忆构建、检索与证据组织暴露为可编程阶段,从“不存记忆”这类最小种子出发,用诊断—提案循环反复改写整段程序。在LoCoMo与LongMemEval上,选出的程序在各自基准上均超过所评估的人工设计基线;LoCoMo上绝对准确率最高提升12个百分点,服务成本为基线的35%。
开源大模型权重公开后,第三方微调会改写参数与内部表示,使依赖特定触发词或参数痕迹的水印失效。SAME 为每个原生词元配一个固定私有嵌入,并用双路径训练让私有词表继承原生语义,从而把水印绑定到模型不断演化的语义能力上。在 Qwen3-8B-Instruct 上只用 Alpaca 注入一次,独立微调到 SST-2、AG News、MMLU、BoolQ 等任务后固定触发率均为100%,而 BadEdit 在 MMLU 上降到10.87%。
只通过API调用的冻结前沿模型无法读取原始力信号,也无法以接触力变化的速度做决策,因此此前把力引入操作任务主要靠示教训练带力输入的策略。ForceHarness在模型与机器人之间加了三层:从腕部传感器或关节力矩标定手部受力,把接触技能封装成自行调节力并在接触事件处返回的力原语,再把力轨迹翻译成带不确定度的物理量交给模型。在无腕力传感器的Franka FR3真机上,GPT-6 Astra的零样本成功率从3.3%升到90.0%;仿真中在ForceBench上从70.0%升到87.5%,在七任务的HiddenPhys上从62.1%升到96.4%。
智能体在测试时自我改进通常依赖基准分数或参考答案来判断任务是否完成,而在真实任务中这类外部反馈往往缺失。Verify by Doing 让执行智能体与验证智能体各自维护可编辑的指令、技能和检查清单,通过主动检查工件与环境状态收集完成证据,并用这些证据同时指导执行与验证程序的更新。在 AutomationBench、Banking 和 133 个 GDPval 任务上,该方法在无外部反馈的比较方法中总体得分最高;固定候选池时,进化后的验证器把通过率从 31.2% 提高到 35.8%。
现有大型音频语言模型为保持通用音频理解稳定,通常把声音压成单声道,声道间编码方向与距离的相位关系因此未被利用。SpheraAudio 接受单声道、立体声、一阶及更高阶 Ambisonics 录音,把多声道复频谱编码成空间词元,与音频词元按时间交错送入语言模型。在 SpheraQA、SO-Bench 与 TWNM 三个空间基准上,4B 规模的 SpheraAudio 均领先,SpheraQA 总体准确率 60.18%,比 Spatial-Omni-7B 高 18.53 个百分点。
循环语言模型对每个词元反复套用同一组权重,自回归解码必须把每个词元的每一圈依次跑完。LoopSkim把流水线中浅层读出的草稿词元交给后续各层读出头逐一比对,只由满深度读出头提交词元,并预先固定每个位置的随机抽样,使采样下仍保持无损。在五个Ouro与Raven模型上,免训练版本相对自回归的平均加速是LoopSpec的1.73倍,可选草稿头把这一比值提高到1.99。
DeepBA把多视图重建里逐场景求解的光束法平差换成一个可学习的图神经网络迭代精化器,只吃现成匹配器给出的二维匹配,从冷启动同时恢复相机绝对位姿、内参和场景结构。它用尺度不变的监督在度量单位各异的数据集上混合训练,2.04M参数下在CO3Dv2与RealEstate10K上领先此前的基于匹配学习式SfM,在中等精度阈值上与经典SfM相当,并随视角数增长在耗时上反超。
自主训练大模型的后训练智能体常困在初始策略里,一次实验又同时改动数据与训练配置,难以判断哪一步起了作用。TrainExplorer把策略规划与执行解耦:先从文献构建候选策略空间,再把数据处理和模型训练拆成可单独替换的组件,逐次只改一处并归因效果。在PostTrainBench的七个任务、四个1.7B至4B基座模型上,其加权总分为39.02,高于同一智能体模型下Claude Code的7.32分优势,也超过GPT-5.6 Sol驱动的Codex的36.23。
多模态检索此前要在两种嵌入之间取舍:判别式嵌入编码快但难抓住细粒度证据,生成式嵌入先做推理再编码,语义更丰富却带来额外延迟。AntEmbed把同一候选的原始形式与推理增强形式当作同一实例的两个等价视图,用单一嵌入标记和多正例对比学习对齐到统一空间,再用跨模式自蒸馏把推理分支的细粒度信息迁移给原始分支。在MMEB-v2上,AntEmbed-8B的生成式嵌入取得81.5的总分,比最强基线DME-9B高3.1分;其判别式嵌入无需额外推理,AntEmbed-2B的base模式总分70.2。
面向小型开源模型智能体的提示注入防御CapLite不再让模型编写安全产物,而是从工具模式推导策略、在读取任何工具结果前锁定写调用,并要求每个决定收件人、金额或目标的参数都出自用户请求。在AgentDojo的15个开源权重模型上,13,935个受攻击回合中没有一次攻击成功,受攻击下的任务效用为29.0%,与CaMeL的27.2%相当,而每回合消耗17.1k token,仅为CaMeL的18%。
JEPA4R把JEPA世界模型的输入从图像换成单目深度相机的彩色点云,在点云潜空间里预测、规划并通过冻结潜空间上的策略头行动,作者称之为4D点规划。在OGBench的Cube-Single、Cube-Double、Cube-Triple和Scene上,它领先像素JEPA模型;在CortexBench的MetaWorld与Adroit Relocate上分别取得98.4%和88.0%成功率,排名第一,高于第二名R3M的96.0%和65.3%。附加在冻结世界模型上的解码器把每条想象轨迹还原为4D点云,200个环境步内平均点误差保持在1.1厘米以内。
农业视觉问答需要同时看懂作物症状和调用病理知识,而通用多模态大模型常把外观相似的病害混淆。Agri-MRAG把检索到的图文证据先按语义一致性聚类、只保留高置信子集,再把证据编码成LoRA适配器注入模型前馈层,并用困惑度决定是否追加显式检索上下文。在PlantVillageVQA与自建的PlantVQA上,它的ROUGE-L分别为41.21和46.58,比mRAG高11.70和4.51分,比VisRAG高8.80和3.39分。
点对点电力市场的清算通常靠分布式迭代求广义纳什均衡,迭代次数和通信轮数随参与者增多而成为部署障碍。KTH 团队把历史清算数据用于训练一个图神经网络修正项,叠加在分布式 Douglas–Rachford 基线上,修正项按几何速度衰减,因此收敛性由基线继承。在合成市场上,这一修正减少了清算所需迭代次数及其波动,并在运行条件偏移到训练所见四倍时仍保持加速。
在基于模拟的推断中,高维或变长数据常被压成低维摘要,摘要保留多少参数信息通常用互信息衡量,而互信息在无似然场景下无法直接计算。此前用神经网络后验估计算出的Barber–Agakov下界代替互信息,但下界偏小既可能是摘要不足,也可能是密度估计不准。该工作用分类器估计下界与真实互信息之间的差距,并把比较限制在包含观测的数据空间邻域内,在时序ETAS地震目录上比较学习摘要与手工摘要,显示学习摘要的下界更大且差距也更大,因而下界之差低估了互信息之差。
船舶避碰系统的安全评估通常依赖仿真,但协同仿真中各子系统只暴露接口、内部状态不可见,常规把问题写成完全可观测马尔可夫决策过程的压力测试方法拿不到完整状态。EB-ASTv2把这一搜索改写为部分可观测马尔可夫决策过程,用带记忆的循环近端策略优化(R-PPO)根据观测历史选择对抗动作,并让两艘目标船各自独立触发中间航路点采样。在船行场景的100个交通场景中,R-PPO策略生成68个本船碰撞场景,PPO为58个、SAC为54个;五次独立训练的平均碰撞率为66.80%,高于PPO的65.20%和SAC的51.80%。
SilentGuard把“这条工具结果能不能用”的判断从模型移到运行工具调用的执行框架:框架用任何正确API都必须满足的不变量检验结果,对违反精确不变量的返回值直接扣留。在7个开源模型上,目标故障下的错误答案从74.0%降到1.7%,无故障任务准确率保持84.9%;3个前沿模型上从70.2%降到0.5%。它靠弃答而非修复来避免错误,对检查看不见的故障类型,错误率只从61.1%降到24.5%。
Anthropic 的 Claude Code 更新日志显示,沙箱内 Bash 命令默认改走常规权限流程,不再因为被沙箱包裹就自动执行;要恢复免提示,需在最高优先级的受管设置里打开 sandbox.autoAllowBashIfSandboxed。同一批更新还让沙箱在 macOS、Linux 和 WSL 上默认不再写入若干敏感主目录,并新增 permissions.blockWritesOutsideWorkingDirectories,使 Write、Edit 和 NotebookEdit 在所有权限模式下拒绝工作目录之外的路径。这些改动改变的是命令与文件写入的默认放行边界,日志没有给出任何效果评测。
通用量子纠错码的解码器长期面临速度与精度的取舍:快速解码器精度不足,最可能错误解码器又慢到无法用于实时纠错。TCBP-JOBS 用一个小型多层感知机从置信传播的整条迭代轨迹中学习每个故障的校准概率,再以这些概率为起点在 GPU 上并行搜索多种排序下的候选纠正。在 72 个表面码、色码和双变量自行车码电路上,其逻辑错误率与 Tesseract 相当或更低,最大码上最多低 4.5 倍,串行解码相对稀疏化 Tesseract 提速 10 到 7400 倍。
碳纳米管片、胶原和纸张由相互交叠的纤维构成,显微图像里交叉处会把不同纤维并成一块,信号缺口又把同一根纤维切成碎片。PLECTA只输入一张标出纤维中心线的二值掩膜,在每个交叉点把各段纤维的续接当作整体做精确最大权部分匹配,并允许纤维在交叉处终止、交叉像素同时属于多根纤维。在128个合成场景上,其共同碎片成对F1均值为0.85(95%自助置信区间[0.84, 0.86]),随面覆盖率从20%升到60%由0.91降到0.77。
从带噪时空轨迹中识别控制方程,传统做法是对每条轨迹从头拟合稀疏或符号回归,微分又会放大观测噪声。UNIDE 先在六个一维 PDE 家族上学习:用无需干净目标的盲点去噪器清理轨迹,用共享编码器预测哪些候选项活跃,再用弱形式最小二乘与残差剪枝估计系数。在 900 条留出轨迹上,80% 噪声时它精确还原项集的比例为 0.924,而 WSINDy 为 0.003。
MS-HVED把轴位、冠状位、矢状位三个方向的低分辨率脑部MRI层堆分别编码成多尺度高斯后验,再用带视野掩膜的乘积融合,同一个模型无需重训即可接受任意非空方向子集。在30例尼日利亚临床脑部MRI组成的盲法阅片研究中,7位神经放射科专家在210次配对评估中有187次把整体图像质量票投给MS-HVED而非监督基线SegResNet;当轴位或冠状位输入被刻意省略时,这一偏好仍然存在。
药物协同预测此前多在单一层面建模,要么只看原子级分子图,要么只看药物、靶点、细胞系与组织构成的生物网络,跨层信号难以融合。BiGSyn用异构图Transformer分别从分子图和生物子图提取表示,再用双层对比学习把同一药物的两种表示拉近。在Oncology-Screen与DrugCombDB两个基准上,其独立测试指标均高于六个对比方法,Oncology-Screen的AUC为94.37。
Yau–Yau非线性滤波把状态估计拆成离线求解多组Fokker–Planck–Kolmogorov方程和在线投影两步,离线求解与重复投影都很耗时。神经算子滤波器NOF改用傅里叶神经算子直接学习从先验密度到后验密度的映射,从而省去这两步。在一维与二维三次滤波基准上,NOF的均方误差与粒子滤波、LGS方法相当,二维算例中平均运行时间比粒子滤波少约77.9%、比LGS少约63.3%。
过程型陆地生物圈模型能算全球碳收支,但计算代价限制了全球高分辨率与多情景模拟,专用深度模拟器又需要逐任务设计和训练。研究把生态系统人口学模型的40年预测改写为表格回归,用预训练的表格基础模型TabPFN-3.5以情境学习方式直接预测,不更新权重。在CarbonGlobe的50,779个测试站点上,它未训练即取得三者中最低的树高误差,土壤碳误差与DeepEDLSTM相差不到4%,但AGB、LAI和碳通量误差更大;在SSP5-8.5情景下,它是树高、AGB、土壤碳和LAI最准确的模型。
通用图神经网络力场ALIGNN-FF此前受单卡显存限制,一张桌面级GB10以单图形式最多容纳21.6万个原子并给出力。把周期晶胞切成小块、每块附带覆盖模型20 Å感受野的晕圈原子后,单块显存不再随体系增大,9台GB10完成20.00376亿个硅原子的能量与力评估,单块最大10.4万原子。作者同时用平滑截断重训的AFF-r2SCAN-smooth消除了原模型在三体截断处的力跳变,使弛豫收敛、能量守恒。
相干光神经网络受制于可调参数数量,器件制备复杂度、占地和控制开销都随参数增长。细粒度蝶形(FGB)架构把基本单元从含两个可调相移器的马赫-曾德尔干涉仪换成单个相移器与分束器的配对,并按蝶形拓扑级联,使每个输入输出对只有一条路径、每条路径经过相同数量的单元。计算评估中,在参数受限条件下,该架构对Haar随机矩阵的重建误差低于常规矩形网格,在Fashion-MNIST分类上无论前馈还是循环网络都取得更高测试准确率。
低轨星座卫星的正弦振动验收试验中,试验条件写在中文记录里,过去要人工编码进分析程序。哈尔滨工业大学团队让DeepSeek V4.1 Flash与Qwen-plus把记录读成76字段的配置,并在配置进入数值程序前设置六道确定性校验,检查单位、物理一致性、原文引用、双模型一致、与测量导出文件一致以及模型适用范围。在最终流程与共识策略下,20份大模型配置给出的限幅决策与人工基准逐位一致,被消费字段中的1个真实错误和16个注入错误全部被拦下,其中16个若无校验会直接运行。
贝叶斯系统辨识要从测量记录中推断动力系统的隐藏状态与参数,传统粒子马尔可夫链蒙特卡洛方法每来一条新记录、换一种任务都要重跑。这里把隐马尔可夫模型下的系统辨识当作一般贝叶斯反问题,用一次训练的条件扩散模型近似状态与参数的联合后验,部署时只改条件掩码即可完成联合推断、状态平滑、参数推断或补全缺失测量。在四个基准系统上,训练片段五倍长的记录上状态精度保持不变,而稠密注意力的 Simformer 基线状态误差可增长十倍以上。
面向患者的医疗大模型通常靠大规模医疗指令数据做监督微调来获得领域知识,但这一过程会削弱模型原有的安全对齐。S-BDS 在双层数据选择的上层目标中加入熵正则,抑制选择权重过度集中,使大规模候选池中的样本排序更可靠,并以经临床医生审核的安全数据作为上层信号。在 Llama-3.1-8B-Instruct 与 Qwen3-8B-Instruct 上,S-BDS 的 PatientSafetyBench 安全率均为对比方法中最高,分别比最强基线 SEAL 高 4.64 和 3.00 个百分点,同时 HealthBench 医疗能力得分保持有竞争力。
序列切片的空间转录组在XY平面内密集、沿Z轴稀疏,标准坐标隐式神经表示用对称编码,无法体现这种采样不对称。HoloGene把平面内坐标作为主输入,用深度条件调制每一层特征,并以训练切片表达导出的伪标签分组约束跨切片协方差对齐。在留出实测切片上,它于MOSTA E16.5与全脑数据取得最低MSE和最高Pearson、掩码Spearman与ARI,全脑ARI由最强基线0.428升至0.467。
ElevenCreative 在 Studio 中更新了有声书制作流程,新增独立的发音词典侧边栏、时间线上的音效与音乐、跨轨吸附与链接片段,以及边生成边播放的流式播放引擎。此前发音规则藏在弹窗里,音效无法与旁白一起排布,按下播放还要等整段音频生成完毕。这些工具面向在 Studio 中制作有声书的创作者,具体效果取决于项目中的实际使用。
微软 AI 的 Decision-1.1 已上线 AI Gateway,面向路由支持请求、选择由哪个模型处理请求、确定工作流下一步或给 AI 回复打分这类决策任务,返回结构化答案而非自由文本。微软称它比 Decision-1 更准确、校准更好、速度更快;校准更好指模型给出的概率与它实际答对的频率更贴合,应用据此设定何时执行、何时标记复核或升级的阈值。请求格式与 Decision-1 相同,切换只需把模型 ID 改为 microsoft/decision-1.1。
ECC 2.2 把一套工程流程做成可安装的插件,让 AI 智能体在写代码前先规划、用测试验证改动、在全新上下文中复核自己的工作,并把重复奏效的做法沉淀为可复用的技能与工作流。此前这套流程要在每条提示里重新搭建,安装一次后它成为智能体工作方式的一部分。项目以 MIT 许可开源,目前与 Claude Code 配合最好,为 Codex、Qoder 提供原生插件路径,对 Cursor、OpenCode、Gemini 等运行环境提供能力受限的适配器。
Anthropic在Claude平台以beta形式推出关联计费,第三方平台可让终端客户直接为Claude API用量付费,而无需把API密钥交给平台。此前在第三方平台使用Claude通常意味着共享API密钥,持有密钥者即可发起计入客户账单的请求。现在客户改为关联自己的Claude平台组织,用量直接计入该组织,客户可逐个平台设置月度支出上限并随时解除关联。
Google把Gemini从对话助手改成能接手整件任务的执行者:用户把任务交给它,它在后台调用地图、日历、购物与支付等已接入的应用完成操作。此次更新以新的Gemini 4 Hydrogen模型在美国、日本、韩国、加拿大、澳大利亚和印度向数亿人免费推送,高级功能先在美国上线。官方给出的例子包括同时致电两家经销商并在五分钟内约好周五早间保养、分析电费账单定位到热泵在高峰电价时段启动,以及用折扣码在结账时再省10美元。
ElevenLabs发布Scribe v3 Live Medical,把面向临床语言的实时语音转写接入ElevenAgents中的通话智能体。此前其医疗转写只覆盖录音,而实时通话中的药名和剂量最容易被通用模型听错。在57段模拟门诊通话组成的PriMock57上,该模型词错率为12.8%,比测试中次优的医疗模型少17%错误;加载自定义术语表后,医疗术语错误最多减少48%。
Vercel 把开源智能体框架 eve 从公开预览推进到 1.0 正式版,补齐了安全审批、多人共享会话、跨会话记忆和 OpenTelemetry 追踪等能力。在 Vercel Workflows 上的托管压力测试中,同一份 100 轮负载每轮中位耗时从 9 月初的 3.036 秒降到 414 毫秒,该测试每轮只发一条消息、由模拟模型立即返回且不调用工具,计时不含模型生成时间。框架把调用模型、运行工具和委派子智能体的循环交给使用者自己掌控,并内置可恢复的 Workflow SDK。
单克隆抗体曾是对抗新冠的重要工具,但病毒变异后很快失效,而靠大规模筛选找广谱抗体难以跟上进化速度。antiGen 不再只看序列,而是从病毒进化树上已发生的突变中学习,用约五十万参数预测下一步可能出现的突变;Germinal Multi 则在计算机上同时检验同一个抗体设计对多个变异版本是否都能结合。两者合用后,原本对 XFG 有效、对叠加预测突变而成的 XFG-Next 失效的 BD55-1205 被重设计为 X51,在实验中对两个版本都阻断了感染。
Mastra 发布内置 MCP 服务器,安装 @mastra/mcp 并配置认证后,整个 Mastra 服务在 /api/mcp 上暴露给 MCP 客户端。此前要由人通过 Studio UI 操作的任务,现在可由配置好的编码智能体或已连接的 MCP 客户端代为处理。服务器提供 call_agent、start_workflow 和 get_trace 三个工具,每次调用走与标准 HTTP 请求相同的服务器路由,并经过同样的 RBAC 与 FGA 检查。
微软把MAI-Image-2.7和MAI-Image-2.7-Flash以公开预览形式放上AI Gateway,两款模型都把最大输出尺寸提高到2048×2048像素,并为生成与编辑图像新增透明背景。开发者只需一个AI Gateway API密钥,无需微软账号,即可从文本生成图像或编辑已有图像。两款模型支持照片级写实、文字渲染,以及针对产品、人像和版式的定向编辑,并可用最多五张参考图引导编辑或组合主体。
OpenAI 更新了法律模型配置 Astra for Law,并把它开放给所有 ChatGPT Enterprise 客户申请。该配置以 GPT-6.2 Astra 为底座,叠加扩展后的法律检索索引和检索、权衡判例、撰写答案的指令。在 Harvey LAB-AA 的 120 项法律任务上,它全对率为 20.8%,高于 GPT-6.2 Astra 的 15.0% 和 Muse Wonder Full 的 13.1%;每项任务平均 0.03 次实质性幻觉,与 GPT-6 并列最低。
OpenAI与智利政府签署合作备忘录,启动“OpenAI for Chile”,由智利科学、技术、知识与创新部牵头,支持公共行政部门负责任地采用AI、培训公务员技能,并帮助本地初创企业开发有用的AI应用。备忘录在加州Semafor会议期间签署,得到美国商务部American SI Exports Program支持。双方将成立联合工作组确定优先事项和初始工作计划,但具体活动、资格、资源与技术获取另行商定,备忘录不设投资或采购承诺。
英伟达在SC26宣布面向科学研究的开放模型工具包Nemotron for Science,把Nemotron 3.5 Super VL开放模型与新的开放化学数据集及生命科学、化学后训练配方组合在一起,研究者可在DGX Spark、工作站或自有超级计算机上本地运行。在阿贡国家实验室,用该工具包构建的智能体从单条提示出发规划并检验假设、选择要运行的模拟,识别出两个新的结合位点。英伟达同时公布Rubin HPC GPU、扩展的Vera CPU平台,以及与IBM和费米实验室的量子计算合作计划。
微软在Ignite 2026上把Copilot、Microsoft IQ、Agent 365、Perception安全系统与自研模型整合为一套面向企业的“前沿生态”栈,并宣布Microsoft-Decision-1.1、Code 2系列、Cyber 2 Flash与Perception正式可用。Copilot被定位为工作入口,把Chat、Cowork、Code、Autopilot与Office整合在一起,底层由Work IQ承载人员、文档、邮件、会议与项目等组织上下文。Agent 365作为控制面把既有治理、身份、安全与管理体系延伸到企业内智能体,微软称其中已有超过5000万个智能体。
MongoDB宣布收购分析数据库公司Firebolt,计划把Firebolt的高性能分析引擎集成进MongoDB智能数据平台,与运营数据库并排运行并自动保持同步,让应用和AI智能体直接对实时运营数据做复杂查询。此前这类分析通常要把数据复制到独立系统,维护管道并承担同步开销。MongoDB称Firebolt引擎已在生产环境支撑Similarweb对超过一万亿行、PB级数据的面向客户分析,动态查询达到亚秒级响应。
Cradle宣布,argenx在初步合作取得结果后,把其端到端AI蛋白质工程平台扩展到更多科学家和抗体发现项目。此前argenx团队从起始候选分子出发做设计;使用该平台后,科学家在连续的设计、测试、学习循环中探索了起始候选之外的序列空间,并独立运行设计,使更多样的想法更快进入测试。平台把AI驱动的工程设计与从实验数据中主动学习、多性质优化放在同一系统中,用于优化先导分子并生成针对靶点亲和力与选择性等性质的抗体候选。
Aignostics更新空间H&E分析平台HETA,新增免疫表型读出、肿瘤浸润淋巴细胞分析、核分裂检测以及神经与脂肪分割。免疫表型分别测量肿瘤核心与边缘的淋巴细胞密度,各自对照泛癌TCGA参考,报告连续数值而非每张切片一个标签,研究者可据此自定义炎症型、排斥型与荒漠型阈值。平台还输出成熟与未成熟三级淋巴结构的计数和密度,并把组织分割扩展到9类,作为未来神经周围侵犯读出的基础。
OpenAI发布面向高难度项目的GPT-6.2 Astra和面向日常工作的GPT-6.2 Sol,两者以更少输出token完成更难任务。在测试多步专业工作的Agents' Last Exam上,Astra比GPT-6 Astra高5.2分而成本不到三分之一,比Claude Fable 5.2高5.5分而成本仅为其5%。Astra在终端科学工作基准Terminal-Bench-Science 0.1上比GPT-6 Astra高9个百分点,成本不到三分之一。
华为云在杭州发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,目标是让机器人从看懂静态图像走向预判物理交互并直接生成动作。此前具身智能受困于多模态物理理解、世界认知与动作生成耦合、异构数据难以规模化利用、跨本体泛化和实时推理算力成本等问题。该模型以共享世界模型骨干网络做预测增强的世界表征,配合世界模型原生DualAct架构直接输出动作,在RoboTwin 2.0与LiberoPro 2.0评测中均位列第一。
非靶向代谢组学长期依赖先鉴定结构再做通路分析,而谱库不全使大量差异峰无法进入下游解释。Spec2Function把二级质谱与HMDB整理的多方面功能文本用双编码器对比学习对齐到同一功能空间,推理时不再要求查询谱有结构注释,再借检索增强生成给出有文献依据的功能摘要。在肝硬化和30组织猕猴衰老数据上,它覆盖了结构注释之外的谱峰并给出可跨物种对照的功能模块。
LangSmith 面向企业版新增三项轨迹数据访问控制:管理员可隐藏轨迹的输入与输出,按用户组分配权限,并用根运行元数据设定轨迹级访问策略。此前团队要么搭建带重复轨迹和多工作区的自定义可观测方案,要么干脆不把轨迹送进可观测平台,前者维护成本高,后者让智能体工程师失去可见性。三项控制可叠加使用,使工程师查看运行树、延迟与成本等数据来排查问题,而敏感输入输出只对确有需要的人开放。
单细胞多组学整合中,不同分子层对同一对细胞是否相邻常给出不一致的证据,而多数方法默认这些关系同等可靠。GatorAnchor把每种模态的不确定性与模态间均值分歧一起写进融合表示,再按RNA相似度、第二模态相似度和共享边解码器支持为候选细胞关系打出复合不可靠度,据此削弱或删除不可靠边。在十个配对RNA+ADT与RNA+ATAC数据集上,它的AMI、NMI、ARI、ACC四项平均指标均高于九个代表性整合方法;保留90%最可靠候选边后,十个数据集的同类型边纯度全部上升,但图结构变化因数据集而异。
常规H&E染色切片只呈现细胞形态,此前病理基础模型以多细胞视野为单位,难以回答单个细胞的分子状态能否从形态中读出。Loki2以约1500万个细胞、覆盖15种组织与22个主要细胞谱系的UniSeg资源做分子到形态的知识蒸馏,把每个细胞核的形态嵌入对齐到转录组嵌入。在细胞分型任务上,Loki2的加权F1为0.806、加权准确率0.807,而作为冻结特征提取器的PLIP、GigaPath、UNI加权F1在0.574至0.608之间;其可检索的基因偏向形态上可区分的细胞身份与功能。
代谢功能障碍相关脂肪性肝病(MASLD)的预后模型通常先固定一个终点,再优化预测器。LIFT-MASLD 反过来,用 SCORE 从八项肝脏指标中学出一个最易由基线特征预测的加权表型,并以稀疏回归挑选基线变量。在 HALO 队列中该表型预测相关系数为 0.860,高于用全部基线变量预测未来肝硬度的 0.763;在未重新拟合的 NIDDK 外部队列中为 0.836。
蛋白质逆折叠要从骨架设计出能折叠回该结构的氨基酸序列,而以往利用进化信息必须先用待设计序列去搜多序列比对,形成循环依赖。FoldMapper改用Foldseek按形状检索结构同源物,把命中位点的氨基酸身份按bit score累加成逐残基的结构位置特异性频率谱,再由多尺度图编码器先做稀疏局部编码、后接稠密结构消息传递解码。在TED结构上best-of-100序列恢复率为60.0%,高于表中其他方法43.2%至56.3%的区间,同时序列多样性为20.1%。
HEAL-Surv把成像质谱流式细胞术(IMC,在保留细胞位置的前提下测量单个细胞蛋白标记的技术)和DNA甲基化放进只在训练阶段使用的教师模型,让学生模型在推理时仅凭分子与临床输入预测乳腺癌五年净疾病特异性生存。在423名METABRIC患者的五折交叉验证中,与同一架构、同样推理输入但只学观测结局的学生相比,蒸馏把五年Uno一致性均值从0.658提高到0.704,但积分Brier分数和五年Brier分数同时升高。
预测酶转换数(kcat)需要区分同一酶在不同反应、不同酶在同一反应上的活性差异。EnzRef把反应化学拆成反应物与产物两个条件,分别与冻结的蛋白语言模型交互,再以每个酶自身的残基平均响应为参照,把条件响应写成相对该背景的偏差并重新组合。在CatPred-DB源域留出集上,单模型平均R²从MCKcat的0.553升到0.614;在酶序列未见于源训练的TurNuP-DB子集上,R²从0.259升到0.310,相对提高19.8%,且不做目标域适配。
Reflection推出受信任访问计划,让通过审核的组织提前使用其部分AI能力,首个开放对象是自主渗透测试工具Laser。Laser运行在Reflection的终端智能体Mirror之上,用攻击图和留存证据核验测试结论,而不是只生成看似可行的攻击。目前Laser以研究预览形式仅向获准加入计划的商业伙伴开放,用于经授权的安全测试。
细菌必需基因的预测长期依赖通量平衡分析,而该方法默认敲除株仍以最大生长为目标,这一前提并不总成立。HyperGenie 把大肠杆菌代谢网络表示为有向超图,代谢物作节点、反应作超边,直接以野生型通量特征作输入,绕开敲除后的最优性假设。在 iML1515 模型的有氧葡萄糖条件下,其 PR-AUC 比依赖目标函数的 FlowGAT 与随机森林高 13%,并与通量采样的 FCL 在可比的基因子集上持平。
LAMP把人工设计、强而一致的转录因子基序扰动SNV注入个人基因组数据集,用来检验序列到功能模型在微调中能否学会变异效应。即便训练集扩到12111个基因、12011个这样的理想化因果SNV,微调后的Enformer在留出基因和个体上仍不及只用该SNV基因型的弹性网基线。分析指向两个障碍:预训练先验压低远端调控元件,使增强子到基因的连接难以加强;同一基序在不同位点的序列背景差异又掩盖了本应易学的扰动模式。
在四种人类细胞系的必需基因CRISPRi Perturb-seq数据上,同一敲低的转录响应经噪声校正后跨系中位相关为0.52,说明响应只有中等程度共享。CASTER从其他细胞系的平均响应出发,用目标系已筛到的部分敲低做校正;筛到30%时线性模型与CASTER的校准得分分别为0.84和0.80,而直接迁移的均值只有0.44。CASTER只在筛到2.5%时领先(0.62对0.47),若只用对照细胞、完全不筛,它反而低于迁移均值。
差异表达分析要先定模型族、主比较和样本依赖,这些决定过去要么靠人,要么交给会写代码的自主智能体。statLens把数据刻画与规则校验交给代码、把研究情境解读交给语言模型、把最终确认留给研究者,在102项任务上七种模型准确率稳定在92.5–95.0%,而只用语言模型推理为17.5–46.8%。四个小模型的平均准确率从自主智能体的81.0%升到93.6%。
蛋白质设计通常把扩散生成骨架、逆折叠设计序列、结构预测验证串成固定流水线,各阶段采样量在开跑前就定死,过滤器只能丢弃候选、无法把采样引向模型能够到的设计空间。IMPRESS把每条设计流水线做成带状态的对象,依据自身累积的骨架、序列与折叠结果在运行时决定停止、继续、重采样或分支,且决策与执行异步进行、不需要全局同步。在41个酶-配体结合基序的AME基准上,自适应流程对含三个及以上不连续残基岛的基序给出高质量解,而固定级联完全无解;在五个残基岛的基序中,超过40%的基序由自适应流程解出。
SMSTPred 是一个多标签分类器,用蛋白质语言模型嵌入判断 SAM 依赖甲基转移酶的底物类型(DNA、RNA、蛋白质或小分子代谢物),不需要结构输入。在同源簇不重叠的交叉验证中,它的平均 MCC 为 0.94,高于序列同源最近邻 MMseqs2 的 0.848、结构同源检索 Foldseek 的 0.887 和 profile-HMM 的 0.519。把模型用于 1,249 个参考蛋白质组中的 115,850 条候选甲基转移酶后,预测显示小分子底物类在植物和放线菌门中占比更高,但植物中的扩张主要随蛋白质组规模变化。
Molecular Connections 为旗下信息追踪平台 ICUBE Cognitive 发布了一个由 Tessera 驱动的 MCP 连接器,使该平台汇集的研究、新闻与行业动态可以通过兼容的 AI 应用访问。此前这些信息只能在平台内部查看,团队需要自行浏览和筛选;现在组织可以借助对话式 AI 更快地探索相关内容。公司方面表示,这一改动旨在让用户更快找到所需信息并做出更有依据的判断,但公告未给出任何使用量、检索速度或准确率数据。
NVIDIA在CUDA Toolkit 13.4.2的cuBLAS中引入Ozaki-II与2M两种算法,把64位浮点矩阵乘法拆成整数片段、在Tensor Cores上相乘后精确重组,使DGEMM与ZGEMM无需改动应用代码即可加速。在VR NVL72与GB200上,Ozaki-II的DGEMM分别比原生FP64快5.5倍和3.9倍;量子化学CCSD算例端到端分别快2倍和1.4倍,且全精度结果与原生FP64不可区分。
谷歌推出 Gemini 4 Hydrogen,面向开发者的日常编码与智能体工作流。它可独立运行,提供四档可配置的思考级别,也可与 Gemini 4 Carbon、Gemini 4 Argon 等前沿模型搭配使用,覆盖仓库级编码与调试、交互式网页开发和多模态工作流。谷歌称其指令遵循更紧、编造性陈述更少,并已通过 Gemini API、Google AI Studio、Android Studio 及付费订阅者可用的 Google Antigravity 开放使用。
MongoDB发布并开源了面向Vercel AI SDK的集成包,把MongoDB Atlas变成用该SDK构建的AI应用与智能体的持久记忆库。此前该SDK不含数据库,应用每次对话都从零开始,开发者要自行设计模式、清理旧数据和搭建向量检索。集成把会话、语义、程序、情景和草稿五类记忆自动分类存入Atlas文档,其中语义、程序、情景三层用MongoDB向量检索按语义而非关键词找回,并自动建索引、识别嵌入维度。
谷歌把Gemini 4 Hydrogen接入搜索,面向全球所有用户上线,称这是搜索迄今最大的一次模型升级。此前搜索对多部分问题、难辨的错别字和高度具体的请求理解有限;新模型加深了指令遵循与工具调用,并强化查询扇出,把一个问题拆成多个相关子主题同时检索,从而给出更多此前可能找不到的链接。响应也更多采用图片、结构化内容、对比表格和定制工具的形式。
Vercel 发布 Workflow SDK 5,把持久化工作流的运行数据改为默认端到端加密,并让每个运行的状态留在启动它的区域。此前每个运行的事件日志、队列和流都只存在 iad1,跨区步骤要往返记录进度;v5 把 Workflow 基础设施铺到每个 Vercel Function 区域,并重写引擎减少队列跳转。在 1,020 步基准上,v5.2.0 完成全部步骤的中位时间从 v4.8.12 的 21.0 分钟降到 3.0 分钟。