Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为异步通信的计算孤岛，降低带宽需求并隔离硬件故障。该系统在四个美国区域用 2-5 Gbps 广域网络训练了 120 亿参数模型，速度比传统同步方法快 20 倍以上，并支持 TPU v6e 与 TPU v5p 等不同代际硬件混用。
AI 评分62
AI 评分 62 / 100
#推理与训练方法
#推理与训练方法
今日 4 条Google DeepMind精选 Qwen Blog精选 Qwen3.6-27B 开源发布：270亿参数稠密多模态模型，编程能力超越 Qwen3.5-397B-A17B
Qwen 团队开源 Qwen3.6-27B，一个 270 亿参数的稠密多模态模型，支持思考与非思考模式，智能体编程能力全面超越前代开源旗舰 Qwen3.5-397B-A17B。
AI 评分78
AI 评分 78 / 100
Berkeley AI Research GRASP：面向世界模型的梯度规划器，让长时程规划更稳健
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长时程规划变得可行。现代世界模型虽能预测高维视觉空间的长序列观测，但长时程规划仍因优化病态、非贪心结构导致的局部极小值和高维隐空间失效模式而脆弱。
AI 评分38
AI 评分 38 / 100
Hugging Face Blog Ecom-RLVE：面向电商对话智能体的自适应可验证环境
Hugging Face 发布 Ecom-RLVE，将 RLVE 框架从单轮推理题扩展到多轮、工具增强的电商对话，其 EcomRLVE-GYM 提供商品发现、替代品、购物车搭建、退货、订单追踪、政策问答、套装规划、多意图旅程 8 个可验证环境，每个环境含程序化出题、12 轴难度课程与算法可验证奖励。
AI 评分36
AI 评分 36 / 100
Berkeley AI Research Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
AI 评分34
AI 评分 34 / 100
Google DeepMind AlphaGo 十周年：从围棋到生物学，DeepMind 回顾其对 AI 与科学的深远影响
Google DeepMind 回顾 AlphaGo 击败围棋世界冠军十周年，称其“第 37 手”证明了 AI 能超越模仿人类、发现全新策略。
AI 评分36
AI 评分 36 / 100
Google DeepMind精选 Google DeepMind 发布 Gemini 3.1 Flash-Lite
Google DeepMind 推出 Gemini 3.1 Flash-Lite，定位为 Gemini 3 系列中速度最快、成本最低的模型，即日起通过 Gemini API 在 Google AI Studio 和 Vertex AI 向开发者开放预览。
AI 评分71
AI 评分 71 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 3.1 Pro
Google DeepMind 发布 Gemini 3.1 Pro，定位为面向复杂任务的核心推理升级，在 ARC-AGI-2 上取得 77.1% 的验证得分，超过 3 Pro 推理性能的两倍。
AI 评分80
AI 评分 80 / 100
Google DeepMind Google DeepMind 与印度达成 AI 国家合作，推动科学与教育应用
Google DeepMind 宣布与印度政府机构及本地机构建立 National Partnerships for AI 合作，向印度研究人员开放 AlphaGenome、AI Co-scientist 和 Earth AI 等前沿科学模型。
AI 评分36
AI 评分 36 / 100
Qwen Blog精选 Qwen3.5 发布：首款开放权重模型 Qwen3.5-397B-A17B，原生视觉-语言与智能体能力
Qwen 团队正式发布 Qwen3.5，并推出该系列首款开放权重模型 Qwen3.5-397B-A17B，定位为原生视觉-语言模型。该模型采用线性注意力（Gated Delta Networks）与稀疏 MoE 的混合架构，总参数 3970 亿、每次前向传播仅激活 170 亿参数；语言与方言支持从 119 种扩展到 201 种。
AI 评分72
AI 评分 72 / 100
Google DeepMind精选 Google DeepMind 发布 Gemini 3 Deep Think 升级，面向科研与工程推理
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，这一专用推理模式面向科学、研究与工程难题，与科研人员合作打磨。
AI 评分78
AI 评分 78 / 100
Google DeepMind精选 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在数学、物理和计算机科学专业研究问题上的表现。
AI 评分74
AI 评分 74 / 100
Berkeley AI Research 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，预测彩色摄影、射电天文、无透镜成像和显微镜四个领域的解码器性能。该方法在 NeurIPS 2025 论文中展示，优化信息量得到的设计可匹配 SOTA 端到端方法，同时所需内存和算力更少，且无需任务专用解码器设计。
AI 评分31
AI 评分 31 / 100
Qwen Blog精选 Qwen 发布 Qwen3-VL-Embedding 与 Qwen3-VL-Reranker 多模态检索模型系列
Qwen 团队推出基于 Qwen3-VL 构建的 Qwen3-VL-Embedding 和 Qwen3-VL-Reranker 模型系列，统一处理文本、图像、截图和视频的多模态检索与跨模态理解。
AI 评分68
AI 评分 68 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 3 Flash
Google DeepMind 发布 Gemini 3 Flash，主打前沿智能与速度兼顾，在 GPQA Diamond 得分 90.4%、Humanity's Last Exam 无工具 33.7%、MMMU Pro 81.2%、SWE-bench Verified 78%，定价为输入 $0.50/1M tokens、输出 $3/1M tokens。
AI 评分84
AI 评分 84 / 100
Google DeepMind Google DeepMind 与 Kaggle 推出 FACTS Benchmark Suite，系统评估大语言模型事实性
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共 3,513 个公开样例，另设私有留出集，由 Kaggle 管理并维护公开排行榜。
AI 评分42
AI 评分 42 / 100
Qwen Blog精选 Qwen 团队提出 SAPO：用软自适应门控替代硬裁剪的大模型强化学习方法
Qwen 团队提出 SAPO（Soft Adaptive Policy Optimization），用平滑的温度控制门控函数替代 GRPO/GSPO 的硬裁剪，在保留有用梯度的同时抑制离策略更新。
AI 评分62
AI 评分 62 / 100
Google DeepMind 科学家用 AlphaFold 改造光合作用关键酶，培育耐热作物
密歇根州立大学 Berkley Walker 团队借助 AlphaFold 预测植物与嗜热藻类的甘油酸激酶（GLYK）三维结构，发现植物 GLYK 的三个柔性环在高温下变形失稳。他们将植物 GLYK 的不稳定环替换为藻类来源的刚性环，构建的杂合酶中有一个在高达 65 °C 下仍保持稳定，为培育耐热作物铺路。
AI 评分38
AI 评分 38 / 100
DeepSeek News精选推荐 DeepSeek 发布 V3.2 与 V3.2-Speciale 正式版：思考模式支持工具调用，网页端、App 与 API 同步升级
DeepSeek 发布正式版 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale，网页端、App 与 API 已从 V3.2-Exp 升级为 V3.2，Speciale 仅以临时 API 形式开放供评测研究。
AI 评分82
AI 评分 82 / 100
Google DeepMind精选 Google DeepMind 发布天气预报模型 WeatherNext 2
Google DeepMind 与 Google Research 发布天气预报模型 WeatherNext 2，称其生成预报速度提升 8 倍，分辨率最高可达 1 小时。
AI 评分62
AI 评分 62 / 100
Google DeepMind Google DeepMind 在 Nature 发表研究：让 AI 视觉表征更接近人类
Google DeepMind 在 Nature 发表新论文，分析 AI 视觉模型与人类在组织视觉世界方式上的差异，并提出一种三步对齐方法。该方法先用 THINGS 数据集训练一个冻结主模型的小型适配器作为教师模型，再生成包含百万张图像、数百万条类人判断的 AligNet 数据集，最后微调学生模型。
AI 评分58
AI 评分 58 / 100
DeepSeek News精选推荐 DeepSeek 发布实验版 DeepSeek-V3.2-Exp，引入稀疏注意力并下调 API 价格
DeepSeek 发布实验性模型 DeepSeek-V3.2-Exp，在 V3.1-Terminus 基础上引入 DeepSeek Sparse Attention（DSA）稀疏注意力机制，官方称在几乎不影响输出效果的前提下大幅提升长文本训练和推理效率。
AI 评分82
AI 评分 82 / 100
DeepSeek News精选 DeepSeek 发布 DeepSeek-V3.1：混合推理架构、Agent 能力增强并开源
DeepSeek 正式发布 DeepSeek-V3.1，用一个模型同时支持思考与非思考模式，并同步升级 App、网页端和 API。
AI 评分78
AI 评分 78 / 100
DeepSeek News精选 DeepSeek-R1-0528 小版本升级：AIME 2025 准确率从 70% 提升至 87.5%
DeepSeek 发布 DeepSeek-R1-0528 小版本升级，仍以 2024 年 12 月的 DeepSeek V3 Base 为基座，通过在后训练投入更多算力提升思维深度与推理能力。
AI 评分78
AI 评分 78 / 100
OpenAI News OpenAI o3 如何自动化复杂工作流
OpenAI o3 可对复杂任务进行推理，帮助自动化多步骤工作流。该模型面向需要多步推理与流程编排的场景，官方展示了其处理复杂任务的能力。
AI 评分32
AI 评分 32 / 100
DeepSeek News精选 DeepSeek-V3 小版本升级至 DeepSeek-V3-0324，推理、前端代码与中文写作能力提升
DeepSeek 将 V3 模型小版本升级为 DeepSeek-V3-0324，API 接口和使用方式保持不变，网页、App、小程序关闭深度思考即可体验。新版借鉴 DeepSeek-R1 训练中的强化学习技术，在数学、代码类评测集上得分超过 GPT-4.5，并增强了 HTML 等前端代码生成、中长篇中文写作和联网搜索报告生成能力。
AI 评分78
AI 评分 78 / 100
DeepSeek News精选推荐 DeepSeek 发布并开源 DeepSeek-R1，性能对标 OpenAI o1 正式版
DeepSeek 正式发布并开源 DeepSeek-R1，在数学、代码、自然语言推理等任务上性能比肩 OpenAI o1 正式版。
AI 评分93
AI 评分 93 / 100
DeepSeek News精选推荐 DeepSeek-V3 正式发布并开源：671B 参数 MoE，生成速度提升至 3 倍
DeepSeek 上线并开源全新系列模型 DeepSeek-V3 首个版本，自研 MoE 架构、671B 参数、激活 37B，在 14.8T token 上预训练。
AI 评分88
AI 评分 88 / 100
DeepSeek News精选 DeepSeek-R1-Lite 预览版上线：强化学习训练，思维链可达数万字
DeepSeek 上线推理模型 DeepSeek-R1-Lite 预览版，所有用户可在 chat.deepseek.com 选择「深度思考」模式使用。该系列用强化学习训练，推理过程包含大量反思和验证，思维链长度可达数万字，在 AIME、Codeforces 等评测中大幅超越 GPT-4o，数学与代码推理效果媲美 o1-preview，并公开了 o1 未展示的完整思考过程。
AI 评分71
AI 评分 71 / 100
OpenAI News OpenAI o1 推理模型如何解决编程、战略与研究领域的复杂问题
OpenAI 发布视频展示 o1 推理模型在编程、战略和研究等领域的复杂问题解决能力。o1 属于推理模型系列，可应用于需要多步推理的任务场景。
AI 评分34
AI 评分 34 / 100
IEEE Spectrum 吴恩达：AI 不必一味求大，应转向「以数据为中心」的小数据方案
吴恩达在 IEEE Spectrum 专访中提出，AI 的下一个大转变是从一味扩大模型与数据转向「以数据为中心」的小数据方案。他以 Landing AI 的 LandingLens 视觉检测平台为例，称用约 50 个精心设计的样本即可训练出可用的缺陷检测系统，做法是固定 RetinaNet 等预训练网络架构，把精力放在挑选图像、统一标注和定位不一致数据上。
AI 评分58
AI 评分 58 / 100