估值 150 亿美元的广告驱动 AI 初创公司 OpenEvidence 已被医生使用
估值 150 亿美元的广告驱动 AI 初创公司 OpenEvidence 已在医生群体中获得采用，其 CEO Nadler 称最终目标是基于文献的药物发现。Mayo Clinic 的研究发现它在五个抽样病例中均给出准确、循证的推荐，但 Nature 六月的一篇论文指出它在临床基准上不如 Gemini 和 GPT 等通用模型。
#数据/训练
Ars Technica · AIAI 评分5858 Mistral AIAI 评分5858 Mistral 与 NVIDIA 合作推进工程领域 AI 工作流
Mistral 与 NVIDIA 宣布合作，将 Mistral Large 4 与 NVIDIA CUDA-X、Warp 及 Omniverse 结合，用于加速工程仿真并打通仿真、模型开发与设计之间的闭环工作流。
NVIDIA Blog精选AI 评分7373 NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算
NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 与 Ising。
推荐理由：原文一次性列出语言、机器人、生物、量子多条开源模型线的能力与开放渠道，便于比较各行业可定制的模型选择。
MIT Technology Review · AIAI 评分2020 企业 AI 的新经济学：从 token 成本转向有效产出成本
企业 AI 正从零散的聊天机器人实验变成业务基础层，衡量成本的重点也从 token 或 GPU 小时价格转向"每个有用产出的有效成本"。企业可选择自建栈、按需消费或集成私有 AI 平台三条路径，HPE Private Cloud AI 通过调度、模型选择、GPU 分区和 KV-cache 管理等手段提升利用率。
MIT Technology Review · AIAI 评分2222 各行业 AI 采用率差异揭示了其他行业可借鉴的经验
TripleTen 调查显示，科技行业领跑 AI 采用，金融紧随其后：48% 的金融从业者被要求使用 AI 聊天机器人，32% 被要求自动化部分工作流程；医疗为 18%、教育为 25%。79% 的从业者被要求学习至少一项新技能，但仅 30% 的管理者认为判断 AI 输出对错是必备能力。科技从业者年均自费培训 $1,758，医疗与教育分别仅 $990 和 $883。
MIT Technology Review · AIAI 评分2727 探访三星平泽大型半导体园区：AI 热潮下重启第五座晶圆厂建设
三星在韩国平泽建设大型半导体制造园区，已有三座晶圆厂全天候运转，第四座即将投产，第五座在2024年内存需求下滑时停工、后因 AI 热潮重启。三星预计内存芯片需求将持续激增到2028年，此举意在从 SK 海力士手中夺回高带宽内存市场的领先地位。
Google Research精选AI 评分7171 Google Research 提出 VERID 框架，让 AI 智能体在湿实验室中闭环做实验
Google Research 发布 VERID 框架，为实验室工作单元建立可实时更新的 3D 语义数字孪生，让智能体在执行前检查孔板体积、模拟协议并拦截物理上不可行的指令。
推荐理由：Google Research 用 VERID 数字孪生和闭环实验，展示智能体如何在湿实验室里验证假设并自我修正。
Google DeepMindAI 评分5858 Google DeepMind 用 Antigravity 加速抗菌肽发现
Google DeepMind 展示生物学家如何用智能体开发平台 Google Antigravity 发现一种新型抗菌肽候选物，该候选物预测对呼吸道感染相关病原体具有活性，目前正进行湿实验验证。
Mistral AI精选AI 评分6767 Mistral 发布 Timestral 时间序列基础模型系列
Mistral 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M、209M 四种规模，最大模型在 GIFT-Eval、TIME 和 fev-bench 三个公开基准的预训练零样本模型中排名第一，参数量仅为此前 SOTA 的三分之二。
推荐理由：Mistral 首次进入时间序列基础模型，209M 参数在三个公开基准上排名第一，并给出 CPU 推理延迟与微调路径。
Google ResearchAI 评分5858 Google Research 发布 Research@ 2026 十项研究进展
Google Research 在 Mountain View 的 Research@ 活动上公布十项研究进展，包括 Google Earth AI 扩大早期访问并新增地理空间分析、行星预测引擎和 agent-to-agent API 三种实验能力。
GitHub Blog · AI & MLAI 评分3434 GitHub 如何用 ModernBERT 分类器更准更省地检测密钥泄露
GitHub 用微调的 ModernBERT 分类器替换原 LLM 流水线来识别通用密钥，用户接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本下降超 98%。新方案先用正则表达式广撒网生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据，从而过滤占位符、测试样例和校验和等误报。该效率提升也让通用密钥检测扩展到推送保护阶段，在代码推送前即可返回结果。
Microsoft ResearchAI 评分5252 微软研究院提出 StudentSim：用个性化学生模拟器评估和改进 AI 导师
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布覆盖国际象棋、第二语言英语写作和数学的基准 StudentSimEval，从行为保真度和对指导的响应性两个维度评估模拟器。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，用约 3500 行代码实现 Harnessed Agentic RL，让部署时使用的智能体 harness 直接参与强化学习训练。
推荐理由：微软研究院开源了约 3500 行的智能体强化学习框架，并给出用 6000 条样本把 Qwen3.5-9B 在 SWE-bench Verified 上提升 14.6 个百分点的完整流程。
Google ResearchAI 评分5858 Google 用 Earth AI 的 PDFM 地理空间嵌入支持全球公共卫生研究
Google Research 以 Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，展示无需任务特定微调的地点嵌入可直接接入现有流行病学模型。
Microsoft ResearchAI 评分4040 微软研究院用机器学习预测电网空间天气风险，覆盖美国66,935座变电站
微软研究院开发了一套端到端机器学习流水线，利用L1太阳风观测与AE、Dst指数预报，结合纬度、地质电导率等数据，为美国本土66,935座变电站生成提前30-60分钟的位置级空间天气风险估计。
Mistral AIAI 评分4646 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设德国中心，组建专注 Physics AI 与工业 AI 的研究团队，并直接服务企业客户。Mistral 计划到 2030 年建成 1 吉瓦欧洲算力，其开放权重模型可在客户自有基础设施上运行。慕尼黑团队正与 BMW 合作碰撞仿真、与 Siemens Energy 合作工业 AI 应用，并与慕尼黑工业大学（TUM）共建汽车空气动力学数字孪生研究。
Mistral AIAI 评分4040 Cloudera 与 Mistral 达成合作，将专用主权智能引入企业数据
Mistral 与 Cloudera 建立合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还能在受控环境中用自有数据训练定制模型，数据与由此产生的智能均归企业所有。Cloudera 平台承载 30 exabytes 客户自管数据。
Berkeley AI ResearchAI 评分3838 ABBEL：通过信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的递归摘要隔离为自然语言"信念状态"并对其内容进行监督评分，在 CollabBench 协作编程任务上把与全上下文模型的性能差距缩小约 50%，训练步数也从 100 步降至 50 步。该方法借鉴自编码器思路，用当前模型从信念状态重建最新观测作为奖励信号，训练后峰值上下文 token 长度仍显著低于全上下文设置。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本已从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1，部分厂商低于 $0.10，年度降幅中位数约 50x，数据系统需围绕智能体重构。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
自适应并行推理让模型自行决定何时分解并并行化独立子任务、开启多少并发线程以及如何协调，而非由外部框架强加固定的并行结构。现有 self-consistency、Best-of-N、Tree of Thoughts、MCTS 等方法均在模型之外预设并行度与搜索策略，对简单问题浪费算力、对复杂问题分解不当。
Berkeley AI ResearchAI 评分3838 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 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、在状态迭代上直接注入随机性以促进探索，并重塑梯度让动作获得清晰信号、避开高维视觉模型中的脆弱"状态-输入"梯度，使基于学习世界模型的长时程规划更实用。该方法针对长时程 rollout 带来的梯度爆炸/消失、非贪心结构造成的局部极小值以及高维隐空间失效模式。
Berkeley AI ResearchAI 评分3434 伯克利提出信息驱动成像系统设计框架，登NeurIPS 2025
加州大学伯克利分校团队提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化系统信息含量，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计能预测解码器性能，优化后的设计达到SOTA端到端方法水平，且内存和算力需求更低。相关论文发表于NeurIPS 2025。