跳到正文
1月21日周三
1月20日周二
  1. Hugging Face Blog61

    Overworld 发布实时交互视频扩散模型 Waypoint-1 与推理库 WorldEngine

    Overworld 发布实时交互视频扩散模型 Waypoint-1,可通过文本、鼠标和键盘控制,用 10,000 小时游戏画面训练,支持零延迟自由控制相机与按键输入。

    推荐理由:原文对比了与现有世界模型在控制延迟上的差异,并给出推理库的具体吞吐与帧率数据,便于评估其实用性。

1月18日周日
1月16日周五
  1. Google DeepMind57

    Google DeepMind 发布 D4RT 动态4D重建与跟踪模型

    Google DeepMind 发布 D4RT(Dynamic 4D Reconstruction and Tracking),一个统一的4D场景重建与跟踪AI模型,采用编码器-解码器 Transformer 架构和基于查询的机制,通过回答“视频中给定像素在任意时间、指定相机视角下位于3D空间何处”这一问题,用单一接口完成点跟踪、点云重建和相机位姿估计等任务。

1月15日周四
  1. Hugging Face Blog60

    Hugging Face 推出开放推理标准 Open Responses

    Hugging Face 联合社区推出开放推理标准 Open Responses,基于 OpenAI 的 Responses API 并开源,面向智能体工作负载,默认无状态、支持加密推理,流式输出建模为语义事件。

    推荐理由:梳理了从 Chat Completion 迁移的核心改动与工具循环规范,便于开发者评估接入成本。

1月14日周三
  1. Google Research74

    Google 发布 MedGemma 1.5 4B 医学多模态模型与 MedASR 医疗语音识别模型

    Google 发布 MedGemma 1.5 4B,支持 CT、MRI、全片病理等高维医学影像解读,以及胸片时序回顾、解剖定位和检验报告结构化抽取,并同步推出面向医疗听写的开源语音识别模型 MedASR。

    推荐理由:原文给出了各医学影像模态的具体基准提升数字,读者可据此判断该模型在实际医疗场景中的可用程度。

  2. Google Research61

    Google Quantum AI 在 Nature Physics 发布动态表面码纠错实验演示

    Google Quantum AI 在 Nature Physics 发表 Demonstration of dynamic surface codes,在 Willow 处理器上实验演示了动态电路版表面码,通过在不同电路构造间交替来检测错误。

    推荐理由:原文给出三种动态电路的具体设计与实测数据,读者可据此理解动态表面码如何绕开静态电路的硬件约束。

1月13日周二
1月10日周六
  1. Berkeley AI Research24

    伯克利提出信息驱动成像系统设计框架,登 NeurIPS 2025

    伯克利 AI 研究团队提出一套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,并在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计达到端到端 SOTA 方法水平,同时占用更少内存和算力,且无需任务专用解码器设计。

1月9日周五
1月8日周四
1月7日周三
1月6日周二
1月5日周一
1月2日周五
  1. OpenAI News20

    OpenAI Grove Cohort 2 开放申请

    OpenAI 宣布开放 Grove Cohort 2 申请,这是一个面向各阶段创业者(从无想法到已有产品)的 5 周创始人项目。参与者可获得 $50K 的 API credits、AI 工具早期访问权限,以及 OpenAI 团队的实操指导。

2025年12月24日周三
2025年12月23日周二
  1. Hugging Face Blog56

    Hugging Face 发布 8B 安全防护模型 AprielGuard

    Hugging Face 与 ServiceNow 合作发布 AprielGuard,一个 8B 参数的安全防护模型,用于检测 16 类安全风险以及提示注入、越狱、思维链污染、上下文劫持、记忆投毒和多智能体攻击等对抗攻击,覆盖独立提示、多轮对话和含工具调用与推理轨迹的智能体工作流三种输入格式。

2025年12月22日周一