NVIDIA GeForce NOW 十月新增 25 款游戏,包括《巫师3:狂猎》重制版
NVIDIA GeForce NOW 十月将新增 25 款游戏,Performance 和 Ultimate 会员可玩《CONTROL Resonant》并领取棒球帽奖励,《巫师3:狂猎》重制版已上线支持云渲染。新增游戏包括《Gears of War: E-Day》《STAR WARS: Galactic Racer》等,部分需 Game Pass 订阅。
NVIDIA GeForce NOW 十月将新增 25 款游戏,Performance 和 Ultimate 会员可玩《CONTROL Resonant》并领取棒球帽奖励,《巫师3:狂猎》重制版已上线支持云渲染。新增游戏包括《Gears of War: E-Day》《STAR WARS: Galactic Racer》等,部分需 Game Pass 订阅。
NVIDIA推出AI工厂,强调其高效性(每兆瓦最高吞吐量和最低token成本)、耐用性(硬件使用寿命长)和多功能性(支持各类AI和非AI工作负载),以最大化投资回报。NVIDIA平台通过全栈工程协同设计和持续软件优化实现这些特性,并展示了多个客户应用案例。
推荐理由:原文详细阐述了NVIDIA AI工厂如何通过高效、耐用和多功能设计最大化投资回报。
ChatGPT Work 帮助社交俱乐部在新址筹备中将申请准备时间从 3 天缩短至 2 小时,酒牌材料准备从 4 天缩短至 3 小时,每周节省 10-15 小时。
Google DeepMind发布Gemini 4 Argon模型,在软件工程、企业知识工作和网络安全领域展现出前沿性能,输出token限制提升至100万,定价为输入token每百万2美元,输出token每百万10美元。
推荐理由:原文提供了Gemini 4 Argon在软件工程、企业工作和网络安全方面的具体能力变化和评测数据。
NVIDIA 研究生奖学金计划开放全球申请,面向 AI、机器学习等领域的博士生,单项奖励最高 6 万美元。该计划已运行 26 年,累计发放超 220 项资助,总额约 800 万美元。申请者需完成至少一年博士课程,2026 年 10 月 30 日截止,并需参加 2027 年夏季的 NVIDIA 研究实习。
Genesis v1.4.3 提升非批量至中等批量场景(约4000)的GPU模拟速度,降低内存占用,Windows编译速度提升最高3倍。修复glTF解析、轨迹回复、MJCF文件解析等多处边缘问题,优化GPU内存使用和物理模拟性能。
Microsoft Research 研发的机器学习系统可提前 30-60 分钟预测美国 66,935 个变电站的地磁感应电流风险,检测率达 76.5%(重大事件)和 81.2%(严重事件)。该系统结合太阳风观测、AE 和 Dst 指数预报及地质数据,通过梯度提升模型生成位置特异性风险评估。
Google DeepMind发布SynthID Bio,一种为AI生成蛋白质添加不可见水印的技术,可在保持蛋白质生物功能的同时验证其AI生成来源。该技术已在VEGF-A、SARS-CoV-2刺突蛋白RBD和PD-L1三种目标蛋白的湿实验中验证有效,同时与AlphaFold 3集成,可对预测的3D蛋白质结构进行水印处理。
推荐理由:原文给出了技术实现和生物功能验证,读者可据此评估AI生成蛋白质的安全追踪可行性。
NVIDIA与CoreWeave合作推出Vera Rubin NVL72系统和专为AI智能体设计的NVIDIA Vera CPU,Cognition成为首个在生产环境中使用Vera Rubin的客户,实现了4.8倍的token吞吐量提升。CoreWeave还发布了CoreWeave Forge平台,整合了模型训练、评估和改进工具,并宣布了多家企业客户采用其AI基础设施。
推荐理由:原文给出了具体性能提升和客户案例,读者可据此评估新硬件对AI智能体工作流的影响。
OpenAI 打破了一项旨在提取受保护模型推理能力的协同蒸馏攻击活动,并正在加强对抗性蒸馏防御措施。
Hugging Face推出Open TTS排行榜,使用客观指标评估开源多语言文本转语音模型,包括可懂度、速度和说话人相似度,并提供多语言和语音克隆功能评测。
推荐理由:原文提供了开源多语言TTS模型的客观评测方法和排行榜,解决了现有评测无法规模化的问题。
Google Research推出Diffusion Controller框架,通过轻量级网络实现AI图像生成的精确控制,在保持图像质量的同时满足用户特定需求。该框架在测试中胜过LoRA等现有方法,实现了90%的胜率,并支持对闭源模型的控制。
推荐理由:原文提供了统一控制AI图像生成的新框架,解决了用户意图与图像质量之间的平衡问题。
NVIDIA 发布 Kumo Tabular 开源基础模型,专为表格数据分类和回归任务设计,无需训练、调优和特征工程即可直接预测新行标签。
推荐理由:原文提供了开源模型的技术架构和性能数据,读者可据此评估其在表格预测任务中的实际应用价值。
微软研究院发布Quine,一个专为生物学复杂性设计的多模态世界模型研究系统,能够连接模型、科学工具、文献和研究人员。该系统已用于预测和验证能驱动肿瘤状态转变的化合物,并通过湿实验验证了排名靠前的候选物。Quine包含一个生物学世界模型和一个交互式接口,可跨模态和尺度整合生物数据,帮助研究人员在实验室测试前预测和推理生物干预的后果。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Hugging Face团队发布ProvenanceGuard论文,提出了一种针对MCP智能体的来源感知事实验证方法,能够检测答案中事实与引用来源不匹配的问题。该系统通过分解答案、识别相关来源、验证支持度、检查来源归属等步骤,在医疗领域测试中成功捕获了138个本应被阻止的声明,来源识别准确率达86%。
推荐理由:ProvenanceGuard解决了MCP智能体中事实核查与来源匹配的关键问题,为多源信息验证提供了新方法。
Microsoft Research Asia – Singapore 成立一年来,深化与新加坡政府、高校及企业的合作,聚焦前沿 AI 模型与智能系统、医疗等领域应用,推动基础研究向实际解决方案转化。实验室通过双向交流模式,结合行业需求与科研能力,形成研究-应用-反馈的闭环,并培养下一代 AI 人才。
Mistral在德国慕尼黑开设新研发中心,专注于工业AI和Physics AI研究,计划到2030年建设1吉瓦欧洲计算能力。
推荐理由:原文给出了Mistral在德国慕尼黑建立新研发中心的具体布局和战略方向。
Hugging Face发布Holo4系列代理模型,包括27B密集型和35B-A3B混合专家型,可通过GUI、代码、MCP和API等多种界面与软件交互。Holo4在OSWorld 2.0基准测试中表现优异,27B版本得分为61.7%,35B-A3B版本得分为30.9%,同时参数量和成本显著低于同类模型。模型已开源,提供多种格式权重,并可通过H Models API使用。
推荐理由:Holo4系列模型通过多接口交互能力,为通用计算机使用场景提供了开源且成本效益高的解决方案。
Hugging Face Hub新增强化学习环境专区,通过标签系统支持多框架环境共享,解决了不同框架间环境碎片化问题。用户可通过rl-environment标签筛选环境,每个环境支持多个框架标签,提供统一的运行命令。目前已有Harbor、Verifiers、OpenEnv和NeMo Gym四个框架集成,包含多个已验证环境集。
推荐理由:Hugging Face Hub新增强化学习环境专区,解决了不同框架间环境碎片化问题。
GitHub Copilot应用新增画布功能,允许用户通过自然语言描述创建自定义界面,实现与AI智能体的实时协作。用户可使用/create-canvas命令创建看板、检查表、仪表盘等界面,并能双向实时更新,无需编写代码或设计。
推荐理由:原文介绍了GitHub Copilot画布功能的具体使用方法和创建流程,读者可以据此快速上手自定义工作流。
GitHub Copilot引入canvas功能,提供可定制的用户界面,允许用户与AI进行更高效的交互,超越传统聊天界面的限制。canvas是一个全栈应用,可在GitHub Copilot应用内运行,支持双向通信和本地代码执行,帮助用户构建工具而非单纯消耗token。
推荐理由:文章提供了超越传统聊天界面的AI交互新思路,展示了GitHub Copilot的canvas功能如何解决实际开发问题。
Google Research 发布了 AI 视频联合导演框架,通过多智能体架构解决长视频生成中的语义漂移和级联失败问题。该框架包括 Co-Director、CANVAS、A²RD 和 VQQA 四个组件,能够在分钟级视频中保持角色和环境的一致性,并自动优化视觉质量。
推荐理由:原文提出了AI视频联合导演框架,解决了长视频生成中的语义漂移和级联失败问题。
GitHub Security Lab 发布了 Fuzzing Taskflow,一个基于 LLM Agent 的自动化模糊测试管道,可自动识别入口点、分析构建系统、编写测试桩、运行 AFL++、分析覆盖率、改进测试桩、分类崩溃并生成漏洞报告。该工具使用 Claude Sonnet 5 作为默认模型,通过结构感知模糊测试和进化语料库提高效率,并提供实时仪表盘监控测试进度。
推荐理由:原文给出了自动化模糊测试的具体实现方式和能力变化,读者可以据此了解如何提高代码安全性检测效率。
NVIDIA与Google DeepMind等机构合作,通过AlphaFold2和BioNeMo优化技术,预测并开放了2800多种病毒蛋白复合物的3D结构,这些数据已通过AlphaFold数据库向全球研究人员开放。
推荐理由:原文提供了开放病毒蛋白结构数据集及其生成方法,为全球研究人员应对未来大流行病提供了关键工具。
GitHub Copilot应用重构了代码审查视图,能够高效处理包含2200个文件、超过100万行代码和400条内联评论的大型代码审查。文章详细介绍了虚拟化、动态块测量、滚动锚定等技术实现,以及如何通过自动化测试确保性能。
推荐理由:原文详细介绍了GitHub Copilot如何处理大型代码审查的技术实现,读者可从中学习高性能UI架构设计。
Microsoft Research推出物理AI工具链中的推理卸载功能,通过将AI推理任务从机器人本地GPU转移到边缘或云端,显著提升了机器人的任务成功率、响应能力和电池寿命。该功能支持使用Kubernetes工具进行分布式推理,已在实际场景中测试验证。
推荐理由:原文展示了将AI推理任务从机器人本地转移到边缘或云端的实际效果,读者可据此优化机器人系统的性能和电池寿命。
Google DeepMind 发布了 Private AI Compute 架构更新,引入安全的服务器端内存功能,使 AI 助手能够在云端安全地存储长期记忆,同时保持设备端级别的隐私保护。该技术通过硬件强制安全区、加密通道和设备派生加密密钥保护用户数据,确保即使 Google 也无法访问用户信息。
推荐理由:原文给出了隐私计算架构的更新方案,解决了云端AI长期记忆与设备端隐私保护的矛盾。
Microsoft Research 在 Nature 期刊发表 RetroChimera 模型,该模型结合两种互补模型提高小分子合成预测质量,已在 GitHub 开源。
推荐理由:原文提供了模型架构和验证结果,读者可据此评估其在药物研发和材料设计中的应用潜力。
Google Research 推出 MilleMiglia,一个 C++ 实例生成器,用于创建物流中段运输问题的真实基准数据。该工具解决中段物流缺乏高质量公开数据的问题,支持跨区域配送中心间的复杂运输网络模拟。代码已在 GitHub 开源。
Google Research 发布了一项新研究,允许教师使用生成式用户界面(GenUI)创建定制化、互动式和引导式的教育模拟。该技术基于学习科学原理,能够根据教师的目标和课程动态生成学习内容,目前已提供30多个STEM学科的互动学习示例,并启动了教育试点项目。
GitHub Copilot团队将运行时从TypeScript完全重写为Rust,使用AI辅助完成了超过80万行代码的迁移,实现了性能数量级的提升。迁移过程中采用了原子替换策略,通过128个pull request逐步完成,同时保持了主分支的可发布状态。新运行时支持进程内和进程外两种模式,通过C ABI和N-API提供接口,显著降低了内存占用和启动时间。
推荐理由:原文详细记录了Copilot运行时从TypeScript迁移到Rust的过程和性能提升,展示了AI辅助代码迁移的实际案例。
Mistral 与 Mozilla 宣布合作,Firefox Smart Window 浏览器 AI 助手现已由 Mistral 模型驱动,为法国和北美用户提供服务,英国和德国预计今年晚些时候推出。该合作旨在将隐私、控制和选择权带给使用 AI 浏览网页的用户,同时将开源 AI 技术带给全球消费者。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Google Research在ICML 2026论文中提出Retrieve-for-Train框架,通过离线强化学习将查询分解行为编译为监督,使用轻量级扩散检索器实现单次查询扩展,推理速度提升12-20倍,同时保持结果多样性和数据库相关性。
推荐理由:原文提出了Retrieve-for-Train框架,通过离线强化学习解决AI搜索中的推理瓶颈问题。
Google Research 提出 ToolGrad 方法,通过答案优先范式和文本梯度迭代构建复杂 API 工作流,显著提高了工具使用数据集生成效率。实验表明,基于 ToolGrad-500 数据集微调的 Gemma-3 模型在 Berkeley Function Calling Leaderboard 上得分达到 83.1,超越 Gemini、Claude 和 GPT 等专有模型。
推荐理由:ToolGrad 提出了一种基于文本梯度的高效工具使用数据集生成方法,显著降低了数据生成成本并提升了模型性能。