系统级 AI 功能边界审计方法:应用于 Apple、Android 与 Microsoft 模型
本文提出一种操作系统集成 AI 的功能边界审计方法,结合六种隐私失败面分类法和五维控制评估标准。 该方法已应用于 Apple Foundation Models、Android AICore/Gemini Nano 及 Microsoft Recall 等系统,并识别出通知、保留状态及问责制方面的模糊性。
本文提出一种操作系统集成 AI 的功能边界审计方法,结合六种隐私失败面分类法和五维控制评估标准。 该方法已应用于 Apple Foundation Models、Android AICore/Gemini Nano 及 Microsoft Recall 等系统,并识别出通知、保留状态及问责制方面的模糊性。
EmoXpt 框架通过对比人类推文与 ChatGPT 回复,揭示 LLM 生成内容更连贯、效率更高且情绪更积极。 该研究分析了提及 ChatGPT 和 LLMs 的人类推文,并专门评估了 ChatGPT 回复的情感表达,展示了其相对于人类评论的情感智能差异。
StudentSim 是一款用于在测试前评估和改进 AI 辅导系统的研究系统,而非替代教师的产品。 该系统基于去标识化学习者记录训练个性化模拟器,在棋盘游戏、二语英语写作和数学领域表现优于基线,并通过行为保真度和指导响应性两个维度进行评价。 StudentSim 为 AI 导师的研发提供了有效的早期反馈信号,帮助研究团队在迭代模型时更轻松地获取学生反馈,避免直接进行高成本的人类实验。
阶跃 Step 5 Preview 正式在腾讯 WorkBuddy 平台上线,并于 10 月 12 日至 10 月 25 日期间开启独家限免。 该模型通过自然语言指令拆解任务并调用工具,将强推理与 Agent 能力应用于深度研究、数据分析及文档生成等真实办公场景。
summary_zh: KAFlow通过将物理算子生成器学习为低秩符号,在Kolmogorov-Arnold合成基准上将分布外损失降低3.4至11倍,无需符号模板即可将所有系数恢复至10^-4精度。
Amazon Bedrock 与 Strands 发布了多项产品更新:Amazon Bedrock Managed Agents 提供 OpenAI 模型支持。
推荐理由:原文明确列出多项模型与产品能力变化,读者可据此判断不同工作流的成本、延迟与模型选择。
NVIDIA 与 Microsoft 联合宣布推出支持本地 AI Agent 的 Windows PC 硬件生态,包括搭载 NVIDIA RTX Spark 的笔记本电脑和桌面电脑。
推荐理由:原文展示了NVIDIA与微软如何在Windows桌面端协同工程化AI Agent基础设施,涵盖硬件规格与本地运行模型的能力边界。
Amazon Quick 和 Amazon Bedrock 通过实时 ACL 检查,在查询时直接向数据源验证权限,解决了 RAG 中访问控制滞后的问题。 该系统采用混合架构:首先利用向量索引进行语义搜索和预检索过滤,随后调用 Google Drive 等权威 API 实时验证候选文档,确保仅将用户有权访问的内容传入大语言模型。
Microsoft Research Asia 团队开源了 Agent Lightning v1.0,这是一个约3500行的轻量级Agentic强化学习框架,旨在让部署环境中的真实智能体脚手架直接参与RL训练,而无需在训练框架内重新实现。
推荐理由:该框架将RL训练与部署中的真实智能体脚手架直接结合,为开发者提供了一套可在真实环境中复现的智能体训练流程。
微软研究院对话中,Jennifer Neville 探讨评估在推动 AI 系统性能边界中的作用,揭示模型在传统基准之外测试时出现的“意外失败”。她指出当结果不符合预期时,需仔细审视数据,并分享与当前 AI 系统协作的实用指南。
基于 Amazon Bedrock AgentCore 构建实时语音旅行管家,集成 Nova 2.5 Sonic 实现语音交互,通过托管知识库回答政策问题。 使用 Strands Agents 框架构建智能体,经 MCP 协议连接 AgentCore Gateway 调用后端服务,支持坐席变更与实时转接人工。
Amazon SageMaker HyperPod 支持多团队共享集群计算资源,其核心治理挑战在于明确权限、容量分配及问责机制。 系统通过组织、项目、集群、工作负载四层控制实现治理,支持将 HyperPod 集群连接至 SageMaker Unified Studio 项目工作区。 该模式分离了基础设施团队对集群的管理权与机器学习团队在项目上下文中的计算使用权,确保共享可见性下的访问控制有效。
Z.ai 的 753B 参数混合专家模型 GLM 5.3 现已通过 Amazon Bedrock 全托管 API 开放,支持跨区域推理、prompt caching 和服务分层。
Claude Opus 5.5 和 Claude Sonnet 5.5 登陆 AWS GovCloud (US),为 ITAR 等合规场景提供 AI 辅助开发通道。
GitHub 发布 ReviewBench,这是一个用于评估 AI 代码评审智能体的离线基准,包含 219 个来自 19 种语言的公开拉取请求,并基于 1.039 亿个 GitHub 拉取请求的分布特征构建。
Microsoft 与 Hugging Face 联合发布了 ThinkingBox 沙箱环境和 ThinkingBox-Bench 基准,现可通过 Hugging Face 和 OpenEnv 访问。
推荐理由:原文提供了 507 个有状态业务工作流的 20 次重复基准数据,以及按次成功成本与可靠性成本对比,可据此判断模型在真实数据库记录变更中的表现差异。
Microsoft Research 团队开发的机器学习管道通过整合太阳风观测数据与地质因素,为美国大陆 66,935 座变电站生成位置特定的风险估计。该系统能在特定风险出现前 30 到 60 分钟向电网运营商发出预警,并在评估期间检测出近 80% 的重大空间天气事件。
Microsoft Research 发布名为 Quine 的 AI 研究系统,由生物学世界模型和连接科学工具、文献与湿实验的交互式 harness 组成。系统联合训练基因组、蛋白质、化学、细胞状态和生物图像等多模态数据。
推荐理由:结合胰腺癌细胞状态案例,说明了该生物世界模型如何在湿实验前完成候选药物排序并生成新假设。
Microsoft Research Asia新加坡实验室于2025年7月24日成立,作为微软首个东南亚研究实验室,专注前沿AI研究及现实世界应用。过去一年,实验室团队扩张并深化与本地合作伙伴关系,工作重点涵盖下一代AI模型、智能体系统、领域特定AI及人才发展。在医疗领域,多模态及智能体AI方案已投入部署,并与新加坡经济开发局等政府机构保持战略合作。
微软在开源的 Physical AI Toolchain 中新增推理卸载能力,允许开发者使用 Kubernetes 工具将机器人 AI 工作负载分配到边缘或云端 GPU。
推荐理由:系统评测了将物理AI推理从机器人端侧卸载到边缘或云端对任务成功率、模型规模和电池寿命的影响。
千问办公在云栖大会发布企业级Agent产品“企业上下文”,旨在将企业知识与业务数据转化为Agent可调用的上下文。千问办公CEO陈宇森指出,企业落地Agent需解决懂业务、协同及数据安全难题,该产品结合Qwen3.8-Omni-Flash等模型支持数据压缩与连接,已支持钉钉及飞书场景下的数字员工协同。
Microsoft Research 在 Nature 发表并开源了逆向合成预测模型 RetroChimera。该模型结合 R-SMILES 2 与 NeuralLoc 两个子模型,通过学习重排序策略生成合成路线,盲测中博士级化学家更倾向于 RetroChimera 的预测结果,其多步合成成功率(9/10)优于基线模型。
GitHub 使用 Copilot 将 Copilot 运行时从 TypeScript 重写为超过 800,000 行生产级 Rust 代码。该重构涉及 128 个 Pull Request,由 AI Agent 编写大部分代码,显著提升了性能并缩短了开发周期。
推荐理由:展示了 AI Agent 如何将 80 万行代码从 TypeScript 迁移到 Rust,提供了大规模自动重构的方法参考。
Microsoft Research 发布 GigaPath-Flash 与 GigaTIME-Flash,通过蒸馏技术将计算成本降低约 50 倍,性能保持在与原版 GigaPath 3% 以内,并采用 Apache 2.0 协议开源。
Microsoft Research 发布 Skala 1.1 深度学习 DFT 泛函,其训练数据量较前代增加 2.5 倍,在 GMTKN55 基准测试中实现加权平均误差 2.8 kcal/mol,精度超越顶级全局杂化泛函且保持 meta-GGA 计算成本。
智谱发布GLM-5.3,基座未变但通过极致后训练Scaling显著提升编程与网络安全能力:内部编程体感较GLM-5.2提升50%,Terminal-Bench 3.0从4.6升至28.3;网络安全上CyberGym达84.5%,ExploitBench 54.4%,ExploitGym两小时完成105项漏洞利用任务。
推荐理由:后训练Scaling带来更强编程与网络安全防御能力,开源与“开源的盾”计划让前沿安全能力不再只属于少数闭源机构。
Microsoft Research 发布基准 MindTopo,用于评估多模态大语言模型在连通性、封闭性、顺序、分离及结体等拓扑概念上的推理与规划能力。 评测结果显示,当前专有及开源权重模型在静态图像识别上表现优于交互式规划,但两者均远低于人类水平;模型错误常源于规划阶段未能随场景变化维持结构关系,而非感知失效。
GitHub 官方宣布 Kimi K2.7 Code 正式上线 GitHub Copilot,用户可在 Copilot 模型选择器中选择该模型完成代码生成、理解与调试任务。
推荐理由:这是 GitHub Copilot 接入的首个开源模型,且已在 VS Code 等主流开发入口开放,开发者可直接在熟悉工具链中调用 Kimi K2.7 Code。
Hugging Face 提出 MosaicLeaks 基准,评测深研智能体在处理混合本地与网页信息时的隐私泄露风险。测试显示常规训练加剧了信息泄露,而新提出的 PA-DR 强化学习方法将严格链成功率从 48.7% 提升至 58.7%,同时将答案/全信息泄露率从 34.0% 降至 9.9%。
OpenAI 与 Microsoft 签署新备忘录(MOU),双方重申了对 AI 安全与创新的共同承诺,以强化合作关系。
Hugging Face 与 Microsoft 宣布深化战略合作,在 Azure 上扩展开放模型支持并提升部署体验。
Hugging Face 发布了名为 Cosmopedia 的 250 亿 token 合成数据集及配套的 1B 规模模型 cosmo-1b,旨在通过完全开源的端到端流程复现 Microsoft Phi-1.5 的数据集。
推荐理由:原文公开了 250 亿 token 数据集的完整生成链路和 1B 模型评测,读者可据此复现或改进合成数据预训练方法。
Hugging Face 发布在 Intel Meteor Lake 笔记本上运行 Phi-2 的方案,使用 Intel OpenVINO 和 Optimum Intel 对 microsoft/phi-2 做4-bit 权重量化,再运行在搭载 Core Ultra 7 155H 的中端笔记本上。
Mistral AI 发布最新旗舰语言模型 Mistral Large,其在 MMLU 等基准测试中位列全球 API 可用模型第二(仅次于 GPT-4)。该模型原生支持英语、法语、西班牙语、德语和意大利语,拥有 32K 上下文窗口,并具备函数调用功能。
推荐理由:Mistral Large 在 MMLU 等基准上表现强劲,且与 Azure 的合作为多语言推理场景提供了企业级 API 访问途径。
OpenAI 联合 Anthropic、Google 和 Microsoft 宣布任命新的 Frontier Model Forum 执行董事,并设立 1000 万美元的 AI 安全基金。该举措旨在推进前沿模型安全合作。
Hugging Face 平台超 13 万个支持 ONNX 的模型通过 ONNX Runtime 加速以提升性能。 该工具支持 BERT、GPT2 等 90 多种架构,其中 11 种最流行架构均获支持。以 whisper-tiny 模型为例,使用 ONNX Runtime 推理延迟最高比 PyTorch 降低 74.30%。
Hugging Face 对 Llama 2 在 Amazon SageMaker 上的部署进行了基准测试,分析了超过 60 种配置。测试涵盖 7B、13B 和 70B 模型,结合 GPTQ 量化技术,在 g5 和 p4d 实例上测量延迟与吞吐量,旨在为用户在成本、延迟和吞吐量之间提供最优部署建议。
消费奖励公司 Fetch 通过优化基于 Amazon SageMaker 和 Hugging Face 的机器学习流水线,将最慢扫描的处理延迟降低了 50%。 Fetch 利用 Amazon SageMaker 的多 GPU 实例部署自定义模型,并借助 Hugging Face 的 AWS 深度学习容器和推理工具包简化了 Transformer 模型的训练与部署流程。
本文通过 Hugging Face 的 Graphormer 模型,演示了利用 Transformers 库进行图分类的完整流程。教程涵盖了从 Hugging Face Hub 加载 OGB 数据集、定义图数据格式,到对预训练模型进行微调以适配二分类任务的具体步骤。
Hugging Face 与 Amazon Web Services 扩大长期战略合作,旨在通过云工具降低机器学习模型构建、训练和部署的成本,使下一代模型对开发者更易于访问。开发者将利用 Amazon SageMaker、AWS Trainium 和 AWS Inferentia 等工具,以便在几个点击内微调并部署 Hugging Face 上的模型。