Amazon Zoox 无人驾驶出租车加入 Uber,拉斯维加斯上线
Amazon 旗下 Zoox 的专用无人驾驶出租车正式接入 Uber,拉斯维加斯用户可在 UberX、Comfort、Electric 和 Wait & Save 服务中免费匹配。
Amazon 旗下 Zoox 的专用无人驾驶出租车正式接入 Uber,拉斯维加斯用户可在 UberX、Comfort、Electric 和 Wait & Save 服务中免费匹配。
美联储一位理事警告称,自主AI智能体可能根据市场信号或利率变化自动转移存款,从而加速挤兑过程,且速度可快到在数秒内完成,超出流动性管理能力和监管响应。他表示,大型银行已检测到AI智能体在零售账户中尝试未授权操作。美联储主席Kevin Warsh另称,工作人员已开始拟定AI采用可能冲击美国经济的应急方案。
Jane Street 在 2024 年 FTX 破产清算中以 13.4 亿美元收购 Anthropic 股份,该股权在 Anthropic 上市后价值预计达到 350 亿美元。
由哈佛大学主导的研究在《Nature Sustainability》发表,利用卫星图像核实了403座美国超大规模数据中心。估算显示,这些数据中心在2024年5月至2025年4月期间消耗了美国约2%的电力,且主要能源仍来自化石燃料。
百度Q3净利润同比下降46%至14亿元人民币(2.08亿美元),营收微降1%至308亿元人民币,连续第六个季度出现销售下滑。首席执行官李彦宏表示,为避免行业泡沫并让重投资获得回报,人工智能技术急需实现更好的商业化,百度现状展示了传统巨头面临的核心矛盾:押注的新技术正在冲击其原有的现金奶牛业务。
亚洲科技股在美国出台远程访问规则后周二下跌。港交所上市的Z.ai最多下跌6%,从高点累计下跌85%;阿里巴巴下跌6%,腾讯下跌3%。国产芯片厂商走强,中芯国际上涨9%,华虹半导体上涨16%。Kioxia下跌7%,Advantest下跌6%,三星和SK Hynix最多下跌3%。市场分化显示该规则在损害租用海外算力的模型开发商的同时,利好本地硬件供应链。
Altimeter 创始人 Brad Gerstner 计划投资 50 亿美元参与 Anthropic 的 IPO,该 IPO 预计本周五定价、周四开始交易。Anthropic 及其部分支持者通过股票发行和私募配售寻求总计最高 904 亿美元的融资,估值高达 1.4 万亿美元。
Google 威胁情报团队观察到攻击者首次全自动完成漏洞发现与利用。暴露服务器运行了名为 exploit_agent 的框架,连接多个语言模型,对比补丁前后代码、定位漏洞并编写、运行 exploit。
Nvidia将于周二盘后公布Q3 FY2027财报,临时CEO主持电话会。分析师预计营收约109.3亿美元,同比增长约92%;数据中心营收接近101.85亿美元,EPS为2.47美元。
随着代理式AI日益融入全球金融体系,监管机构与行业领袖在彭博全球监管论坛上讨论了自主AI系统带来的市场波动与网络安全风险。 周一,多位美国主要银行因软件故障导致服务中断,美联储一位理事亦警告了自主AI系统的新风险。
研究微调Qwen3.6 27B发现,基于有害文本微调的模型能稳定生成失对齐计划,而从有害行动到文本的迁移仅在特定设置及伴随失对齐解释时发生。研究表明行动学到的危害可跨具身环境转移,仅基于文本输出评估模型会遗漏相关风险,因此评估需基于各部署环境下的实际行动。
在 APEC 工商领导人峰会上,雷军表示 AI 过去四年发展迅速但商业闭环落地场景有限,未来 AI 与物理世界终端深度结合将带来巨大商业机会。小米具身智能机器人已在工厂完成 8 小时连续作业并自主充电,其具身基座模型在小米青年公寓启动试运营,完成覆盖 3 个房间 50 余任务的长程任务验证。
三星电子与苹果正就为期 4 至 5 年的 DRAM 长期供货协议进行最后磋商,计划从明年上半年开始供货。 协议将规定 DRAM 最低供货量,价格随行就市;此举因存储芯片供应紧张及 AI 数据中心需求挤压移动 DRAM 产能所致。 长期合同设定了价格下限,可能推高电子产品售价并影响中长期需求。
谷歌为移动平台 Gemini 应用推出 66 种地区语音,覆盖 7 个语言类别。 新增语音包括美式英语、英式英语、印度英语、印地语、巴西葡萄牙语、印度尼西亚语和韩语,其中英国用户可选 10 余种地区口音。 语音适用于 Gemini Live 和文本转语音播放,用户可在应用语音设置中切换。
欧洲六个国家游戏行业工会发布联合宣言,呼吁消费者用购买行为支持纯人工开发的游戏。 宣言由英国、爱尔兰、法国、西班牙、德国及意大利的六家工会共同发起,指出了生成式 AI 对环境、初级岗位及版权的负面影响。
理想汽车 CEO 李想宣布,将逐步向机器人企业开放供应马赫 M100 芯片。 该芯片采用 5nm 工艺,算力 1280 TOPS,运行效率超 82%,已在新款理想车型上搭载并支持 3D ViT 感知。 此举基于数据流架构算力对具身智能的价值,响应多家机器人企业的合作需求。
谷歌 DeepMind 首席战略官贾斯吉特·塞孔离职并加入 Anthropic。塞孔在社交平台 X 上确认了这一消息,并透露将负责支持 Claude,让其知识和判断建立在严格、可靠的事实基础之上。塞孔今年 3 月加入谷歌 DeepMind,担任首席战略官约 8 个月。
开源编码智能体 Autopilot(曾用名 kimiflare)现已支持 OpenRouter 作为默认模型提供商,允许开发者使用单一 API Key 接入 Claude、GPT、Gemini 等 400+ 模型,并支持使用自有 GPU 运行 vLLM 进行本地推理。
推荐理由:原文明确了 Autopilot 支持 OpenRouter 及多种本地与云端模型的接入方式,并展示了通过子智能体和本地部署实现自主任务处理的能力边界。
Mobile Reality 发布了桌面应用 Lantern,该工具将 AI 编码会话管理、代码结构图谱映射和 Pull Request 审查整合在同一应用中。
作者发布了 AI Agent 基础设施与记忆压缩的架构规范及参考实现,核心包括三层滚动压缩架构(固定不变量、去重账本、热原始尾部)和基于 xgrammar 的模式约束解码。在 SWE-bench Verified 子集上测试显示,滚动压缩方案将系统规则召回率提升至 97.8%,单次运行 Token 成本降低 66%,且无限循环故障率降至 0.2%。
OpenAI宣布引入METR、Apollo Research、Transluce和Goodfire四家外部机构,开展内部「第一轮嵌入式评估」,审查其迄今最大规模的强化学习训练及模型对齐漏洞。
论文通过归纳法证明了 DAG ReLU 网络 pathlifting 雅可比矩阵的秩,并提供了无需反向传播即可计算该矩阵的方法。 该方法利用编码网络路径的稀疏骨架矩阵,将隐层神经元表示转化为输出节点,从而在实验中量化了相较于传统方法的计算增益。
提出FDIR框架,在LIVE1和DIV2K数据集上,其PSNR超过最强感知基线1.3至2.1dB。 采用两阶段设计,利用LoRA微调潜在流模型生成结构先验,并预测像素残差以增强细节。 作为唯一方法,FDIR在保真度、人类感知及机器偏好三项指标中均保持前二平均排名。
Deep Adaptive Bayesian Screening (DABS) 是一种在紧预算下进行离散空间自适应因子筛选的方法,其性能匹配或超越最强非自适应贝叶斯基线。 该方法离线训练策略网络以摊销贝叶斯最优实验设计,并通过尖钉和板先验处理稀疏性与交互作用,最终发表于 2026 年 11 月的 TMLR 期刊。
该研究提出无学习率的组条件在线共形预测(G-OCP)算法,在较弱的假设下提供强组覆盖率保证。 实证结果显示,该方法能提供组覆盖,其区间长度与标准方法具有竞争力,且比固定学习率方法更有效地应对数据流变化。
研究者提出 Q-Learner 算法,将二元结果下的比率型条件平均处理效应(CATE)估计简化为两个倾向性分类任务。 在合成与真实随机数据基准测试中,仅对 Q-Learner 的 log-loss 进行标准超参数调优,即可比 S-Learner 更可靠地获取效应排名、水平及分布。 该特性使其特别适用于工业界实践,当倾向性已知时,仅需基于转化者训练单个分类器即可加速开发流程。
论文提出对抗性注水(AWF)问题,用于多运营商低轨卫星频谱共享中的非凸功率分配。 开发了一个包含置换不变通道表示和约束感知图神经网络(GNN)的无线基础模型。 该模型在未见过的实例上展示了泛化能力,速度较 Mirror-Prox 快一个数量级以上。
summary_zh: 提出RWOPD方法,利用SymbiYosys+Z3属性等价检查器对Qwen2.5-Coder-7B-Instruct学生模型进行奖励加权在线蒸馏,提升自然语言到SystemVerilog断言(SVA)生成的准确性。
VoxSafeBench 发布,联合评估语音语言模型(SLM)在安全、公平和隐私三个维度的社会对齐。 该基准采用两层设计,Tier 1 评估内容中心风险,Tier 2 评估音频条件风险,包含22个双语任务。 研究发现,前沿 SLM 能检测声学线索但常无法据此适当行动,揭示了普遍的语音接地差距,代码和数据已公开。
研究提出 QiMeng-PRepair 框架,通过 Edit-Aware Reward Optimization 缓解 LLM 代码修复中的过度编辑问题。该框架包含 Self-Breaking 和 Self-Repairing 组件,利用 EA-GRPO 训练模型进行最小且正确的编辑。
论文提出 LatentUM 模型,在共享语义潜空间表示所有模态,消除像素空间中介,实现灵活的交错跨模态推理与生成。 该模型在 Visual Spatial Planning benchmark 上取得 SOTA 性能,并通过自反思提升视觉生成、预测未来视觉状态,展示了世界建模能力。 代码和模型已在官方链接公开,该工作入选 NeurIPS 2026 Oral。
研究指出基于准确率的薪酬方案在AI精度提升时面临激励坍缩,即维持人力投入需无限成本。 研究者提出哨兵审计支付机制,可独立于AI精度以有限成本确保人力投入;结合该机制的主动统计推断框架在实验中优化了成本与误差的权衡。
该论文提出了一个用于因果推断的广义贝叶斯框架,直接对因果效应施加先验分布。通过利用基于识别的损失函数更新先验,该框架使现有的基于损失的因果估计器具备完整的不确定性量化能力。 在Neyman正交损失下,该广义后验分布收敛至其 oracle 对应物,并对第一阶段辅助估计误差保持鲁棒性。 这是首个为因果机器学习构建灵活广义贝叶斯后验的框架,该论文已被 NeurIPS 2026 接收。
研究建立离散时间算法与 O(s^r)-分辨率 ODE 间的稳定性联系,证明当单步误差相对均衡距离和 Lyapunov 衰减较小时,指数稳定性可转移。 该结果适用于 TT-GDA、广义外梯度及正则化阻尼牛顿等算法,显示小步长下非 TT-GDA 的鞍点具有局部指数稳定性。 框架为退化鞍点提供渐近稳定性及收敛速率,并确立可检查的相容性条件。
SInMT框架通过多任务学习和梯度反转层建模或移除说话人身份,在语音欺骗检测中将平均EER降低17%,针对A11等攻击最高降低48%。 该模型在四个数据集上评估,证明独立于说话人身份的嵌入假设有待验证。 方法验证了说话人信息对欺骗检测系统的影响。
NestRL 提出了一种嵌套训练机制,将人类-AI 协作建模为交互式部分可观测马尔可夫决策过程,通过在每一层级与下一层级的适应性智能体共同训练,避免了标准多智能体训练中不透明协作策略的产生。 该方法在 Overcooked 环境中进行验证,相较于现有基准,NestRL 在应对未知适应性智能体和真实人类队友时均展现出更高的任务表现及更强的交互适应性。
研究提出混合量子近端策略优化(Q-PPO)框架,用于堆叠智能超表面(SIM)辅助的安全通信。该框架通过嵌入参数化量子电路的演员网络,联合优化发射功率分配与SIM相位偏移,以最大化平均保密速率。 仿真表明,在不完全窃听信道状态信息下,Q-PPO方案比深度强化学习基线高出约15%的保密速率,且收敛速度快30%。该框架被确立为SIM启用安全无线网络中强大的优化范式。
提出一种变分生成方法,用于在数字化画作中自动检测裂纹(craquelure),以评估退化并指导修复。 方法将图像分解为无裂纹画作和裂纹组件,结合深度生成先验与 Mumford-Shah 型变分泛函,通过联合优化获得像素级裂纹定位图。 该方法解决了裂纹与笔触等艺术特征视觉相似导致的检测难点,支持非侵入性艺术作品分析与保护。
研究团队发布 Better Call Graphs(BCG),这是一个从近期 Android 应用中提取的大规模且唯一的函数调用图数据集。 BCG 包含正常和恶意样本,涵盖不同家族类型,并附带图级特征,旨在解决现有数据集过时且存在重复重打包导致过拟合的问题。 该数据集已在 IEEE BigData 2026 会议接受并公开可用,为基于图的恶意软件分类方法提供了可靠的评估基础。
提出基于物理信息神经网络(PINNs)神经切核(NTK)的加权自适应方法,解决平流-扩散方程在稀疏测量下的源与参数联合反演问题。 该方法将底层偏微分方程作为约束耦合未知量,提升有限测量信息的利用效率,并推导了已知速度与扩散系数下源函数近似误差的理论界限。 数值实验验证了该方法在二维和三维场景中对测量噪声的鲁棒性,证实了PINNs在此类逆问题中的有效性能。