01
前沿 AI 民主化治理蓝图
OpenAI 概述了美国前沿人工智能治理的综合蓝图，提议建立联邦框架以应对安全、韧性和国家安全挑战。该战略框架旨在为大语言模型（LLMs）和其他先进系统建立具体的安全护栏、基础设施韧性计划和国家安全协议。通过引入这些政策标准，OpenAI 旨在促进民主监督，同时保持技术领先地位，并通过公私协作确保关键基础设施的安全。
AI Blog
2 stories02
人工智能全球公共政策议程大纲
OpenAI 发布了其全球公共政策议程，旨在指导人工智能系统（包括大语言模型）的治理和集成。该议程强调了在四个主要领域的战略承诺：加强 AI 安全、实施青少年保护措施、促进劳动力转型以及制定协作性的全球标准。OpenAI 打算与国际政府、研究人员和民间社会合作，建立共同框架，以减轻系统性风险，同时确保经济适应性。
Hacker News
8 stories01
Gemma 4 12B：统一的、无编码器多模态模型
Google 发布了 Gemma 4 12B，这是一款拥有 120 亿参数的创新型统一、无编码器多模态模型，旨在处理多样化的数据输入。与依赖视觉和音频专用编码器的传统多模态架构不同，Gemma 4 12B 将这些能力直接集成在单一的、内聚的网络结构中。这消除了传统管道的模块化复杂性，实现了端到端的训练和跨输入类型的无缝表示。该模型的设计针对本地部署和硬件上的计算效率进行了优化。一个解释模型架构的视觉指南也已在 Hacker News 上发布。
02
Show HN：Ideogram 4.0 – 93 亿参数开源权重文本生成图像模型
Ideogram 发布了 Ideogram 4.0，这是一款基于单流扩散 Transformer（Diffusion Transformer）从零构建的、拥有 93 亿参数的开源权重文本生成图像模型。该模型具有先进的用户可控性，包括对结构化 JSON 提示词的专门支持、带有边界框引导的空间感知、精确的调色板控制以及先进的文本渲染能力。为了方便本地运行，官方还提供了 NF4 量化检查点，使模型能够在单张消费级 24GB GPU 上高效运行，从而降低了高质量开源图像生成的门槛。
03
Launch HN：Hyper (YC P26) – 赋能代理式开发的企业大脑
联合创始人 Shalin 和 Kanyes 正式发布了 Hyper (YC P26)，这是一个专门的平台，作为 AI 系统的集中式共享知识层。通过与 Slack 等企业内部沟通流和文档存储库直接集成，Hyper 为 AI 代理和工作流自动化系统提供了对特定公司知识的持续访问能力。这一持久的上下文层解决了模型上下文协议（Model Context Protocol, MCP）等现有协议中的关键限制，即特定会话的数据检索缺乏长期性，从而提高了企业环境下代理式开发的可靠性和效率。
04
多伦多大学研究人员演示 AI 蠕虫可攻击任何在线设备
多伦多大学的研究人员通过创建一种能够攻击联网设备的 AI 驱动型蠕虫，展示了一种新型网络安全漏洞。该 AI 蠕虫利用互连系统、自主代理和连接软件生态系统中的漏洞，说明了先进的语言模型如何被操纵以自动化跨网络和操作系统环境的各种网络攻击。这次演示表明，当前的网络安全框架尚未准备好应对自我传播的自主 AI 威胁，并证明旨在自动化任务的代理可能会被利用来绕过传统的防御边界。
05
Uber 每月 1500 美元的 AI 使用限额是 AI 工具定价的一个有用信号
Uber 对其员工使用生成式 AI 工具实施了每月 1500 美元的使用上限，这为企业 AI 支出提供了一个重要的行业基准。随着组织采用大语言模型和专用 AI 代理，管理 API 消费带来的运营成本激增已成为一项关键挑战。Uber 的公共限额策略起到了经济上限的作用，在生产力收益与企业 AI 工具基于消费的波动成本之间取得了平衡。这一定价信号预计将影响未来的企业订阅谈判，并有助于防止支出失控。
06
DaVinci Resolve 21
Blackmagic Design 发布了 DaVinci Resolve 21，引入了利用人工智能和机器学习的重大更新，以简化视频剪辑、调色和音频后期制作。该版本集成了新一代 DaVinci Neural Engine 功能，可自动处理复杂流程，包括高级主体跟踪、智能重构图、精确音频隔离和深度图生成。此外，Fairlight 音频部分引入了 AI 驱动的对话均衡和语音隔离功能，使用户能够原生实现专业级的音效设计。这些更新将复杂的生成式 AI 功能与实时视频处理优化结合在一起。
07
自然界蛋白质折叠的不合理冗余
研究人员分析了天然蛋白质折叠的结构景观，强调了一种结构冗余，即进化将自身限制在一小部分反复出现的蛋白质拓扑结构中。该研究探讨了生成式人工智能和深度学习架构（如蛋白质折叠预测算法）如何驾驭这些热力学和物理约束。通过了解这种冗余，研究人员可以改进从头蛋白质设计，使生成式 AI 模型能够绕过自然的进化限制，设计出具有特定治疗或工业功能的定制化、非冗余的蛋白质折叠。
08
前沿 AI 民主化治理蓝图
OpenAI 发布了一份综合框架和蓝图，概述了前沿人工智能模型的民主化治理协议。该文件解决了在涉及高风险 AI 部署、模型对齐和安全性方面进行协作性公共利益决策的关键需求。通过提出收集公众意见和建立民主共识的结构化方法，该蓝图旨在使高性能前沿模型的开发与社会安全及全球伦理标准保持一致。它强调建立稳健的监督机制、促进透明度并与不同的全球社区实施反馈循环。
01
Google 推出 Gemma 2 12B 多模态智能模型
Google 正式推出了 Gemma 2 12B（也称为 Gemma 4 12B），这是一款无编码器的多模态开源权重模型，旨在直接为开发人员提供跨视觉和音频模态的高性能推理能力。该模型通过消除传统的编码器来简化架构瓶颈，从而保持了在消费级硬件上可访问的部署特性。它平衡了原始计算约束与认知规划，使其在多步代理式工作流和本地学术研究项目中具有极高的多功能性。
02
Sam Altman 支持关于人工智能安全的新行政命令
OpenAI 首席执行官 Sam Altman 对关于人工智能安全的新行政命令表示了正式支持，主张在高性能模型训练方面保持美国的领先地位。Altman 强调，安全标准和网络防御工具必须与创新的生成式建模能力共同演进，以在日益复杂的数字威胁环境中为防御者赋能。这一支持与行业努力一致，旨在在快速创新的前沿模型构建与主动的政策框架及国家安全保障之间取得平衡。
03
评估针对 AI 驱动的威胁行为者战术的网络安全韧性
Anthropic 发布了一项全面的研究分析，评估了传统网络安全防御在应对新兴自动化和 AI 赋能的威胁行为者时的强度。分析师调查了 832 个恶意账户，将其行为直接与已建立的网络威胁数据库进行对比。研究结果提供了关于现代防御层漏洞的关键见解，并强调了对手如何利用自动化来探测基础设施弱点。该分析为安全社区提供了加强系统所需的情报。
04
为前沿 AI 安全的民主治理提出蓝图
Greg Brockman 提出了前沿人工智能民主治理的战略蓝图，旨在在美国建立持久、制度化的监督结构。该提案侧重于在强大 AI 模型的生命周期内与长期的公共利益和安全基准保持一致。这一治理倡议解决了主动政策的必要性，即这些政策不仅要适应快速的技术扩展，还要将严格、制度化的安全协议集成到前沿尖端研究中。
05
Claude 将工作流触发词更新为 Ultracode 以提高准确性
Claude 开发团队宣布对其代理式编码触发机制进行过渡，以提高工作流激活的准确性。关键词 'workflow' 已被弃用作为命令触发器，取而代之的是 'ultracode'，以防止在通用自然语言对话期间意外激活系统。此更新将对话式自然语言与可操作的代理式命令区分开来，优化了交互式软件开发管道，并解决了用户对于模糊激活术语的反馈。
06
Runway 发布用于先进视频绿幕效果的 Aleph 2.0
Runway 正式发布了 Aleph 2.0，这是一种视频合成和分割工具，旨在将任何原始视频转换为绿幕素材或干净背景。通过绕过传统耗时的手动转描工作流，该更新简化了专业视频制作和背景隔离流程。同时，Runway Academy 推出了专门的培训课程，以指导创作者在高质量视频创作工作流中使用这些计算机视觉技术。
07
Codex 计算机编程解决方案的快速扩展
观察证实，Codex 生成式编码引擎在主流软件工程工作流中的采用正在迅速扩大。这些技术在专业团队中实现了代码生成、结构逻辑和开发者运营的自动化。通过将代码自动化嵌入到标准开发者 IDE 中，组织已向自主软件开发周期更近了一步，降低了应用程序设计的门槛，证明了在大语言模型上针对复杂技术指令进行微调的实际效用。
huggingface
8 stories01
OmniOPD：通过投机验证实现的无 Logit 在线策略蒸馏
研究人员引入了 OmniOPD，这是一种大语言模型在线策略蒸馏的新框架，无需直接访问教师模型的 Logit。该框架用蒙特卡洛 rollout 替换了传统的标记级 Logit 匹配，利用多标记块上的连续语义相似度指标近似教师的局部偏好。它结合了峰值熵调度器，在不确定性较高的推理分叉处对学生进行审计，并通过 Dirichlet-Multinomial 贝叶斯先验和 KL 锚点进行限制以防止策略崩溃。评估结果显示，OmniOPD 在数学基准测试中的性能比标准的在线策略蒸馏方法提高了 28.64%。
02
NVIDIA OmniDreams：用于闭环自动驾驶模拟的实时生成式世界模型
NVIDIA 推出了 OmniDreams，这是一款基于 Cosmos 扩散模型、并在 21,000 小时驾驶数据上进行中段和后段训练的生成式世界模型。OmniDreams 自回归地实时生成受动作调节的视频，以模拟复杂的驾驶环境、极端天气和不可预测的代理行为。该模型与 Alpamayo 1 策略模型和 AlpaSim 编排器一起在闭环系统中运行，提供反应式的、照片级逼真的传感器生成。在 NuRec 数据集上，从 OmniDreams 后段训练出的世界-动作模型表现优于基于 VLA 的 Alpamayo 1.5 研究策略模型，且仅使用了其总参数的五分之一。
03
面向推理模型的价值感知随机 KV 缓存淘汰
为了解决长上下文推理模型中的内存和计算瓶颈，研究人员开发了价值感知随机 KV 缓存淘汰（VaSE）。这种无需训练的方法通过保留高幅值价值状态，同时结合随机决策来增加缓存多样性，从而防止性能崩溃。在六个推理基准测试中，使用 VaSE 且 KV 缓存压缩率达到 4 倍的 Qwen3 模型，其平均准确率比现有的最优淘汰方法高出 4% 以上。该框架支持 FlashAttention2，并为自回归解码任务建立了静态内存占用。
04
语言模型需要“睡眠”：学习自我修改和巩固记忆
研究人员为大语言模型提出了一种受生物学启发的“睡眠”范式，以实现持续学习和记忆巩固。该框架由两个阶段组成：记忆巩固（结合在线策略蒸馏和基于强化学习的模仿，将较小网络的记忆提炼到较大网络中）和做梦（利用强化学习为自我改进生成合成数据课程）。在长期跨度和知识融合任务中进行评估后，该睡眠范式使模型能够成功地将上下文知识迁移到长期参数中。
05
TRON：用于视觉推理强化学习的目标导向、规则可验证在线环境
为了给视觉推理中的强化学习提供可扩展的训练信号，研究人员引入了 TRON（目标导向、规则可验证在线环境）。TRON 通过生成器-验证程序按需生成训练 rollout，该程序对潜在视觉状态进行采样、渲染图像并精确验证答案。最初的套件包含 520 个环境，涵盖五个能力领域，包括空间、数学、图表、逻辑和计数。使用该基底进行的强化学习后训练，使 Qwen3-VL-4B 和 Qwen2.5-VL-7B 等模型在十个外部多模态推理基准测试中表现出持续的性能提升。
06
自适应自动维护器（Adaptive Auto-Harness）：针对开放式任务流的代理系统部署的持续自我改进
为了解决 AI 代理在部署于开放式任务流时出现的性能下降问题，开发人员设计了自适应自动维护器（Adaptive Auto-Harness）。该框架将 Oracle 设置与实际性能之间的差距分解为进化损失和适应损失，并通过状态多代理进化器、带有解决时路由的维护树以及人工引导功能进行管理。在预测市场、安全竞赛和事件预测任务流中进行的测试表明，该系统通过适应分布偏移并构建特定任务的优化参数，始终优于五种现有的自动维护基线。
07
小型 RL 控制器与大型语言模型：用于测试时缩放的 RL 引导自适应采样
研究人员将测试时自适应采样建模为马尔可夫决策过程，训练了一个轻量级的强化学习控制器来平衡正确性、延迟和计算量。该控制器在 CPU 上运行，根据最终答案的统计数据动态决定是停止还是获取额外的样本。该方法作为预算限制下的拉格朗日松弛方法进行部署，并针对 ASC 和 ESC 基线进行了评估，展示了在正确性与所需总采样轮数之间的优越 Pareto 权衡。
08
信任区域在线策略蒸馏
为了解决大语言模型在线策略蒸馏（OPD）中的训练不稳定性问题，研究人员开发了信任区域在线策略蒸馏（TrOPD）。该框架通过三种核心技术管理标记级监督：利用信任区域学习限制优化至可靠的教师区域、利用梯度裁剪和前向 KL 进行离群值估计，以及从教师前缀进行离策略引导以鼓励安全的在线策略探索。实证评估显示，TrOPD 在数学推理和代码生成基准测试中始终优于 EOPD 和 REOPOLD 等现有基线。