NASA 与 IBM 开源月球基础模型,将 17 年轨道器数据转化为月球科学基础
NASA 与 IBM 联合发布开源月球基础模型,基于 17 年月球勘测轨道飞行器数据训练,包含近 200 万个图块数据。该模型在预测月球极区冰沉积物时,将误差降低了最高 22%,并在粗尺度陨石坑检测任务中表现优于 SwinV2-B 基线模型近 19%。模型采用多模态架构,能适应不同图像块尺寸,并支持使用 LoRA 等轻量级方法进行微调。
NASA 与 IBM 联合发布开源月球基础模型,基于 17 年月球勘测轨道飞行器数据训练,包含近 200 万个图块数据。该模型在预测月球极区冰沉积物时,将误差降低了最高 22%,并在粗尺度陨石坑检测任务中表现优于 SwinV2-B 基线模型近 19%。模型采用多模态架构,能适应不同图像块尺寸,并支持使用 LoRA 等轻量级方法进行微调。
Anthropic 为 Claude Code 发布了名为 Mods 的中间件系统,允许开发者通过 JavaScript 或 TypeScript 函数改变工具的外观和工作方式。
Meta 宣布开源 Muse Gadgets 项目,允许爱好者自行构建 AI 硬件,包含 ESP32 板固件和连接自制设备至其 AI 智能体 Muse 的 Linux SDK。Meta 还制造了自有设备 Muse Home Link,这款 USB-C 小工具可将 Muse 连接至家庭网络以控制电视、音箱等支持 HTTPS 接口的设备,并将向 Muse 订阅者免费发放 5000 台。
哈佛大学物理学家 Matthew Schwartz 在 Anthropic 的客座文章中介绍了开源工具 BootLoops,该工具旨在利用 Claude 等 AI 模型进行精确的科学计算,以填补跨学科知识间的空白。
Pi 1.0 增加了对 MCP、Jev 和图像模型的原生支持、扩展支持虚拟模型、延迟工具加载等功能。Pi Durable 将 Pi 移植到 TypeScript,实现了崩溃恢复、可移植性、并发性和热交换等特性。AI Engineer NYC 大会将于两周后举行,Latent Space 订阅者可享新票 30% 折扣。
Google DeepMind 发布了 Gemini 4 Argon 模型,专注于编码、企业知识工作和网络防御。该模型在 19 项可信基准测试中的 13 项达到 SOTA,并首次通过 Long Decode Continuation 功能支持高达 1M token 的输出。
Google DeepMind 推出 SynthID Bio,将水印技术应用于合成生物学,可在保持蛋白质生物功能的同时,为 AI 生成的蛋白质序列和 3D 结构嵌入可验证的签名。该技术已通过湿实验验证,水印版蛋白结合剂在命中率、结合亲和力等方面与非水印版本相当。SynthID Bio 旨在为 DNA 合成筛选和公共数据库完整性提供自动化验证层,以应对 AI 生成生物设计带来的生物安全挑战。
推荐理由:原文介绍了将数字水印技术首次应用于合成生物学领域的具体方法、验证结果和潜在应用场景,为理解 AI 在生物安全中的作用提供了实例。
GPT-6 Astra 构建了一个实验性工具 Photo Scrubber,可自动识别并模糊照片中的人脸。该工具使用 Google 的 MediaPipe C++ 库和 BlazeFace 人脸检测模型,通过 WebAssembly 在本地运行。
NVIDIA 开源了用于表格分类和回归的基础模型 Kumo Tabular,无需训练、微调或特征工程即可对新行进行预测。该模型在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准测试中均排名第一,并提供三种参数量版本(28M 至 215M)。
推荐理由:原文给出了模型在多个基准测试中的领先表现和无需训练即可预测的能力,读者可以据此判断它在表格预测任务上的潜力。
H 公司发布了 Holo4 系列通用计算机使用智能体模型,包含 27B 密集型和 35B-A3B MoE 两个版本,并同步更新了 Holotron4 Nano。
推荐理由:原文给出了模型能力、性能对比和开放获取方式,读者可以据此判断它在通用计算机使用智能体领域的定位。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等全球研究机构,在 AlphaFold Database 中发布了超过 2800 种病毒的蛋白质复合物预测 3D 结构数据集。
Microsoft Research 开源了逆合成预测模型 RetroChimera,其通过集成 R-SMILES 2 和 NeuralLoc 两个互补模型来提升预测质量。在盲测中,博士级化学家更青睐 RetroChimera 提出的单个反应预测。该模型已开源实现和权重,旨在加速新药和先进材料的研发。
GigaPath-Flash 和 GigaTIME-Flash 以大幅提升的效率扩展了 GigaPath 和 GigaTIME 模型系列,使大规模病理学研究更易实现。GigaPath-Flash 采用 22M 参数的蒸馏 ViT-S 编码器,在保持性能的同时将推理计算成本降低约 50 倍。这些开源模型支持群体规模发现,帮助研究人员分析更大患者队列并进行重复实验。
METR 研究指出,AI 在 2026 年显著加速了网络安全漏洞的发现,对数学研究有轻微加速,但对 AI 研究本身的优化尚无显著影响。SPADE 框架利用 LLM 通过自我博弈协同进化环境生成与智能体能力,在 Qwen3-30B-A3B-Instruct-2507 模型上测试,使游戏环境基准套件平均得分提升 8.1 分。该技术提供了一种成本更低的合成数据生成方法,用于训练模型。
Microsoft Research 发布深度学习交换关联泛函 Skala 1.1,其训练数据量是初版的 2.5 倍,在热化学、反应动力学和分子结构预测等关键挑战上精度显著提升。Skala 现已可在 CP2K 中使用,并正在集成到 Psi4、FHI-aims、ORCA 和 VASP 中,以扩大其在计算化学社区的可用性。
Berkeley AI Research 提出了 SPEX 和 ProxySPEX 算法框架,用于大规模识别驱动大语言模型决策的关键特征、数据和模型组件间的交互作用。SPEX 利用稀疏性和低度性,将交互发现重构为可解的稀疏恢复问题;ProxySPEX 则利用交互的层次性结构,能以约 10 倍更少的消融操作达到与 SPEX 相当的性能。这些方法在特征归因、数据归因和模型组件归因中实现了高效交互发现。