Together AI 與 Adaption 合作，將 Together Fine-Tuning 原生集成到 Adaptive Data 平台，幫助團隊優化數據集、運行微調、評估結果並部署更強大的開放模型。

Together AI 詳細介紹了他們如何迅速應對 Linux 內核漏洞 Copy Fail（CVE-2026-31431），該漏洞允許本地無特權用户通過 AF_ALG 接口獲得精確的4字節寫入原語，從而實現權限提升。團隊通過立即卸載易受攻擊的內核模塊、滾動應用內核補丁，並加強檢測與監控，確保了 AI 基礎設施的安全。

蘋果將在2026年5月4日至8日於西班牙巴塞羅那舉行的ICASSP 2026上展示新研究成果，並贊助該會議。本文介紹了蘋果的參與詳情，包括展位時間、論文發表和學術服務。

蘋果公司和加勞德特大學的研究人員開發了一種偽標註流程，以解決高質量標註手語數據稀缺的問題。該方法使用手指拼寫識別器、孤立手語識別器和K-Shot大型語言模型，從手語視頻和英語輸入生成可能的標註。他們在FSBoard上實現了6.7%的詞錯誤率（CER），在ASL Citizen上實現了74%的Top-1準確率，併發布了近500個人工標註視頻和超過300小時的偽標註數據。

蘋果機器學習研究團隊提出STARFlow-V，一種基於歸一化流的視頻生成器，具有端到端學習、魯棒因果預測和原生似然估計等優勢。該模型在時空潛空間中採用全局-局部架構，並通過流得分匹配和視頻感知雅可比迭代方案，實現了高視覺保真度和時間一致性，首次證明了歸一化流在高質量自迴歸視頻生成中的潛力。

MIT、伍斯特理工學院和谷歌的研究人員提出了一種名為WRING的新型去偏技術，能夠在不引入或放大其他偏見的情況下，有效減少視覺語言模型中的特定偏見，解決了現有投影去偏方法導致的“打地鼠困境”。

自2025年秋季引入實證研究輔助（ERA）以來，谷歌研究科學家已將其應用於流行病學、宇宙學、大氣監測和神經科學等領域的實際場景，展示了AI加速科學發現的變革能力。

Liminary 是一款由前 Dropbox ML 工程負責人 Sarah 創立的產品，旨在解決 AI 工具知識孤島問題。它為用户保存的所有信息提供統一的 AI 工作記憶，在寫作、會議和研究等場景中主動提供相關上下文，幫助專家級知識工作者複用已有成果，避免重複勞動，並確保輸出有據可查。

本文探討了AI模型中“地精輸出”的擴散現象，包括時間線、根本原因以及修復方法，揭示了GPT-5行為中個性驅動的怪癖。

AWS 開發者倡導者 Morgan Willis 展示瞭如何通過意圖驅動的工具和語義搜索，將 Strands Agents 的令牌消耗從52,000減少到2,000，並進一步減半。

本文探討了AI評估成本的急劇上升，特別是針對智能體基準測試，指出評估已成為新的計算瓶頸。靜態基準測試可壓縮100-200倍，但智能體和訓練中基準測試難以壓縮。可靠性要求多次運行，成本倍增。高評估成本可能導致驗證能力集中在資金充足的實驗室。

IBM Granite 4.1 是一個密集解碼器僅LLM系列（3B、8B、30B），在多階段預訓練中使用了約15萬億個token，包括長達512K token的長上下文擴展。模型通過監督微調（約410萬個高質量樣本）和基於策略的GRPO與DAPO損失的強化學習進一步優化。8B指令模型在性能上匹配甚至超越了之前的32B MoE模型，所有模型均在Apache 2.0許可下發布。

OpenAI擴大Stargate項目規模，打造支持AGI的計算基礎設施，並增加數據中心容量以滿足日益增長的AI需求。

基於Rust的智能開發環境Warp宣佈開源其客户端，採用AGPL許可證。該平台最初於2022年作為Mac終端推出，現已發展為支持Linux和Windows的代理驅動開發環境（ADE）。開源旨在藉助社區力量加速產品迭代，並給開發者更多話語權。OpenAI作為創始贊助商，代理工作流基於GPT模型。Warp希望以此在競爭激烈的市場中突圍。

學習如何使用Pydantic AI框架在Python中構建生產級的AI代理，涵蓋結構化輸出、自定義工具和依賴注入，以及Web搜索和擴展推理等內置功能。

本文探討了AI在軟件開發中的自主性，提出了一個四象限模型來評估何時使用AI自動化。重點強調“認知債務”——代碼編寫後無人理解其工作原理的風險。文章通過研究案例和實際故障説明，高風險的差異化工作應保留人類主導，而低風險低差異化的任務可完全自動化。

在一次訪談中，作者阿德里安·伍爾夫森討論了其“人工生物智能”（ABI）的概念，認為人工智能和DNA合成正在推動生物學進入工程範式。他解釋了基因組因進化而成為“意大利麪條代碼”的挑戰，以及研究人員如何重構基因組，如Sc2.0合成酵母項目。伍爾夫森強調，基因組語言模型和DNA合成技術等AI工具可能將DNA轉化為可編程材料，但他也警告了包括生態破壞和濫用在內的風險。

DeepSeek-V4不僅僅是又一款前沿模型，它通過新的內存層次結構、注意力機制和訓練穩定器，解決了如何經濟有效地利用百萬Token上下文窗口的問題，使長上下文推理變得實用。

MIT和IBM宣佈成立MIT-IBM計算研究實驗室，擴展原有合作，聚焦人工智能、算法和量子計算的融合，旨在突破經典計算極限，推動科學和工業創新。

AirJelly 是一款基於人工智能的個人知識管理工具，旨在成為用户的主動式、自組織第二大腦。它能夠自動整理信息、提供智能建議，幫助用户更高效地處理信息和任務。

本期《機器倫理播客》中，主持人Ben Byford與Ewelina Kurtys博士討論了類器官在節能計算中的應用、神經科學中的未知領域、生物神經元與數字神經網絡的區別、神經元運作與信息編碼方式、重建大腦結構的不切實際性、擬人化傾向以及決定論等話題。

Ai2發佈了MolmoPoint和MolmoWeb，將Molmo家族從視覺理解擴展到視覺行動。MolmoPoint通過直接選擇輸入數據實現了更精準的指向，在多項基準測試中達到最優；MolmoWeb則是一個基於視覺的網頁代理，能夠通過截圖和鼠標鍵盤操作自主完成網頁任務。兩者均開源，旨在推動視覺智能的民主化。

麻省理工學院研究人員開發了一種新方法，將聯邦學習的訓練速度提升了約81%，同時將每個設備的存儲需求降低80%，通信開銷降低69%。該方法通過選擇性參數子集、異步更新和加權更新，使得在資源受限的邊緣設備（如傳感器和智能手錶）上也能高效訓練高精度AI模型，並保護用户數據隱私。這項技術有望在醫療和金融等對安全要求高的領域得到應用，並特別有益於設備性能較低的發展中國家。

OpenAI 提出了一項五部分行動計劃，旨在加強智能時代的網絡安全，重點是通過人工智能驅動的網絡防禦民主化和保護關鍵系統。

今天的AI新聞相對平靜，但仍值得關注NVIDIA Nemotron 3 Nano Omni、vLLM v0.20、Poolside的首個公開模型以及DeepSeek V4的推理性能比較。代理工具逐漸成熟，新基準測試也在湧現。

AE Studio利用Modal平台，通過進化策略（ES）和GRPO兩種強化學習方法訓練語言模型進行數學定理證明。他們使用Lean驗證器，並藉助Modal的並行GPU、沙盒隔離和卷存儲功能高效運行實驗。結果顯示ES在某些場景下媲美甚至超越GRPO，且成本顯著降低。

DeepSeek-V4 Pro 是一款 1.6 萬億參數的 MoE 推理模型，現已在 Together AI 上線，提供 512K 上下文窗口、可控推理模式（非思考、深度思考、最大思考）以及緩存輸入定價，適用於代碼代理、文檔智能、長上下文代理和研究綜合等場景。

蘋果機器學習研究團隊提出DSO（直接轉向優化），利用強化學習學習線性變換來轉向模型激活，在視覺-語言模型（VLM）和大語言模型（LLM）中有效緩解偏差，實現了公平性與性能之間最先進的權衡，並允許用户在推理時控制這一權衡。

蘋果機器學習研究提出 Sonata，一種輕量級適配器，通過自我一致性預測來動態分配推理時的思維預算，在保持準確率的同時將思維令牌減少20%至80%，或同等令牌成本下準確率提升5%。

DeepInfra 成為 Hugging Face Hub 上最新的推理提供商，提供100多個模型的低成本無服務器推理服務，初始支持對話和文本生成任務，用户可通過 UI 或 SDK 輕鬆使用。