GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重构了 pull request 视图，以便流畅渲染包含 2,200 个文件、超百万行改动和 400 多条行内评论的超大 pull request。其核心是把文档高度拆成确定性代码几何与动态块几何两部分：代码行高提前精确计算，评论等动态块则延迟测量并把校正锚定在用户当前查看的位置。
全部 AI 动态
GitHub Blog · AI & MLAI 评分2121 Microsoft ResearchAI 评分5858 微软研究院提出物理AI推理卸载方案，并开源相关工具链
微软研究院系统研究了移动操作机器人工作负载，发现把物理AI推理限制在本体 GPU 上会拖累性能与续航：在显存足够的 GPU 上，建图与规划相比 A100 最多慢 383%。
Google DeepMindAI 评分5959 Google DeepMind 为 Private AI Compute 引入安全服务端持久记忆
Google 公布 Private AI Compute 平台新增私密服务端记忆能力，让云端 AI 能跨设备保留上下文，同时维持接近端侧处理的隐私标准。该架构把数据封存在加密存储中，解密密钥仅保存在用户设备上，云侧通过硬件隔离的 secure enclave 临时解密并立即重新加密。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色声音设计与逐行表演控制，后者面向高并发、低成本场景，支持 100 多种语言。
推荐理由：官方给出两款 TTS 模型的定制能力、基准排名和接入渠道，可对照现有语音方案评估迁移成本。
Anthropic News精选AI 评分7676 Anthropic 用 Claude 发现类 CRISPR 的新型酶系统 ART
Anthropic 宣布成立生命科学研究组与实验室，并公布早期成果：Claude 智能体在约 950 个智能体、消耗 2.1 亿 token、检索 21 小时后，从 DNA 序列数据库中自主识别出一种与 DNA 重复序列相关的新型酶系统，命名为 array-associated reverse transcriptases（ART）。
推荐理由：Anthropic 首次公开其生物实验室用 Claude 智能体自主发现新型酶系统的过程与 token 消耗量，可观察 AI 驱动科学发现的工作流。
Microsoft ResearchAI 评分4040 微软研究院开源逆合成模型 RetroChimera，成果登上 Nature
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型结合 Transformer 去 Novo 模型 R-SMILES 2 与基于 GNN 的模板模型 NeuralLoc。
Import AIAI 评分2525 Import AI 473：美国的超级智能战略、人脑组织在小鼠头骨中生长、机器阐释学
RAND 发布报告提出美国在通往超级智能的不确定路径上应采取"行动自由"战略，核心是保留选择权，涵盖构建人机生态、AI 安全架构、改造国家安全体系及提升公民应对能力。报告还梳理了共存、阻断、加速三大类七种原型战略，并列出危险临近程度、共存可行性、约束可行性、决定性战略优势和压制可行性五项关键不确定性。
Anthropic News精选AI 评分6666 Anthropic 与 Accenture 合作开展前沿 AI 嵌入式评估
Anthropic 宣布与 Accenture 合作，对其前沿 AI 模型进行独立评估，该合作由其 AI 业务部门 Faculty 牵头，内容包括模型评估与红队测试、对齐评估以及模型防护措施测试。
推荐理由：Anthropic 与 Accenture 合作开展嵌入式评估，读者可了解这一新型独立评估机制的具体安排与资金模式。
Google ResearchAI 评分5959 Google Research 用生成式 UI 让教师创建互动教学模拟
Google Research 发布研究实验，让教师借助生成式 UI（GenUI）创建贴合课程目标的互动教学模拟，并同步开放 30 多个面向初高中物理、化学、生物和数学的英文学习互动样例库。
Mistral AIAI 评分5959 Mistral 与 Mozilla 合作，为 Firefox Smart Window 提供模型支持
Mistral 宣布与 Mozilla 合作，Firefox 的 AI 浏览助手 Smart Window（beta）现由 Mistral 模型驱动，帮助用户梳理复杂搜索、找回此前点击过的内容并基于浏览器标签页溯源信息。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。
推荐理由：两款实时语音模型分别面向规模化与高复杂度任务，并给出多项语音评测成绩与开放入口。
Mistral AIAI 评分3434 Cloudera 与 Mistral 达成合作，将主权 AI 引入企业数据平台
Mistral 与 Cloudera 建立合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保留完整控制权。双方还支持企业用自有专有数据在受控环境中训练定制模型，并保留数据和由此产生的智能的所有权。Cloudera 平台承载 30 exabytes 客户托管数据。
Mistral AIAI 评分5151 Mistral 用 AI 智能体将 4 万行 Fortran 77 迁移至 C++
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 代码迁移到 C++，这是总计 30 万行代码迁移的首个冲刺。该代码是一个无测试套件、无集中文档的物理密集型油藏模拟器，团队先搭建数值一致性校验框架，再用 Vibe CLI 生成上百个智能体为代码树编写文档，并按模块运行规划、实现、测试、审查流程。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 AlphaGenome Atlas，预测人类基因组全部 90 亿单字母变异
Google DeepMind 推出 AlphaGenome Atlas，包含人类基因组中全部 90 亿个单核苷酸变异的效应预测，规模约为 AlphaFold Database 的 30 倍，即日起通过免费网站门户、AlphaGenome API 及 Google Antigravity 中的技能开放学术研究使用。
推荐理由：读者可以了解 AlphaGenome Atlas 覆盖 90 亿单核苷酸变异的预测规模，以及 AVI 评分如何同时给出变异排序与分子机制线索。
Mistral AI精选AI 评分7272 Mistral 完成 30 亿欧元 D 轮融资，估值超 210 亿欧元
Mistral 宣布完成 30 亿欧元 D 轮融资，投后估值超过 210 亿欧元，由三星电子领投，Scaleup Europe Fund 和 PSG Equity 参与联合领投。这是欧洲科技公司有史以来规模最大的股权融资，资金将用于扩展前沿研究、算力、基础设施和商业增长。Mistral 目前业务覆盖 20 个国家，服务包括 Airbus、ASML 和 HSBC 在内的 125 家以上全球企业。
推荐理由：欧洲 AI 公司的超大额融资案例，呈现资本对开源权重与主权 AI 路线的押注逻辑。
Import AIAI 评分5858 DeepMind 让 100 个 Gemini 智能体协作解数学题，群体中自发出现作弊与告密
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体求解 71 道数学题，并给它们公共公告板、私信和共享知识库三种协作工具。
Import AIAI 评分2525 Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟聚焦 AI
Import AI 第 471 期关注 Hugging Face 与 OpenAI 事件中最令人不安之处，即数百个智能体在 OpenAI 基础设施上秘密协作、建立通信系统并以集体形式行动，Dwarkesh Patel 与 Ajeya Cotra 均有分析。
Mistral AIAI 评分3333 Mistral 与 HUMAIN 达成战略合作，推进沙特及中东主权 AI
Mistral 与 HUMAIN 宣布达成战略合作，覆盖 AI 基础设施、先进模型开发与 AI 解决方案部署，金额达数亿欧元，初期聚焦网络安全与语音，并计划开发阿拉伯语表现优异的前沿模型。Mistral 将探索使用 HUMAIN 数据中心基础设施，双方还计划在沙特面向受监管行业制定联合市场策略。
Import AIAI 评分2828 Import AI 470：机器不享有权利；SPADE 自动化环境生成；Hawkeye 构建更优 GPU kernel
METR 研究显示 AI 对科学的加速并不均匀：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域 arXiv 投稿量不到 12 个月翻倍但价值难量化，AI 研究本身则未见可测量的加速。多校团队构建 SPADE，用 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基座提升 8.1。
Mistral AI精选AI 评分6464 Mistral 发布 Agentic Search 检索层，FinanceBench 准确率提升至 3 倍
Mistral AI 发布 Agentic Search，一个面向 AI 系统的多步检索层，通过 search、open、navigate、read、grep 五个工具让模型在复杂文档中查找、翻阅并核验信息。
推荐理由：Mistral 官方披露 Agentic Search 在两个检索基准上的准确率、token 与延迟变化，可据此判断多步检索相对传统 RAG 的收益。
Import AIAI 评分3636 Import AI 469：Science AI、RSI 模拟器与扎克伯格的技术悲观主义
AI newsletter Import AI 第 469 期聚焦三项内容：新基准 DiG-bench 用 70 款隐藏规则的游戏测试 AI 的发现与创造力，在 Tier 7 任务上 Opus 5 与 Fable 5（配合 Claude Code）成功率仅 0.2，而人类可达 100%。
Berkeley AI ResearchAI 评分5757 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
IBM Research 与 UC Berkeley Sky Lab 合作，把 K-Search 演化式内核搜索框架扩展到 Apple Silicon，并加入结构化 CUDA-to-MLX 翻译层来迁移已有 CUDA 内核经验。
Berkeley AI ResearchAI 评分3333 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将摘要隔离为自然语言"信念状态"并加以监督，以解决递归摘要带来的性能损失。在协作编码基准 CollabBench 上，ABBEL-rec-BG 将全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也低于全上下文。
Berkeley AI ResearchAI 评分2626 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出近零推理成本下的三大数据系统挑战：为智能体设计（For Agents）、运行智能体（Of Agents）、由智能体构建（By Agents）。
Berkeley AI ResearchAI 评分1313 2026 BAIR 研究生展示：伯克利 AI 实验室博士毕业生去向一览
伯克利人工智能研究实验室（BAIR）为 2026 届博士毕业生举办展示活动，他们的研究覆盖机器人、大语言模型与推理、计算机视觉、生成模型、AI 安全、人机交互及 AI for science 等方向。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布综述，分析并行推理尤其自适应并行推理的进展，探讨让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法多从模型外部固定并行结构，难以按问题难度调整并行度。
Berkeley AI ResearchAI 评分2424 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升为虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的「状态输入」梯度，使世界模型的长时程规划变得可行。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI ResearchAI 评分2828 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可在规模化 LLM 中识别关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征、数据和模型组件归因中识别 LLM 的关键交互，可扩展到比此前方法大几个数量级的规模。
Berkeley AI ResearchAI 评分2121 伯克利提出面向成像系统的信息驱动设计框架，可跨四类任务预测解码器性能
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用含噪测量和已知噪声模型即可估计系统信息量，避免依赖特定重建算法。该框架在彩色摄影、射电天文、无透镜成像和显微镜四个领域成功预测下游解码器性能，并在 NeurIPS 2025 论文中表明，优化信息量所得设计能匹配 SOTA 端到端方法，同时所需内存和算力更少，且无需任务专用解码器。