实验室
研究、实验与开源：硬件、物联网、机器人、生物科技及边缘AI
47 published articles
基准测试
大语言模型与科学方法之间的鸿沟：新基准发现模型能描述数据但无法进行推理
SDABench是一个全新的能力导向型基准，涵盖六项核心科学推理技能和五个领域，测试了15个大语言模型，发现模型在描述性分析上表现强劲，但在推理性和因果任务中崩溃。该论文提供了一个五阶段错误分析框架来定位失败原因。
2026-07-25
基准与测试
图学习模型未在如此“丑陋”的数据上测试过。一个新基准改变了这一点
OpenRTAG是一个来自学术团队的基准，它将TAG质量问题组织成一个3×3的类别体系，涵盖文本、结构和标签退化。它在九个数据集上测试了传统GNN、大语言模型增强GNN和图基础模型，揭示了先前零散研究未能发现的不同的灵敏度模式。
2026-07-24
智能体评估
你的AI智能体总失败？问题可能出在“绑定“而非“大脑”
PawBench 是 AgentScope 团队推出的开源基准测试，系统性地同时评估模型和智能体绑定。结果显示，对于较小模型，绑定设计可使得分波动超过 11 分，暴露了当前 AI 智能体评判中的一个盲点。
2026-07-22
Sakana AI 的集体智能进入物理世界
数百个简单积木自学识别自身形状
数百个完全相同的模块化积木，每个运行相同的微型神经网络，仅通过局部通信，就能识别自身的全局形状、检测损伤并引导再生。该系统发表在《自然·通讯》上，在硬件上对四种形状达到了 100% 的准确率。
2026-07-21
代理编程
Grok 4.5 如何在 SWE Marathon 上领先，这对编程代理意味着什么
Grok 4.5 现领跑 SWE Marathon 排行榜，击败 Claude 4 Opus 和 GPT-5。该基准测试真实的软件工程技能：跨真实仓库的 Bug 修复、功能添加与代码理解。这一结果重塑了 AI 编程代理的竞争格局。
2026-07-20
AI研究
BMW如何通过重新设计注意力机制，在16 GB GPU上实现16K上下文
宝马研究人员表明，层级全局注意力结合截断反向传播和外部KV存储，能让一块16 GB的GPU训练16K token序列，是密集注意力极限的四倍，且适配器质量没有可测量的损失。
2026-07-20
NVIDIA
Nvidia和Hugging Face联手，让分布式扩散训练变得轻松简单
Nvidia的NeMo Automodel现已直接集成Hugging Face Diffusers，为FLUX、Wan 2.1和HunyuanVideo等模型提供生产级分布式训练。这个基于Apache 2.0许可的库将并行性作为配置开关处理，并让微调后的检查点可直接加载回推理管线。
2026-07-19
人工智能与机器人
英伟达 RoboTTT 显示上下文长度是机器人模型的下一缩放轴
英伟达研究的 RoboTTT 将机器人模型上下文缩放至 8K 时间步，比当前策略高出三个数量级，实现了从人类视频中进行一次性模仿和 87% 的性能提升，表明上下文长度是机器人基础模型的一个新缩放轴。
2026-07-17
硬件与电子
北京大学40纳米忆阻器芯片性能超越英伟达A100最高达478倍
北京大学与中国科学院的联合团队开发了一款神经形态芯片，其神经动力学处理速度比英伟达A100 GPU快50到478倍，而功耗仅为后者的极小部分。这款40纳米相变忆阻器芯片实现了毫秒级的实时神经动力学，为手术导航和大脑数字孪生打开了大门。
2026-07-16
市场动力
英伟达市值飙升，表明AI需求远未降温
英伟达市值突破3万亿美元，因AI基础设施需求持续增长。这一里程碑凸显出，尽管AMD和初创公司提供更便宜的推理芯片带来竞争，企业GPU采购依然强劲。
2026-07-16
机器学习理论
为什么扩散模型能插值而非简单记忆：创造力的数学理论
谷歌研究人员揭示，扩散模型的创造力源于神经网络正则化引起的“分数平滑”效应。这一理论框架解释了为什么模型在训练数据点之间插值，而非仅仅记忆它们，为可控新颖性的生成式AI开辟了道路。
2026-07-16
人形机器人
小米人形机器人完成Optimus尚未实现的壮举：真正的工厂作业
小米人形机器人在工厂部署仅六个月内，在复杂柔性工件任务上实现了90%以上的成功率，直接挑战了马斯克今年1月关于Optimus尚未准备好投入实用工厂作业的说法。从单工位螺丝拧入到双肢面板分拣和纸箱折叠的飞跃，为人形机器人产业化设定了新的节奏。
2026-07-15