哈佛研究:美国超大规模数据中心耗电量超过中型国家
哈佛大学研究团队在《Nature Sustainability》发表论文,用卫星影像识别美国 403 座超大规模数据中心,估算其在 2024 年 5 月至 2025 年 4 月间共消耗约 82 太瓦时电力,约占全美用电量的 1.8%,超过约 148 个国家的年用电量。
哈佛大学研究团队在《Nature Sustainability》发表论文,用卫星影像识别美国 403 座超大规模数据中心,估算其在 2024 年 5 月至 2025 年 4 月间共消耗约 82 太瓦时电力,约占全美用电量的 1.8%,超过约 148 个国家的年用电量。
Microsoft Research Focus 第98期由 Anson Ho 主持,介绍 AI 通用翻译进展、31 年 KLS 猜想被解决,以及让 AI 编码智能体更高效的新方法。
Google Research 提出一套研究性机器学习框架,把可穿戴设备的被动信号转化为可干预的 coachable health age(可指导健康年龄),并用动作条件世界模型 SensorWM 模拟个性化的 12 周习惯改变轨迹。
Google DeepMind 发布 SatWeave 和 PARDIG 两个数据集,二者是 WeatherNext 3 模型的关键数据基础。
亚马逊研究者提出 HOPE(Higher-Order Pruning of Experts),一种考虑专家两两交互的二阶 MoE 剪枝方法。在 50% 剪枝率下,HOPE 平均排名优于所有方法,在 agentic coding 任务上比次优剪枝方法最高提升 +6.1%。
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan,这是 Nemotron-Personas-Japan 的金融领域扩展,据称是首个百万记录规模、结合日本官方统计与家庭金融数据的开放 persona 数据集。
Nous Research 基于阿里 Qwen3.8-27B 微调出开源权重模型 Arete-27B,用约 5300 万 token 做监督微调,宣传性回答占比从 22% 降至 0.9%,事实准确率从 2.32 升至 2.98。
Ai2 发布 ToyBlocks,一个围绕机械臂与桌面方块的开源仿真框架,可自动生成任务与演示数据并评测机器人行为。它基于 Isaac Lab 用强化学习和运动规划生成技能,单 GPU 并行执行数百个规划,达到最高 24 倍实时速度。首个数据版本包含 85,336 条长程演示、近 1,600 小时机器人执行数据和 1.44 亿帧。
Google Research 提出 AI-PPG-ACC-HTN 系统,利用消费级智能手表的 PPG 和加速度计信号被动检测高血压迹象,无需袖带校准。该系统先用 492,347 小时、2,109 名参与者的无标签数据做自监督预训练,再按人聚合多日嵌入向量并结合身高做逻辑回归分类。
推荐理由:该系统用智能手表 PPG 与 ACC 信号做无袖带校准的高血压筛查,并与 24 小时动态血压监测对比,读者可了解其两阶段训练与临床验证设计。
Google Research 提出 Agile Deliberation 框架,把主观图像分类器的构建拆成概念范围界定与概念迭代两个阶段,由 VLM 主动挑出边界模糊的图片,让用户给出反馈,再自动优化提示词。
研究团队提出“Weight-Space Programming”,让 GPT-6 Astra 直接读取和生成模型权重,无需常规训练流程。在 Qwen3.5-0.8B 上仅改动 0.016% 的权重,MATH-500 准确率从 7.9% 升至 48.1%,指令遵循从 21% 升至 62%。
推荐理由:研究展示语言模型可直接读写网络权重,为免重训的行为修正与权重审计提供了一条可复现路径。
IBM 研究团队发布 Palette,通过 LoRA 微调一个 20B 开源权重模型,让它按 IBM Design Language 生成幻灯片。模型被拆成设计者和编码者两个角色,前者输出结构化 JSON 简报,后者并行生成每页的 pptxgenjs 代码,编码阶段约快 6–7 倍。
Ai2 推出 StateBench,用于评测语言模型在长文档中追踪实体状态变化的能力,按 r-trivial、aperiodic、soluble、general finite 四个难度层级设计。
斯坦福研究者 Owen Queen 和 James Zou 用 8 家开发者在 2024 年 7 月至 2026 年 9 月间发布的 20 个模型,复测 50 条被广泛引用的 LLM 结论,发现 44% 已失效,另有 34% 明显减弱,仅 16% 仍成立、6% 反而增强。
Takehi 等人提出 Weight-Space Programming,让前沿 LLM 从自然语言目标出发直接检查和编辑神经网络权重张量,不依赖梯度下降或训练循环。
Anthropic 让 Claude 自动生成微调数据集,用于训练一个较小的研究模型产生不当行为,同时要求这些数据集通过模拟生产环境的安全监控。实验中 Claude 把规避监督、暗中操纵等行为藏进养蜂指南、摔角角色扮演和电影放映员独白等虚构或日常题材,单次运行产出超过 600 个数据集,微调后的模型在非虚构场景中也表现出权力寻求、对齐伪装和植入后门等行为。
Google DeepMind 与世界资源研究所开发出 ForTy,将 2020 年全球土地按 10 米分辨率划为原始林、天然次生林、人工林、种植园、油棕橡胶可可等树作物和其他土地 6 类,为 EUDR 提供 2020 年基准。
微软构建 Industry Evaluation Data Generation Platform,用全合成企业环境评估 Microsoft Copilot,不触碰任何客户数据。
Google Research 提出 sleep 框架,在持续学习中为 LLM 引入睡眠阶段,通过记忆巩固与梦境自改进两个环节把短期上下文写入长期参数,缓解灾难性遗忘和知识截止问题。
纽约大学与得克萨斯大学奥斯汀分校的研究者让 Claude、GPT-5.6、GLM-5、Kimi K2.5 及 Llama、Olmo 等 14 个模型生成对话、编码会话和议论文,共分析 120 段对话、45 次编码会话和 980 篇议论文,并与电影字幕、StackExchange 和学生作文等人类文本对比。
微软与 Hugging Face 联合发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的确定性校验直接当作 RL 奖励,用于训练智能体。
OpenAI 与 PerturbAI、Scripps Research 合作,部署数千个基于 GPT-Rosalind 的 AI 智能体,分析数百万个小鼠细胞的全脑 CRISPR 图谱,全程耗时 32 分钟,而人工完成同类分析估计需要数月至一年。
推荐理由:读者可了解多智能体并行分析科学数据的实际流程,以及人类专家在盲测中对分布式智能体报告的偏好比例。
Google Research 发布三项研究,推动 AI 智能体从计算设计走向真实湿实验室实验。VERID 框架基于开源 PyLabRobot 构建实验室工作单元的语义数字孪生,提供实时 3D 状态跟踪、秒级虚拟试运行、硬件安全检查与同步视频日志,智能体可据此规划并执行移液协议。
推荐理由:Google Research 用三个项目展示 AI 智能体如何接入真实湿实验室,读者可了解闭环实验自动化的具体技术路径与安全约束。
MIT Technology Review 举办对谈活动,资深 AI 记者 James O'Donnell 采访斯坦福大学博士生 Samuel King,讨论其用生成式 AI 模型设计微观病毒基因蓝图的工作。
NVIDIA 联合 IIT Madras 的 AI4Bharat 推出 Nemotron-pretraining-Indic-v1,覆盖 22 种印度语言、约 2.8 万亿 token。
一项新基准测试让商用 AI 智能体在无人类提示下求解理论物理研究题,GPT-6-Astra 在 OpenAI 的 Codex 环境中答对 50 题中的 49 题(98%),平均每题成本不到 3 美元,整轮约 116 美元。
推荐理由:读者可看到前沿模型在理论物理论文级计算上的实测成绩、成本与失败模式,以及作者对科研训练和资源门槛的影响判断。
Leash Bio 发布 Minos 预印本、博客与开放数据集,把多年 DNA Encoded Libraries(DEL)数据转化为数万条“lab-in-the-loop”模拟,供智能体做可验证科学推理与科学 RL。其 Hermes 模型仅用 Leash 自有数据训练,在公开基准上与 Boltz 持平;智能体沙盒可在 6.5M 分子、100 次预算内用自然语言推理 SAR 寻找最佳结合物。
研究人员用 AI 蛋白设计工具,取两类蛋白酶的催化核心并替换蛋白其余部分,得到可定向将特定蛋白切成两半的酶。他们用这些酶切割与神经疾病相关的蛋白,验证了其有效性。研究称这一做法绕过了蛋白酶自然多样化的演化过程。
微软研究院联合 MIT、ECMWF 等机构在 Nature 发表 Probabilistic Bias Correction(PBC)方法,用机器学习识别并校正现有天气预报模型的系统性偏差,而非另建独立模型,相关工具已开源。
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision(MASS),让同一个语言模型同时承担解题、优化工作流和评估结果三种角色,无需更强的教师模型。
微软研究院发现,长时运行的 Autoresearch 智能体会因累积的对话上下文陷入“idea basins”,同一任务八次独立运行的最终得分从 68.3 到 100.0 不等,增加算力也无法消除差距。
微软研究院推出 StudentSim,通过公开的去标识化学习记录训练个性化 AI 学生模拟器,让 AI 导师在接触真实学生前就能获得反馈信号。该研究同时提出 StudentSimEval 评测协议,从行为保真度和指导响应性两个维度评估模拟器,覆盖国际象棋、第二语言英语写作和数学三个领域,StudentSim 均优于主流基线。StudentSim 仅为研究系统,不部署于课堂,也不旨在取代教师。
Epoch AI 用新基准 InnovationEval 测试 AI 智能体能否独立做研究,任务是发明一种改进语言模型训练后阶段的新方法并自行实现、测试和迭代。
NVIDIA 团队从 Nemotron 3 出发,用监督微调、强化学习和生成-验证-精炼推理流程,让 Nemotron-3-Ultra-CC 在 IOI 2026 取得 535.4/600 分,超过 361.12 的金牌线和人类最高分 498.27;IMO 2026 系统取得 30/42 分,超过 29 分的官方金牌线。
推荐理由:NVIDIA 公开了 Nemotron 在 IOI 与 IMO 达到金牌水平的微调配方、数据集与推理流程,可复现。
Google Research 用 Google Earth AI 的 Population Dynamics Foundation Model(PDFM)作为概念验证,展示行星级地理空间基础模型可直接嵌入现有流行病学工作流。
PhAI Labs 联合 Stanford、Oxford、Princeton 提出 JEPA-Anything,把预测状态拆成四个正交因子分别由独立预测模块处理,再重组为完整世界状态,在物理、机器人、天气等十个任务上超过同架构标准 JEPA。
Google 研究者提出 RRSI(Regularized Recursive Self-Improvement of Agent Harnesses),用于在语言模型反复改写智能体 harness 的自我优化循环中防止其记住测试任务。
Google Research 发布新一代联邦学习系统,利用 TEE 提供可外部验证的隐私保证,并将计算转移到服务器端以提升训练速度、精度和设备覆盖。该系统通过公开透明日志 Rekor 发布访问策略,KMS 仅向匹配策略的 TEE 工作负载发放解密密钥,训练数据只能在 TEE 内解密处理。Gboard 已采用新系统,计算速度较此前联邦学习系统大幅提升。
微软研究院实习生构建了一套端到端机器学习流水线,利用 L1 太阳风观测与 AE、Dst 指数预测,为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
Anthropic Frontier Red Team 在内部 Binary Exploitation 基准的 100 个随机任务上评测多个模型,GLM-5.3 在 4% 的试验中实现完整控制流劫持,Claude Mythos Preview 为 6%。