微软研究院 StudentSim:用个性化学生模拟器在真实学习者测试前评估和改进 AI 导师
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。
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。
AWS 发布面向多节点部署的 Ray LLM Deep Learning Containers,可在 Amazon EKS 上用两个 GPU 节点部署单个大语言模型,将 prefill 与 decode 阶段分离并统一在一个 OpenAI 兼容端点之后。
NVIDIA 在 OCP Global Summit 上通过开放 MGX 架构向 OCP 贡献 Vera Rubin 机架与计算托盘设计,并发布第三代 MGX AI 数据中心参考设计。
推荐理由:NVIDIA 在 OCP 峰会上开放 Vera Rubin 机架与计算托盘设计,并公布 MGX 1.2 与 DSX 开源组件,读者可据此了解 AI 工厂基础设施的开放标准走向。
Asana 借助 Codex 中的 GPT-6 Astra,在测试中让浏览器智能体的模型成本降低 76 倍、速度提升 5 倍,从而为客户提供能力更强的模型。
Ai2 用 GPU 时间预算、分层公平分配和时间切片合约替换了原有的优先级调度器,把各研究项目该分多少 GPU 时间的争论从逐案运维任务变成透明的行政预算流程。
Postman 披露其 Agent Mode 在 Amazon Bedrock 上的生产架构,用于支撑 4000 万开发者的 API 测试、文档、发现与实现工作。
Amazon Bedrock 在 9 月更新中上线 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型,其中 GPT-6 Astra 支持最高 100 万 input tokens,Ultrafast 版本推理速度最高提升 6 倍、达 300 tokens/秒。
Sophos 使用 OpenAI 的 Daybreak 将网络威胁调查时间缩短 96%,并自动化处理 52% 的 MDR 案例,同时保留人工监督。
LegalOn 将每日 Codex 预估成本削减 65%,同时保持开发速度。该公司按任务类型匹配 Astra、Sol 和 Luna,并对预算进行策略性管理。
Hugging Face 作者 yuvraj sharma 与 Abubakar Abid 用 HuggingChat 中的 ML-intern 模式,在几天内做出六个模型。
推荐理由:作者用 ML-intern 在两天内做出六个模型,公开了完整提示词与每项算力成本,可迁移到自己的训练流程。
NVIDIA 开发者用 GPT-6 Astra、Claude 等前沿模型配合 Omniverse 库,通过自然语言指令完成 3D 资产创建、机器人拆解测试、建筑重建和燃气轮机数字孪生等仿真应用。其中燃气轮机原型内置 6 项测试流程,可调负载、环境温度和燃料成分并对比功率与效率。SimReady Central Library 提供超 2,000 个仿真就绪 USD 资产。
阿布扎比技术创新研究院(TII)发布 Falcon-ASR,一款 1.6B 参数的语音识别模型,重点覆盖阿联酋方言,同时支持英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均 WER 为 20.92%,优于所用榜单快照中最佳公开结果 23.17%;内部阿联酋方言评测 WER 22.73%、CER 10.19%,比次优的 Qwen3-Omni 低 4.07 个百分点。
AWS 介绍 Amazon Bedrock AgentCore payments 已正式可用,为 AI 智能体提供按需付费的托管能力,处理支付协议、连接钱包、签名交易并在基础设施层执行消费限额。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5,帮助创作者把创意转化为精细图像和电影级视频广告。
Oracle 在招聘、工程和运营场景中,用 ChatGPT Work 和 Codex 把专家知识转化为快速、可复用的工作流,将原本需要数天的工作缩短到几分钟。
AWS 发布基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构,让多个团队共享同一 GPU 集群并保持隔离与资源公平。
OpenAI 捣毁了两起借助 AI 开展的影响力行动,这些行动利用虚假身份的“记者”和一家智库散布地缘政治信息。
Google Research 与 NBER 发布一项为期三个月的随机对照实验,让 133 名专利律师使用当时未发布的 Google Labs AI 专利撰写助手(现属 Gemini Notebook)。
推荐理由:三个月随机对照实验区分了AI提升产出与塑造专业判断两种效果,对理解人机协作下的技能养成有参考价值。
Amazon Quick 与 Amazon Bedrock Knowledge Bases 在原有预检索 ACL 过滤之上新增实时 ACL 校验,在查询时直接向权威数据源核实权限,避免依赖可能过期或映射错误的 ACL 数据。
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用。
推荐理由:原文给出 Haiku 5.5 在 Bedrock 上的能力定位、成本变化与接入方式,便于判断它在多智能体分层中的位置。
OpenAI 宣布 GPT-6 在 ChatGPT 中面向全球用户上线,并同步推出 Intelligent UI。官方称新版本响应更快,提供可视化内容与可直接探索和使用的交互体验。
推荐理由:OpenAI 官方公布 GPT-6 在 ChatGPT 全球上线,并同步引入 Intelligent UI,读者可据此了解模型与交互形态的同步变化。
NVIDIA 与 Microsoft 在旧金山 Windows AI 活动上宣布为 Windows PC 的 AI 智能体共同设计软硬件,并公布 RTX Spark 笔记本与紧凑台式机。
推荐理由:NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力硬件一并给出,可据此判断本地智能体的落地路径。
GitHub 发布与 Microsoft Applied Sciences 联合构建的 ModernBERT 分类器,用代码上下文识别非结构化密钥,可在 2 毫秒内评估一批候选密钥,据称能把可拦截的密钥数量提升一倍以上。
推荐理由:GitHub 公开了九季度密钥泄露数据,并说明新分类器如何把推送拦截扩展到非结构化密钥。
Radisson Hotel Group 与 Accenture 合作,基于 OpenAI 技术打造了一款 ChatGPT 插件,帮助旅客在规划行程时查找、比较和预订酒店。
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。
LiquidAI 发布 d1 决策模型家族的两款开源模型 d1-3B 和实验性的 d1-omni-600M,前者支持文本与图像,后者支持文本配图像或音频。
推荐理由:LiquidAI 开源两款端侧决策模型,给出决策指数排名与 Jetson 实测延迟,可据此判断端侧多模态决策的可用性。
OpenAI 为 ChatGPT for Teens 上线 College Planner,帮助学生管理大学申请,同时新增 flashcards、quizzes 功能,并组建青少年 AI 委员会(teen AI council)。
微软研究院开源 Agent Lightning v1.0,这是一个约 3500 行代码的轻量智能体强化学习框架,提出 Harnessed Agentic RL 范式,让部署时使用的 agent harness 直接参与训练,无需在训练框架内重写 agent。
推荐理由:微软开源 Agent Lightning v1.0,给出约 3500 行代码的智能体 RL 框架与完整训练配方,可据此评估真实 harness 训练的落地成本。
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟降至 10 分钟,减少 78%。该系统还把手动生命周期操作从 10 多步压缩为 1 次交互(减少 70%),并将冗余告警中位数削减 65%。三人团队用六个月完成交付。
AWS 提出一套六周结构化培养方案,让非工程背景的业务人员用 Strands Agents SDK、Amazon Bedrock AgentCore 和 Amazon Nova 模型构建可用的 AI 原型。
AWS 展示了一套自动化修复工作流,用 Amazon EventBridge 接收 AWS DevOps Agent 的调查完成事件,再由 AWS Lambda Durable Functions 调用 Amazon Bedrock 从预审工具白名单中选取修复动作。
Qlik 基于 Amazon Bedrock 打造 Qlik Answers,为全球超 4 万名客户提供带来源引用的企业级问答,2026 年 2 月正式可用后其 Discovery Agent 已为客户发现超 10 万条洞察。
AWS 提出 Agentic Value Model,用于替代为 RPA 设计的传统 ROI 模型,从时间节省、异常处理、决策质量、变更韧性与维护经济性四个维度衡量 agentic automation 的价值。
OpenAI 发布内部前沿模型在数学开放问题上的新结果,并在 GitHub 上公开 Lean 证明形式化与研究细节。
推荐理由:OpenAI 公开内部前沿模型在数学开放问题上的结果,并放出 Lean 形式化证明,可了解其研究路径。
Jump Trading 借助 OpenAI 扩展量化研究,通过运行时间更长的 AI 工作流整合多个数据源,并结合人工审核。
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界,以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历,分享与当前 AI 系统协作的实用建议,并强调当结果偏离预期时应仔细审视数据。
Google DeepMind 发布 EmbeddingGemma 2,一个基于 Gemma 4 架构、Apache 2.0 许可的开源多模态嵌入模型,可将文本、图像、音频和视频映射到统一嵌入空间。
推荐理由:官方给出 740M 参数、模块化编码器与端侧内存占用,可据此判断本地多模态检索的落地门槛。
在 Amazon Bedrock AgentCore 上运行开源智能体系统 OpenClaw,可构建具备持久记忆的上下文感知 AI 助手。AgentCore memory 将一次性对话转为持久知识,并支持结构化元数据标记以检索相关记忆;文本与图像分别路由至 Claude Haiku 4.5 和 Claude Sonnet 4.5。
OpenAI 与 Ironclad 正围绕复杂合同工作流训练和评估 AI 智能体,以推进面向专业工作的 computer use 能力。双方将合同流程作为测试场景,探索智能体在真实专业任务中的表现。
Atlassian 与 OpenAI 扩大合作,把前沿模型与企业知识连接起来,帮助团队规划、构建和交付工作。双方此前已有合作基础,此次扩展聚焦于将企业知识转化为可执行的工作流。