NVIDIA 欧洲云合作伙伴扩展算力生态,推进主权计算与安全 AI Agent
NVIDIA 宣布欧洲多国云合作伙伴正在加速扩展区域 AI 算力基础设施,依托新一代硬件支持主权 AI 计算、开源生态以及安全 AI Agent 部署。
NVIDIA 宣布欧洲多国云合作伙伴正在加速扩展区域 AI 算力基础设施,依托新一代硬件支持主权 AI 计算、开源生态以及安全 AI Agent 部署。
Google Cloud 与 NVIDIA 宣布基于 NVIDIA Vera Rubin 架构的 A5X 实例将于下月正式全面可用,面向大规模强化学习和智能体推理负载,并计划拓展至欧洲。
推荐理由:原文给出了 Rubin NVL72 机架在云端的软硬件集成与多站点部署规划,有助于读者了解前沿强化学习所需的工程算力演进。
NVIDIA 在 GTC Berlin 集中展示本地 AI 硬件全线进展,涵盖面向 PC 智能体的 RTX Spark、面向开发者的 DGX Spark 以及面向企业的 DGX Station。
推荐理由:原文公布了面向个人与企业的多档本地算力方案与适配模型,有助于开发者评估将智能体完整下沉至本地运行的技术可行性。
法官 Thomas Hixson 勒令 Meta 提供下载服务器的指令历史,并列出所有参与批准通过 BitTorrent 下载盗版电子书库的人员名单。起诉 Meta 侵犯版权的出版商与作者要求查明训练数据获取决策人,Meta 辩称相关决策属于团队共识且 BT 下载是执行员工的技术决策。
10月21日,由中国科协与重庆市人民政府主办的2026年世界科技与发展论坛在重庆开幕,以“协同演化:塑造未来产业的新生态”为主题展开学术交流。现场发布了年度“十大科技前瞻”、智能传感领域产业图谱等成果;论坛持续至10月23日,设置四大议题与12场平行论坛,涵盖具身智能、智能制造及绿色能源等领域。
中国科学院院士张平文指出,基础研究需要长期沉淀,过度苛求短期“有用”会扼杀颠覆性创新,不应以单一标尺衡量不同导向的研究。面对AI重塑科研范式与人才培养的冲击,科研人员应积极拥抱AI工具,同时严格守住科研诚信与科技向善两条底线。此外,基础研究需克服过度竞争的评价生态,并在国际交流承压背景下持续深化全球科学协作。
第七届CCF中国智能机器人学术年会在天津举行,1200余名专家学者及企业代表围绕智能机器人基础理论与工程应用展开交流。大会设置6个主旨报告与34个专题论坛,涵盖交互式世界模型、人机情感交互等方向。会上介绍天津已集聚200余家机器人相关企业,并规划到2028年底核心产值突破200亿元。
10月19日,第二届综合交通运输大模型智能体创新应用大赛决赛在四川绵阳开幕,共有300件作品晋级全国决赛。大赛自3月启动以来吸引1622支团队参赛,聚焦交通基础设施等十大赛道,覆盖铁路、公路、水运、民航与邮政领域。赛事依托智能体工具考评AI实战能力,并举办对接会推动路网“数字值班员”等成果落地一线。
研究人员开发出多智能体系统 El Agente Cuántico,利用协调智能体将任务分派给适配不同软件包的专业智能体,实现量子模拟自动化。该系统能生成代码、数值结果与图表,覆盖分子能量计算、时间晶体及量子纠错等任务,在五项任务的专家评估测试中平均得分达 97 至 100 分。该方法旨在辅助科学判断,减少研究人员在软件语法上的负担。
NVIDIA 创始人兼 CEO 黄仁勋在 GTC Berlin 主题演讲中发布了模块化数据中心参考设计 DSX POD,以及面向智能体安全的 NVIDIA OpenShell 参考架构。
推荐理由:原文集中呈现了从模块化硬件部署到智能体安全沙箱的完整基础设施方案,有助于了解端到端落地路径。
NVIDIA 扩展了覆盖语言、结构化数据、机器人、生物学和量子计算的开源模型家族,推出 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Kumo 及 Cosmos 3.5 等多领域基础模型。
推荐理由:文章系统梳理了覆盖语言、物理模拟与生物计算等领域的开源模型矩阵,读者可借此了解不同垂直业务场景下的模型选型与落地路径。
科技界超级富豪正通过大规模慈善捐赠与风险投资重塑生物医学研究,重点押注癌症、长寿和 AI 生物应用。例如,Chan Zuckerberg Initiative(CZI)宣布出资 $500M 资助人类细胞预测性 AI 模型,OpenAI Foundation 也承诺投入 $25B 用于健康与疾病治疗。但外界担忧此类投资可能让科研方向偏向利好富人的项目,且缺乏公众问责机制。
中国科学院山西煤化所发布我国首个覆盖全流程的煤转化智慧平台(IPCC)。该平台集成领域大模型、11类121个专业工具与验证机制,并联动智能实验室的19台套自动化装备形成研发物理闭环。目前平台已在费托合成催化剂等研究中运行,使产物中二氧化碳选择性降至1%以下,研发周期缩短约50%,整体效能提升约20%。
第五届水安全与可持续发展国际会议于10月19日在南京举行,主题聚焦重大基础设施系统韧性提升与风险智能管控。会上同步发布了新期刊《Water Science Research》,聚焦水资源、洪旱灾害防控等方向。来自中国及英美等十余国的500余位专家学者参会,围绕数字孪生水利与人工智能等议题开展学术交流。
OpenAI 宣布收购药物研发协作初创公司 Orchestra Bio,并将其技术整合进旗下生命科学 AI 平台 Rosalind。双方旨在构建连接科学发现与临床试验决策的 AI 智能体,通过跟踪试验进度与预警异常时间线来减轻研究团队的协调负担。OpenAI 此前已与 Novo Nordisk 和 Moderna 展开医药研发合作,本次交易的具体金额未公开。
Anthropic 的 Claude 在其科研环境 Claude Science 中自主设计针对蝎子神经毒素的蛋白质结合剂,并在实验室测试中得到验证。Claude 在初始提示后自主工作 24 小时生成逾 31 万个设计,测试的 211 个候选中最终有 17 个达到结合标准,其中两款与墨西哥蝎毒素 Cn2 结合紧密。该成果已获两家独立实验室确认,但实际抗毒血清效果尚未进入实测阶段。
中国工程院院士陈松林在2026海洋合作发展论坛上指出,我国需加快建立现代生物技术基因组育种体系,推动由水产种业大国向强国转变。其团队已研制出我国首款鱼类抗病育种基因芯片“鱼芯1号”,培育的半滑舌鳎“鳎优1号”市场占有率达80%。面向“十五五”,他提出构建海水生物育种大模型,突破智能育种并开发适合深远海养殖的高价值鱼类。
中国农业大学联合百图生科等单位开发出基因组基座大模型DeepD,在单碱基分辨率下支持百万碱基上下文并实现百万碱基长度的序列生成。模型采用稀疏混合专家架构,大版本参数量约630亿且计算时仅激活十亿量级参数,完成了覆盖全基因组的5.69T碱基预训练。目前该模型已提供API访问,可用于序列生成、变异效应预测与基因组分析流程。
预印本平台 arXiv 自 10 月 1 日起实施投稿限额,规定每位研究人员每月最多提交两篇论文,以应对 AI 工具产出的大量垃圾稿件。arXiv 在 9 月上传的预印本论文达到 4 万篇,平台设立限额旨在保护近 300 名志愿审核人员,但也导致近 4000 篇合规稿件排队等待公开发布。arXiv 表示正在测试利用大语言模型辅助核验,但距离实际部署仍有距离。
科学网转载发布题为《习近平总书记心中的伟大远征》的文章,页面正文仅包含网站转载免责声明。声明指出相关内容转载仅出于传播信息需要,不代表该网站观点或证实其真实性,未提供具体报道正文。
DeepSeek 开源了其生产级推理引擎 DeepInfer 及配套的 deepseek-recipe 工具,支持 NVIDIA SM100 与华为昇腾 950 硬件平台。
Tenex 团队在 Latent Space 访谈中阐述了其 AI 原生软件开发生命周期体系,主张按交付产出而非工时付酬以应对 AI 带来的研发效率提升。团队介绍了将设计规划与决策记录共同提交至 Git 的 MetaHarness 工作流,使长程任务中的 AI 智能体能随时理解业务上下文。此外,访谈还指出企业落地智能体最大的瓶颈在于非研发流程缺乏标准化以及数据权限管控难题。
研究人员探讨了具有 Kerr 非线性的各向异性 Dicke 量子电池中相变对充电过程的影响。研究发现,在多重近似简并区域之外,稳定储能主要受遍历-非遍历相变控制,而在该区域内则由一阶和二阶耗散相变主导。研究还结合强化学习优化了量子电池的充电过程,为基于内禀相变行为调控与提升量子电池性能提供了可行路径。
针对动态量子网络中多请求竞争链路容量与量子存储的问题,研究团队提出了基于混合整数线性规划(MILP)以及 DQN、PPO 和 SAC 的强化学习(RL)纠缠提纯调度器。
研究人员提出了一个结合软定律约束与路径相关监督的统一框架,用于从分布观测和离散轨迹中学习随机动力学。该方法将任务形式化为离散路径相关的 McKean-Vlasov 控制问题,其最优化系统表现为带有条件伴随跳跃的 McKean-Vlasov 前向-后向随机微分方程(FBSDE),并配备了因果表征的神经求解器。
研究者提出 HCW-GLB-OMD 算法,用于解决带对抗性污染的异方差广义线性老虎机问题。该算法将基于在线镜像下降(OMD)的估计器与基于 Hessian 矩阵的置信权重相结合。
研究者提出了时间序列预测的鲁棒残差修正框架 CRC,将混合修正器与验证集校准的选择性部署规则结合。该方法采用保守的岭回归基底加条件非线性细化,仅在留出集证据表明可降低误差时才应用修正,避免弱信号下的过拟合。在标准长序列基准测试中,CRC 改善了多数数据集的平均 MSE 和 MAE,并在 Traffic 数据集上实现了超过 20% 的相对 MSE 降低。
研究证明只有当损失函数为 0-1 损失的正倍数加标签相关偏移时,按 WDRO 风险排序才等价于按鲁棒准确率排序;在交叉熵等损失下,具备完美鲁棒准确率的假设反而可能承受更高 WDRO 风险。
决策曲线与成本曲线是评估临床预测模型在不同决策阈值下净收益与损失的两种方法,研究证明决策曲线与名为 Brier 曲线的特定成本曲线密切相关。在任意给定阈值下,决策曲线所用的净收益与 Brier 曲线所用的 Brier 损失始终会选出相同的最优模型。论文还提出以上包络决策曲线展示通过重新校准可获得的最大净收益。
《联邦学习:从理论到实践》新书预印本上线 arXiv,全书共 252 pages,系统介绍如何构建保护隐私且可扩展的联邦学习系统。该书重点聚焦个性化联邦学习,通过网络带权边编码设备间的任务相似度与通信链路,并将个性化模型训练构建为广义全变差最小化(GTVMin)分布式优化问题。内容面向学生、工程师与研究人员,兼顾图学习与优化理论的数学基础与实践应用。
研究人员提出一种基于权重空间学习的迁移学习方法,通过生成 PEFT 参数分布为少样本下游任务提供可验证的理论泛化保证。该方法利用扩散模型从上游任务学习 PEFT 参数分布,并在下游数据中通过采样与评估筛选出似然最高的参数。相比神经网络权重典型的连续假设空间,将假设限制在有限样本内能提供更紧的风险认证。
研究者提出一种自适应算法,通过结合评分与成对比较两种人类评估形式,在有限预算下从候选池中选出前 k 项最优目标。该算法前期利用评分快速筛选,随后通过具有前瞻性的代理目标策略结合成对比较细化排序,并在后期自适应切换至近视策略。理论证明该决策规则具备渐近一致性,模拟实验表明其性能优于现有基准。
研究人员提出一种名为比例包容边际效应(PRIME)的新度量方法,用于衡量统计学与机器学习中的变量重要性。该方法利用新型无模型变量选择技术识别活跃变量,并仅将其纳入计算,克服了比例边际效应(PME)计算成本高且仅适用于确定性模型的局限。测试函数和真实数据集分析表明,PRIME 能准确可靠地从含噪声的输入输出数据中量化变量重要性。
研究人员提出多边缘逆最优传输对比学习方法 Neg-MMIOT-CL,通过设计三元组基础代价将多边缘最优传输全局耦合集中在锚点-正样本-负样本三元组上,有效缓解了传统方法因缺少负样本导致的维度坍塌问题。团队还证明了该方法在特定代价下可呈现神经元坍塌现象,并推出计算效率更高的替代方案 Neg-IOT-CL-PushPull。合成与真实数据集实验表明,该方法性能显著优于现有基于最优传输的对比学习方法。
研究人员提出稀疏地标嵌入(SLE)核框架,通过以全部 |D| 个训练点为中心的紧支撑隆起函数将输入映射为稀疏特征向量,彻底消除了高斯过程等核方法对条件负定(CND)距离的依赖。该方法在任意距离度量下均可证明保持半正定性(PSD),并具备通用逼近能力与计算可控的良态条件。实验显示,SLE 核在使用测地线距离和 Wasserstein 距离时的预测精度与不确定性量化均匹敌或大幅超越领域特定基准。
研究人员提出用于小样本分子分类的特征选择框架 ARISE,结合了相关性信号、类别平衡稳定性评估、残差冗余控制与多分类成对覆盖。在 5 个分子数据集与 21 万次留出评估中,ARISE 在全部 15 组数据集与指标组合中均位列第一。
研究提出将基于密度的聚类与鞅后验分布相结合,实现了可扩展的贝叶斯式聚类不确定性量化。该方法通过模型得分函数驱动的完全并行化预测重采样评估密度不确定性,可直接适配归一化流等现代可微密度估计器。在图像与单细胞 RNA 测序数据实验中,该方法在单张 GPU 上数分钟内即可完成计算,并有效恢复有意义的聚类结构。
研究人员提出了针对右截尾数据的半参数深度神经网络模型 FLEXI-Haz,在对数风险中将可解释的线性部分与时间和调整协变量的灵活函数相结合,允许非比例冗余效应并保留可解释的回归参数。在正则条件下,该模型实现了回归参数的根号 n 一致、渐近正态且半参数有效估计,并能为个体生存概率构建渐近有效的逐点置信区间。模拟与 Rotterdam 乳腺癌数据分析表明,在时变冗余效应下其偏差更低且覆盖率更优。
研究人员提出一种通过在未知数量的线性动态体制间切换来建模无限时间序列聚类演变的方法。该方法将分层狄利克雷过程作为切换线性动态系统参数的先验,并结合高斯过程先验建模各聚类内部的振幅与时间对齐变化,以避免聚类非必要扩散。团队构建了适用于离线与在线场景的变分下界优化推理,并在公开心电图数据库的案例中验证了其有效性。
针对带标签目标数据的监督迁移学习,一项理论研究揭示了收敛速率的二分现象:即最优速率仅由单侧数据决定的“弱迁移”机制,以及结合源数据与目标数据互补信息以实现更快收敛的“强迁移”机制。研究提出了弱/强迁移模数来刻画两类分布关系,并设计出一种无需先验分布知识即可在各机制下保持近乎最优的通用算法。