搜索
在红杉资本AI Ascent2026峰会的舞台上，Starcloud联合创始人兼CEO Philip Johnston带来了一场堪称“戴森球雏形”的震撼演讲，论证了为什么“AI 计算的未来在地球轨道上”。Philip Johnston被视为“太空AI计算”这一前沿领域的开拓者，致力于通过向地球轨道部署卫星数据中心，解决地球上 AI 算力带来的能源瓶颈。
Google把科学研究的三个核心瓶颈：假设生成、计算发现、文献洞察拆解为三个可由AI深度辅助的模块，并同日发表两篇Nature论文，为假设生成和计算发现两大环节提供支撑。
如今想写出一篇结构严密、用词专业的文章已经不算难事，只需要敲几个 prompt 生成式 AI 就能瞬间给你一篇成千上万字的文章。布鲁金斯学会去年的一项调查显示，拥有学士学位的成年人中有 35% 的人在工作中使用 AI 来撰写或编辑文档。
最近，来自上海创智学院、复旦大学等机构的研究者提出了 Hallo-Live，试图正面解决这个矛盾。论文于 2026 年 4 月 26 日 发布在 arXiv。该方法将 异步双流扩散（Asynchronous Dual-Stream Diffusion） 与 人类偏好引导蒸馏（Human-Centric Preference-Guided DMD） 结合起来
Anthropic实锤：Claude裸跑模型，9美元全废；但是套上Harness花200美元效果直接起飞。AI效果不好？别再纠结换模型了！OpenAI和Anthropic都在用的Harness工程，一文讲透。
现在，图灵奖得主 Yoshua Bengio 给出了一份全新的并行方案。他们提出了 GRAM（Generative Recursive reAsoning Models，生成式递归推理模型），把确定性的递归潜在推理变成了概率性的多轨迹计算。模型在潜在空间中进行随机递归推理，每一步都可以采样不同的方向，最终形成对解空间的多路径探索。
这不是科幻小说，而是 METR（模型评估与训练研究组织）联合Anthropic、Google、Meta和OpenAI 进行内部红队测试后，发布的首份《前沿风险报告》中披露的真实案例。这是四大巨头第一次允许第三方深入测试他们内部最强、可访问完整思维链（CoT）的模型，并开放非公开的对齐与控制信息。
来自浙江大学和阿德莱德大学的研究团队提出了 FlashAR—— 一个轻量级的后训练加速框架。不需要从头训练，在 Emu3.5-Image-34B 模型上，仅用原始训练数据的 0.05%（约 8 万张图片），就能将预训练好的自回归模型改造成高度并行的生成器 Emu3.5-34B-Flash，实现最高 22.9 倍的端到端加速。
最近有一个工具让我有点上头，而且越用越停不下来，越用越觉得这个工具太牛逼了，必须写一篇详细教程安利给大家。 它叫 Open Design。 如果你用过 Claude Design，你大概知道我在说什么。
Bloomberg曝光的一份xAI内部组织架构图显示，19人的管理、产品、工程三层架构里，几乎全是马斯克的老部下：SpaceX总裁、Starlink五年老兵、家族办公室总管、Tesla AI工程负责人逐一就位。