NVIDIA Inception 接入巴塞罗那超级计算中心 AI 工厂服务
NVIDIA Inception 会员现可通过 Inception 门户使用巴塞罗那超级计算中心（BSC）AI 工厂的部分服务，BSC 的 AI Factory 加速器计划在试点后已全面运行。
#数据/训练
NVIDIA Blog AWS Machine Learning Blog AWS 新版注册体验上线：新用户几步即可进入 SageMaker Studio
AWS 宣布新客户可用 Google、GitHub、Apple、Amazon 账号或邮箱，在 2–3 步内注册并自动进入配置好的 SageMaker Studio 环境，环境创建约 20 秒。
AWS Machine Learning Blog Deepgram 如何用 AWS Trainium2 优化大规模语音 AI 推理
Deepgram 与 AWS 合作将 Nova-3 语音转文本模型移植到 Trainium2，用于联络中心分析、医疗转写等离线批量场景，单台 trn2.3xlarge 实例运行 8 个模型副本，每美元处理的音频量比原有方案高 11%–70%。
Hugging Face Blog精选 Hugging Face 推出 TorchNeuron 后端，可直接在 AWS Trainium 上运行模型
Hugging Face 宣布为 PyTorch 在 AWS Trainium 上提供原生后端 TorchNeuron，2026 年 10 月 20 日起进入公测，可通过 pip install torch-neuronx 安装。
推荐理由：Hugging Face 官方说明了 TorchNeuron 后端如何替换 Optimum Neuron，并给出可直接复用的推理与训练代码。
Google Research精选 Google Research 提出 VERID 框架，让 AI 智能体落地自主湿实验室
Google Research 发布博客，介绍把 AI 智能体从计算设计连接到真实湿实验室实验的三个研究项目。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 状态追踪、秒级虚拟试运行、硬件安全检查与视频动作日志同步记录。
推荐理由：Google Research 公开了三个把 AI 智能体接入湿实验室的项目，其中包含框架设计和闭环实验数据，可以观察自动化科研在物理环境中的实际卡点。
Hugging Face Blog NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 的 Indic 预训练语料及开放数据生成流水线
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token 覆盖 22 种印度语言，并将于近期开放。
Google DeepMind精选 Google DeepMind 演示用 Antigravity 加速抗菌肽发现
Google DeepMind 发布技术演示，展示生物学家如何用 Google Antigravity 智能体开发平台在单次会话中完成抗菌肽候选的发现与结构评估。
推荐理由：原文用一次完整会话展示生物学家如何借 Antigravity 把跨库检索、结构分析与候选筛选压缩进单个工作台。
Mistral AI精选 Mistral 发布时序基础模型 Timestral，最小 5M 参数最大 209M
Mistral 发布首个时序基础模型系列 Timestral，共 5M、28M、123M 和 209M 四个参数版本。其中 209M 版本在 GIFT-Eval、TIME 和 fev-bench 三个公开基准的零样本预训练模型中排名第一，参数约为前代 SOTA 的三分之二；28M 版本在 GIFT-Eval 和 TIME 上超过约四倍大的 Chronos-2。
推荐理由：表格列出了四种参数规模、上下文长度与部署方式，并说明最大模型在三个公开榜单上的位置，便于判断它相对 Chronos-2、TimesFM-3 的取舍。
NVIDIA Blog NVIDIA 通过开放学习资源、合作与算力扩展欧洲科研界的先进技术获取
NVIDIA 加入欧盟委员会的 AI in Science Enablers Initiative，向欧洲科研社区开放 250+ 开源模型、250 个开源数据集和 1400+ 开源软件项目，并配套 Nemotron、BioNeMo、PhysicsNeMo、Earth-2 等科学软件。
Google Research Google Research@ 2026 大会：10 项放大人类创造力的研究成果
Google Research 在 Mountain View 的 Research@ 活动上展示了 10 项面向医生、科学家和开发者的研究成果。Google Earth AI 扩大早期访问，向合作伙伴开放地理空间分析、行星预测引擎和智能体间 API 三种实验性能力。Deep Review 从内部测试扩展至公众，此前已用于审阅投稿顶会的逾 16,000 篇论文。
Google Research精选 Google 扩展 Earth AI 地理空间推理智能体早期访问
Google 扩展 Earth AI 地理空间推理智能体的实验性早期访问，覆盖 Ask Google Earth 的深度分析更新和面向开发者的 Agent-to-Agent API，Planetary Prediction Engine 也开放预览。
推荐理由：Google 公布地理空间推理智能体的技术报告与合作伙伴实测，并开放早期访问，可据此判断专用工具与前置规划在空间任务中的差别。
Microsoft Research 微软研究用 StudentSim 个性化模拟学生学习，评估和改进 AI 辅导
微软研究团队提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，在辅导系统与真实学习者测试前提供反馈信号。该工作同时发布 StudentSimEval 评测基准，从行为保真度和对辅导引导的响应性两个维度评估模拟器，并在国际象棋、英语二语写作和数学任务上优于领先基线。StudentSim 是研究系统，不是产品，未部署于课堂，也不替代教师。
Google Research精选 Google 研究：AI 辅助提升专利撰写产出，但未必加速初级律师技能成长
Google Research 与 NBER 发表三个月田野实验，133 名专利律师随机获得当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）使用权。
推荐理由：三个月专利撰写实验区分了 AI 辅助产出与无辅助判断，为技能培养提供了难得的纵向证据。
Microsoft Research精选 Microsoft Research Asia 开源 Agent Lightning v1.0，约 3500 行代码的轻量智能体 RL 框架
Microsoft Research Asia 开源 Agent Lightning v1.0，这是一个约 3500 行的轻量智能体强化学习框架，提出 Harnessed Agentic RL 训练范式，让部署时使用的 harness 直接参与 RL 训练，无需在训练框架内重写智能体。
推荐理由：微软开源约 3500 行的智能体 RL 框架，让部署用的 harness 直接参与训练，并给出完整代码智能体训练示例。
Google Research Google 发布 Earth AI 行星地理基础模型 PDFM 的全球公共卫生评估
Google Research 介绍用 Earth AI 的 Population Dynamics Foundation Model（PDFM）做公共卫生概念验证，将搜索趋势、人口流动、建成环境密度和环境要素压缩为按月更新的地点嵌入向量，无需任务微调即可作为即插即用输入接入现有流行病学模型。
Google Research Google 提出基于 TEE 的可验证隐私联邦学习系统
Google Research 发布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供完全可验证、可审计的保证。设备上传加密数据时预先授权访问策略并将其发布到公开透明日志 Rekor，密钥管理由 TEE 集群基于 RAFT 实现，仅向符合策略的服务端 TEE 工作负载发放解密密钥。
Microsoft Research 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生构建的机器学习流水线可为美国本土66,935座变电站生成30-60分钟前的空间天气风险预报。该系统结合AE与Dst指数预报及当地地质电导率，在评估期内检出近80%的重大空间天气事件。GIC风险阶段对≥10 nT/min事件的检出率为76.5%。
Google DeepMind精选 Google DeepMind 推出 SynthID Bio，为 AI 生成的蛋白质加水印
Google DeepMind 推出 SynthID Bio，将水印技术用于合成生物学，可把不可感知的签名直接嵌入生物代码，并在合成出的实体蛋白质上验证。
推荐理由：读者可以看到水印如何同时写入蛋白质序列与 AlphaFold 3 预测结构，并了解它对 DNA 合成筛查的意义。
Microsoft Research 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院推出 AI 研究系统 Quine，由跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像多模态联合训练的生物学世界模型，以及连接模型、科学工具、文献和湿实验室的编排层组成。
Microsoft Research Microsoft Research Asia 新加坡实验室成立一年：推进研究、合作与人才培养
Microsoft Research Asia 新加坡实验室迎来成立一周年，作为微软在东南亚的首个研究实验室，其研究覆盖下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践及生态与人才培养四大方向。实验室通过与新加坡医疗生态伙伴合作，探索多模态医疗 AI 与自演化诊断智能体的落地应用，并与 EDB、IMDA 等机构在联合博士培养和产业活动上展开合作。
Mistral AI Mistral 与 Cloudera 达成合作，将专有主权智能引入企业数据
Mistral 与 Cloudera 建立合作，将 Mistral 模型集成进 Cloudera 混合数据平台，使企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还可在受控环境内用大量专有数据训练自有模型，数据和由此产生的智能均归企业所有。Mistral 称此举面向 Cloudera 平台上 30 exabytes 的客户自管数据。
Mistral AI Mistral 与 HUMAIN 宣布战略合作，推进沙特及中东主权 AI
Mistral 与 HUMAIN 宣布在 AI 基础设施、先进模型开发和解决方案部署上展开战略合作，合作规模达数亿欧元。双方将优先聚焦网络安全与语音领域的模型本地化，并计划开发阿拉伯语表现强劲的前沿模型。Mistral 还将探索使用 HUMAIN 的数据中心基础设施，双方计划在沙特面向受监管行业制定联合市场策略。
Berkeley AI Research 为高效长程交互，教 LLM 更新信念状态：ABBEL 框架
伯克利 AI 研究提出 ABBEL 框架，把交互历史压缩为自然语言"信念状态"，并用受自编码器启发的信念评分机制监督其内容。在 CollabBench 协作编码任务上，ABBEL-rec-BG 把与全上下文模型的表现差距缩小约 50%，训练步数从 100 降到 50，峰值上下文 token 仍显著低于全上下文。
Berkeley AI Research 智能免费之后怎么办：面向、属于、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本大幅下降、接近免费，数据系统需应对三类新挑战：为智能体设计的数据系统、管理智能体集群的数据系统，以及由智能体合成数据系统。
Berkeley AI Research 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队发布综述，分析并行推理领域进展，重点讨论自适应并行推理——让推理模型自行决定何时分解并并行化独立子任务、启动多少并发线程以及如何协调。文章梳理了 self-consistency、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI Research SPEX 与 ProxySPEX：大规模识别 LLM 关键交互的算法
Berkeley AI Research 介绍 SPEX 与 ProxySPEX 两种算法，可在规模化场景下识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题；ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融达到 SPEX 同等性能。