Google DeepMind 发布 Lyria 3 Pro 音乐生成模型 ↗
Google DeepMind 发布 Lyria 3 Pro,支持生成最长 3 分钟、具备结构意识(如 intro/verse/chorus/bridge)的定制化音乐。
AIHOT 精选行业资讯,关注 AI、产品与技术的新进展。
AIHOT · 精选摘要,保留原始来源 · 2026年11月4日 09:00
Google DeepMind 发布 Lyria 3 Pro,支持生成最长 3 分钟、具备结构意识(如 intro/verse/chorus/bridge)的定制化音乐。
Sakana AI联合不列颠哥伦比亚大学、Vector研究所和牛津大学在Nature发表论文《The AI Scientist: Towards Fully Automated AI Research》。
Google Research 发布 Vibe Coding XR 工作流,结合 Gemini 大模型与 WebXR 技术栈构建的 XR Blocks 框架,支持用户通过自然语言在 60 秒内生成可运行于 Android XR 设备(如 Galaxy XR)的物理感知 XR 应用。
AI21 工程师在 Jamba 3B 模型的 GRPO 训练中发现 rollout 与 FSDP 侧 logprob 不一致,经结构化排查将问题定位至 vLLM 中 Mamba-1 selective scan CUDA 内核的 uint32_t 指针算术溢出。
OpenAI 推出安全漏洞赏金计划,旨在识别 AI 滥用和安全风险,包括智能体漏洞、提示词注入和数据窃取。
Google Research 发布 TurboQuant 算法(将在 ICLR 2026 报告),联合 QJL 和 PolarQuant 实现无精度损失的极端向量压缩。
Google Research 提出 S2Vec,一种基于 S2 几何划分与特征栅格化的自监督框架,将道路、建筑、商铺等建成环境要素转化为多层‘地理图像’,再通过掩码自编码(MAE)学习通用嵌入;在人口密度、收入等社会经济指标预测任务中展现出优异的跨区域泛化能力,但在树冠覆盖率、海拔等环境任务上需融合卫星影像增强。
ServiceNow 与 Hugging Face 联合发布语音智能体评估框架 EVA,首次实现任务准确性(EVA-A)与对话体验(EVA-X)的联合端到端评测;框架采用 bot-to-bot 音频架构,配套开源 50 场景航空领域数据集、20 个系统基准结果及完整代码;核心发现是准确性与体验存在系统性权衡关系。
PyTorch 2.11.0 正式发布,主要更新包括:默认 PyPI 轮子升级至 CUDA 13.0(不再支持 Maxwell/Pascal/Volta GPU)。
Mistral AI 发布 Voxtral TTS,一个 4B 参数的文本转语音模型,支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语共 9 种语言。
vLLM 官方发布 v0.18.0 版本,新增 gRPC 服务支持、GPU-less 渲染命令、NGram GPU 加速的推测解码、KV 缓存智能 CPU 卸载与 FlexKV 后端。
Hugging Face 博客发布教程,介绍如何在单 GPU 上用不到一天时间将通用嵌入模型(Llama-Nemotron-Embed-1B-v2)微调为域特定模型。
Arvid Kahl指出Anthropic和Google已明确禁止在其API上运行Open Claw等智能体系统,因其不愿承担AI行为致人伤害的法律责任;他将AI责任比作地雷阵,分析客户侧AI失控、第三方AI攻击自家API、开发者本地工具误操作生产环境、平台规则突变等风险,并提出最小可行安全姿势:全链路限流、清晰标注AI功能、对AI可触达系统做恢复就绪备份,以及全局杀开关。
MiniMax 发布 M2.7 模型,该模型首次深度参与自身演化,具备构建复杂 Agent Teams、动态工具搜索、自主迭代 harness 等能力;在 SWE-Pro 得分 56.22%。
Google Research 在 The Check Up 活动中系统介绍了其在医疗 AI 领域的最新实证研究:与 Fitbit 合作验证 Personal Health Agent(PHA)在预防性护理中的有效性。
Google Research 联合多家 NHS 机构开展 AIMS 研究,在 Nature Cancer 发表两项配套研究:第一项评估 AI 系统独立性能与临床部署可行性。
Hugging Face 发布《State of Open Source on Hugging Face: Spring 2026》报告,基于平台数据指出:2025年用户达1300万。
Google DeepMind 发布论文《Measuring Progress Toward AGI: A Cognitive Taxonomy》,提出包含感知、生成、注意力、学习、记忆、推理、元认知、执行功能、问题解决和社会认知共10项能力的认知分类框架,并设计三阶段评估协议:在各能力任务上测试AI、采集代表性成年人类基线、将AI性能映射至人类分布。
Mistral AI 发布 Forge,一个支持预训练、后训练和强化学习的系统,使企业能基于自有代码库、文档、结构化数据和操作记录训练领域专属模型;支持 dense 和 MoE 架构及多模态输入;强调模型可控性、战略自主性,并专为代码智能体(如 Mistral Vibe)设计,支持用自然语言完成模型微调与合成数据生成。
H Company 发布 Holotron-12B,一个基于 NVIDIA Nemotron-Nano-12B-v2-VL-BF16 后训练的多模态计算机使用智能体模型。
Mistral AI 发布 Mistral Small 4,首个整合 Magistral(推理)、Pixtral(多模态)、Devstral(智能体编码)能力的单一大模型,支持文本与图像输入、256k 上下文、可配置 reasoning_effort 参数;采用 Apache 2.0 许可,已开源至 Hugging Face,并作为 NVIDIA NIM 提供优化部署。
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron 联盟,将与 NVIDIA 联合开发开源前沿基础模型,结合 Mistral 的模型架构与平台能力及 NVIDIA 的算力、工具与合成数据管线;同时发布 Mistral Small 4 模型以支持开发者构建与定制 AI 应用。
Google Research与康奈尔大学在PNAS发表论文《Expert evaluation of LLM world models: A high-Tc superconductivity case study》。
Mistral AI 发布 Leanstral,首个开源、专为 Lean 4 设计的代码智能体,采用 6B 活跃参数的稀疏架构,支持 MCP(如 lean-lsp-mcp)。