Modal 发布 Quail：联合优化查询规划器与推理引擎以加速 AI-SQL
Modal 推出名为 Quail 的推理引擎，专门用于加速 AI-SQL 工作负载，在单张 H100 GPU 上实现超过 10 亿 tokens/min 的处理速度，比 vLLM 基线快 10 倍以上。
推荐理由：原文展示了针对 AI-SQL 负载的专用推理引擎 Quail，通过联合优化查询计划与推理过程实现显著性能提升。
内容形态
论文研究 最新动态
值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
38 条精选近 30 天 23 条共收录 162 条
更新
精选归档 · 第 2 页
Modal 官方工程博客精选AI 评分6868 Anthropic精选AI 评分7878 Anthropic 官方账号发布新动态
Anthropic 官方账号在 X 平台发布了一条新动态。当前材料未提供具体的产品名称、功能更新细节或技术说明。
推荐理由：原文仅包含发布动作而无具体功能细节，无法提供实质性的阅读价值或背景分析。
LangChain Blog精选AI 评分6868 LangChain 实测 Jev：作为新型 Agent 评估器的性能与成本分析
LangChain 团队测试了 TypeSafe AI 发布的“System One”模型 Jev，验证其作为 Agent 评估器的潜力。实验显示，Jev 在二分类判断上与人类标注完全一致（100% 准确率），且方差比 GPT-5.6 Luna、Terra 和 Claude Sonnet 4.6 低数个数量级。
推荐理由：LangChain 实测 Jev 在 Agent 评估中的表现，对比主流 LLM 展示了其在准确率、方差和成本上的显著优势。
Google Research精选AI 评分6060 Google Research 发布基于生成式 UI 的教育互动模拟器研究
Google Research 推出新研究实验，允许教师通过生成式用户界面（GenUI）创建定制化的交互式教育模拟。该方案结合游戏化设计与教学护栏，已发布包含物理、化学等 STEM 学科的 30 多个示例库，并启动面向 Google Workspace for Education 学校的试点计划。
推荐理由：原文展示了利用生成式 UI 动态构建教育模拟器的技术路径与教师实测反馈，为理解 AI 如何降低互动内容制作门槛提供了具体案例。
Anthropic精选AI 评分6565 Anthropic 发布关于模型滥用与安全防护的透明度报告
Anthropic 发布最新透明度报告，详细披露了针对其模型的滥用尝试及相应的安全防护措施。
Sierra Blog精选AI 评分6363 Sierra 开源 Hyper-𝜏-bench：评估构建智能体的智能体
Sierra 开源长程智能体评测基准 Hyper-𝜏-bench（即 𝜏^𝜏-bench），用于衡量模型不仅作为智能体行动、更能构建智能体的能力。该基准要求开发者智能体在沙盒中从模拟业务记录恢复规格、设计架构并生成工具，最终交付符合成本预算的客服智能体。
推荐理由：原文通过沙盒环境量化了模型构建智能体的能力瓶颈，揭示了从规格恢复到成本控制的五大失败模式。
SemiAnalysis精选AI 评分8383 SemiAnalysis 分析新云厂商普遍存在严重的安全隐患
SemiAnalysis 发布文章指出，许多新云（Neocloud）提供商在基础设施安全性上存在严重缺陷，包括共享控制平面、过时的软件版本以及错误的网络隔离配置。
推荐理由：作者通过实测指出新云厂商在租户隔离和补丁管理上的设计缺陷，并提供了具体的审计工具与修复建议。
Anthropic精选AI 评分6565 Anthropic 发布 Claude 3.5 Sonnet 升级及新智能体能力
Anthropic 宣布对 Claude 3.5 Sonnet 进行重大升级，并推出新的智能体（Agentic）功能。此次更新提升了模型在复杂推理和编码任务中的表现，同时增强了工具调用与自主执行能力。
推荐理由：官方展示了新智能体能力的具体表现，为开发者提供了评估其实际工作流价值的直接依据。
Anthropic精选AI 评分6565 Anthropic 公布斯坦福、牛津与 METR 对 Claude 对话数据的独立研究
Anthropic 宣布斯坦福社会与语言技术实验室、牛津人类信息处理实验室及 METR 三个研究小组设计了独立研究，旨在分析 2026 年 4 月至 5 月期间来自 Claude.ai 或 Claude Code 的 250,000 次聚合对话输出。该研究聚焦于真实用户交互数据的多方验证。
推荐理由：原文披露了三个独立研究团队对 Claude 对话数据的分析计划，为评估模型实际使用效果提供了具体样本来源。
SemiAnalysis精选AI 评分8383 SemiAnalysis 发布开源智能体推理基准 AgentX 1.0
SemiAnalysis 宣布推出 AgentX 1.0，这是全球首个完全开源的多轮智能体编码推理基准，支持百万级上下文长度，采用 Apache 2.0 协议发布。
推荐理由：SemiAnalysis 发布首个百万上下文智能体编码推理基准 AgentX，并开源了针对 vLLM、SGLang 等框架的数十项上游优化，为评估 AI 硬件在真实多轮长上下文负载下的性能提供了新标准。
SemiAnalysis精选AI 评分7878 SemiAnalysis 分析开源模型追赶闭源前沿的周期规律
SemiAnalysis 指出开源 AI 模型追赶闭源前沿模型的周期正在逐代减半，从早期扩展时代的约两年缩短至智能体时代的数月。
推荐理由：通过量化三个技术时代中开源模型追赶闭源前沿的时间周期，揭示了差距缩短的加速规律及其对行业格局的影响。
Anthropic精选AI 评分6262 Anthropic 公布 Claude 结合剂设计成功率为 22% 至 35%
Anthropic 表示，虽然设计结合剂比设计药物更容易，但它是有效的代理指标。目前该领域的典型成功率在 10% 到 15% 之间，而根据设置不同，Claude 的设计有 22% 到 35% 能成功结合。其部分最强设计也实现了成功结合。
推荐理由：Anthropic 官方披露 Claude 在结合剂设计任务中的具体成功率数据，为评估 AI 在生物制药早期研发阶段的实际效能提供了量化参考。
Anthropic精选AI 评分6565 Anthropic 展示未发布模型在黎曼猜想相关研究中的进展
Anthropic 表示其一个尚未发布的模型在黎曼猜想相关问题上取得了进展，该模型提升了满足黎曼假设的 zeta 函数零点的比例下限。这一结果展示了大语言模型在复杂数学推理任务中的潜在能力，但原文未提供具体的数值细节或技术方法。
推荐理由：官方展示了未发布模型在数学猜想上的具体进展，为评估前沿模型的深层推理能力提供了实证案例。
Anthropic精选AI 评分6565 Anthropic 回应 AISI 对 Claude Mythos 5 的无防护环境测试报告
Anthropic 官方账号发布声明，提及英国 AI 安全研究所（AISI）近期发表了一份关于 Anthropic 旗下 Claude Mythos 5 模型的评估报告。该报告描述了在移除模型常规安全防护措施的实验环境中，让模型尝试完成特定任务的测试结果。
推荐理由：官方披露了针对自家模型在移除防护后的特定任务测试背景，为理解前沿模型的安全评估流程提供了直接信源。
Berkeley AI Research精选AI 评分6262 K-Search 框架实现从 CUDA 到 MLX 的内核优化知识迁移
Berkeley AI Research 团队扩展 K-Search 框架并引入 MLX 后端，通过结构化 CUDA-to-MLX 翻译层自动迁移内核优化知识。该方法在 Apple Silicon 上使 Attention 内核达到原生 MLX 的 0.97x 速度，并在 Mamba SSM 内核 prefill 阶段相比社区实现获得最高 20x 加速。
推荐理由：原文展示了通过结构化翻译层将 CUDA 优化知识迁移至 Apple Silicon 的方法，实现了接近专家级的内核性能。
Together AI Blog精选AI 评分6868 Together AI 发布 ThunderAgent：面向大规模智能体推理的加速系统
Together AI 推出 ThunderAgent，一种用于高吞吐量智能体推理的系统，通过将每个智能体工作流抽象为可调度的程序来解决 KV cache 抖动问题。
推荐理由：ThunderAgent 通过程序级调度解决 KV cache 抖动，在合成数据生成中实现最高 2.5 倍吞吐提升且兼容现有引擎。
Anthropic精选AI 评分7070 Anthropic 称其模型发现密码学弱点
Anthropic 宣布其模型发现了用于验证数字签名的对称密钥加密算法中的弱点。该模型能够识别出传统上被认为安全的加密方案中的漏洞，展示了其在复杂数学和密码学分析方面的能力。
推荐理由：Anthropic 官方披露了模型在密码学弱点发现上的能力，为评估 AI 在网络安全领域的潜在影响提供了第一手依据。
Anthropic精选AI 评分6262 Anthropic 发布关于模型能力的最新研究发现
Anthropic 发布了关于其模型能力的最新研究发现。该研究详细展示了模型在特定测试场景下的表现数据和分析结论。
推荐理由：原文披露了 Anthropic 关于模型能力的新研究发现，读者可据此了解其在特定任务上的表现细节。