金算生电子报102集

  1. 创投铁幕之后,再筑新墙

2月21日,特朗普签署《美国优先投资政策》备忘录(以下简称“美国优先投资政策”),备忘录的主题明晃晃地写在其中:美国投资者将投资美国的未来,而不是其他国家的未来。

外交部发言人随后在记者会上回应称:美国加严对中国赴美投资的安全审查,严重打击中国企业对美的投资信心,破坏的是美国自己的营商环境;加码限制美国对华投资,是人为干预美国企业自主决策,扭曲两国投资往来。美方发布的有关备忘录以“国家安全”为由,将中国列为“外国对手”,采取各种歧视性举措,强化对华双向投资限制。中方对此强烈不满、坚决反对,已向美方提出严正交涉。

评:金融有序脱钩

  1. AI周

我受够了Transformer:其作者Llion JonesAI领域已僵化,正错失下一个突破

通义 Wan2.1 ComfyUI 工作流

DeepMind再登Nature:AI Agent造出了最强RL算法

Thinking Machines Lab博客提出在策略蒸馏,Qwen被cue 38次

阿里新研究:统一了VLA和世界模型

效率至高提升20倍,加州大学开发OmniCast,解决自回归天气预报模型误差累计问题

llamafile Returns

DeepMind一篇论文终结十年之争,GPT-5推理靠世界模型

AI独角兽的商业化元年:新一代创业组织的崛起

OpenAI灵魂人物Jason Wei最新演讲,三大思路揭示2025年AI终极走向

「上下文工程」 已经30岁了,而你可能刚知道它

垂直领域小型语言模型的优势

扩散不死,BERT永生,Karpathy凌晨反思:自回归时代该终结了?

英伟达新架构引爆全模态大模型革命,9B模型开源下载即破万

  1. Meta拆掉AI持续学习路上的最大炸弹,“微调”又有了一战之力

自从理查德·萨顿(Richard Sutton)以一篇《经验的时代》(The Age of Experience)批评大型语言模型(LLM)缺乏真正的持续学习和元学习能力以来,整个LLM界最近频繁开始了对这一天花板集体突围。在过去,业界不乏制造“自进化模型”的尝试,这些尝试在逻辑上与持续学习的目标一致,即模型应能逐步自我进化变得更强。但直到最近,实现这一目标的几条路径才开始变得逐步更加明朗。

评:LLM持续学习的三种方法

  1. AI独角兽的商业化元年:新一代创业组织的崛起

进入2025年,AI创投生态的焦点正从技术炒作转向商业化落地,AI独角兽们开始证明其可持续的收入模式。AI Agent和“AI原生”独角兽商业模式的发展成熟为全新的企业形态和创业模式提供了可能。


评:AI创业组织新模式

  1. RISC-V的生意,谁跑通了

最近,在2025北京微电子国际研讨会暨IC WORLD大会重要专题论坛——RDI生态·北京创新论坛·2025 上,“RISC-V商用落地加速营伙伴计划”正式发布。这个计划面向国内RISC-V芯片商、设备商、方案商、集成商等行业伙伴,征集可解决最终客户需求、但尚未完善的RISC-VPoC(概念验证)和Demo(演示原型)方案。发起者“北京RISC-V数字基础设施创新中心”将从需求匹配度、方案潜力、投入产出等维度对提交的方案进行评估,甄选后提供为期10个月的集中式资源支持(即“加速营”),最终将PoC和Demo升级为可商用、满足规模化市场需求的解决方案,推动RISC-V技术在实际应用中的规模化部署。

评:RISC-V的生意经

  1. 最火VLA,看这一篇综述就够了

ICLR 2026爆火领域VLA(Vision-Language-Action,视觉-语言-动作)全面综述来了!如果你还不了解VLA是什么,以及这个让机器人学者集体兴奋的领域进展如何,看这一篇就够了。

评:VLA概览

  1. 超越传统4200倍速,苏黎世联邦理工提出NOBLE,首个经人类皮层数据验证的神经元建模框架

苏黎世联邦理工学院、加州理工学院与阿尔伯塔大学等机构的联合团队提出了一种名为 NOBLE 的深度学习框架。它是首个通过人类大脑皮层实验数据来验证其性能的规模化深度学习框架,首次实现了直接从实验数据中学习神经元的非线性动力学行为,其模拟速度比传统数值求解器快出 4200 倍。

评:神经元模拟

  1. MIT团队开源BoltzGen,可跨分子类型设计蛋白结合物,66%靶标获纳摩尔级亲和力

针对传统的蛋白设计依赖物理计算、计算成本高、设计空间受限,且难以同时处理多模态目标的局限,麻省理工学院与多家机构合作推出了 BoltzGen,以几何连续表示代替传统离散残基标签,实现蛋白折叠与结合体设计的联合训练,并构建了灵活的设计规范语言,实现了跨分子类型的可控生成,提高了模型的设计效率、通用性和可解释性。

评:蛋白质设计开源gpt4

  1. 地理学的AlphaEvolve?MIT斯坦福让AI自我生长、懂地理、懂世界

以下或许是一位地理科研工作者的日常:为了让所需的地理模型表现得更好,他不断和大模型(如ChatGPT)对话,尝试改进代码或修复bug大模型给出的初版答案往往并不完美,于是研究者又会根据结果提出新的修改意见。就这样一来一回,经过不断交互,代码逐渐被打磨得完善。

这种「和大模型互动、改进算法」的方式,已经成为地理研究的常见操作。那问题来了:能不能更进一步?——让这种交互—改进的过程自动发生,让AI不再只是帮手,而是真正像科学家一样,自己去进化地理模型?MIT和斯坦福学者提出了GeoEvolve,尝试了这样一种探索:把地理知识「嵌入」AI,让它的进化更靠谱、更接近地理学原理;让大模型不只是辅助工具,而是成为能够自主改进算法的「科研合作者」

评:从人机交互到自主进化

  1. OpenFold3 完全开源,对标AF3

OpenFold3-preview(OF3p)是 OpenFold 团队对AlphaFold3(AF3)的开源复现前瞻版,目标是在各分子模态上达到与 AF3 的位级一致(bitwise reproduction)与性能平价。

评:AF3开源平替

发表评论

您的电子邮箱地址不会被公开。