现实爽文，小扎打脸！ 2023年上半年，扎克伯格在Meta大裁员，几个月之内裁掉一万人，其中就包括由十几名科学家组成的Meta-FAIR蛋白质小组。 然而，被裁掉的几名科学家不甘心，创办了AI蛋白质公
在好莱坞，AI连动物演员的位置都抢走了！真实的动物被算法重建成更完美的数字替身。有人说这是技术的善意，能让动物不再受训练之苦；也有人说，这是一场「无声的驱逐」的革命。当连呼吸都能被算法生成，我们该怀念的，或许不是那些动物，而是它眼里那一点不完美的生命力。
2024年，加州大学圣地亚哥分校「Hao AI Lab」提出了DistServe的解耦推理理念，短短一年多时间，迅速从实验室概念成长为行业标准，被NVIDIA、vLLM等主流大模型推理框架采用，预示着AI正迈向「模块化智能」的新时代。
现有的LLM智能体训练框架都是针对单智能体的，多智能体的“群体强化”仍是一个亟须解决的问题。为了解决这一领域的研究痛点，来自UCSD和英特尔的研究人员，提出了新的提出通用化多智能体强化学习框架——PettingLLMs。支持任意组合的多个LLM一起训练。
《Science》的一篇新文章指出，大模型存在一个先天难解的软肋：幻觉难以根除。AI厂商让大模型在不确定性情况下说「我不知道」，虽然有助于减少模型幻觉，但可能因此影响用户留存与活跃度，动摇商业根本。
北京大学，银河通用，阿德莱德大学，浙江大学等机构合作，探究如何构建具身导航的基座模型（Embodied Navigation Foundation Model）提出了NavFoM，一个跨任务和跨载体的导航大模型。实现具身导航从“专用”到“通用”的技术跃进
加州大学河滨分校团队发现，AI组合推理表现不佳部分源于评测指标过于苛刻。他们提出新指标GroupMatch和Test-Time Matching算法，挖掘模型潜力，使GPT-4.1在Winoground测试中首次超越人类，0.2B参数的SigLIP-B16在MMVP-VLM基准测试上超越GPT-4.1并刷新最优结果。这表明模型的组合推理能力早已存在，只需合适方法在测试阶段解锁。
近日，诺贝尔奖得主、美国华盛顿大学教授大卫·贝克（David Baker）和团队再次将 AI 成果送上 Nature，他们开发出一种基于 AI 的蛋白质结构生成模型 RFdiffusion，能在指定病毒表面特定表位的情况下，辅助人类从头设计出能够与之结合的抗体结构。
Cal AI联合创始人Zach Yadegari自7岁起学习编程，16岁卖出自己首个应用赚得近10万美元，并与另外一名高中生联合创办了一家年营收达3000万美元的AI应用公司。在被常春藤盟校拒绝后，Yadegari选择进入迈阿密大学。Yadegari认为AI时代会出现更多年轻的创业者，他给出的最重要的一条创业建议就是：立刻行动。
去年，谢赛宁（Saining Xie）团队发布了 Cambrian-1，一次对图像多模态模型的开放式探索。但团队没有按惯例继续推出 Cambrian-2、Cambrian-3，而是停下来思考：真正的多
