技术方向
怎么把模型跑得更快更省钱：推理加速、显存与成本、服务部署与基础设施选型。
6 条精选近 30 天 5 条共收录 44 条
GitHub 在 Universe 2026 上发布 GitHub Copilot 应用，并推出多模型编排 Copilot Fusion、跨仓库并行运行的 Copilot projects、跨端延续的 Session continuity 和可自我改进的 Copilot automations。
推荐理由：GitHub 一次性公布 Copilot 应用、多模型编排与计费方式调整，可据此判断智能体开发工作流的变化。
NVIDIA 为 RTX Spark Windows 笔记本带来一批新模型与工具更新，包括开放权重的语音模型 Nemotron 3.5 Transcribe、Liquid AI 的 LFM3 系列，以及 NVIDIA App 中在前后台应用与后台智能体之间分配 GPU 资源的控制项。
推荐理由：原文列出 RTX Spark 笔记本在语音模型、GPU 资源分配和游戏支持上的具体更新，可据此判断本地智能体工作流的变化。
Google Research 在 IDWeek 2026 上分享了将健康 AI 研究推向现实的路径：从胸片结核筛查算法，到与 Nexus AI 合作取得 CE MDR class IIb 认证并在六个国家约 40 家医疗机构部署，累计评估超过 25,000 张胸片，周转时间从数周缩短到 45 秒以内。
推荐理由：Google Research 梳理了从胸片算法到 CE 认证工具、再到开放基础模型的完整落地路径，可看医疗 AI 如何跨过转化鸿沟。
NVIDIA 发布 AIOps 平台 Minerva，汇聚基础设施与 AI 工作负载的遥测数据，用专用 AI 模型把数据转成可执行的洞察。平台跨 GPU、网络、存储、调度器和工作负载构建动态知识图谱，每小时分析数十亿数据点，可预测故障并把大量告警聚合成单一事件。
推荐理由：原文交代了 Minerva 如何把 GPU、网络与作业信号关联成动态知识图谱，读者可据此判断 AI 工厂运维的形态变化。
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把真实 harness 接入强化学习训练，并给出可复现的编码智能体训练结果。
Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX，通过结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核作为知识库适配到 Apple Silicon。
推荐理由：原文给出了 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可了解跨硬件迁移优化知识的具体做法。