<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[HyperAI超神经]]></title><description><![CDATA[人工智能领域实验媒体，站在技术与人文的路口，读懂人工智能。]]></description><link>https://blog.youkuaiyun.com/HyperAI</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; HyperAI]]></copyright><item><title><![CDATA[HyperAI上新丨GPU排行榜新增模型适配查询与部署；历年顶会获奖论文汇总上线，支持多维标签筛选]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/170198563</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/170198563</guid><author>HyperAI</author><pubDate>Fri, 06 Nov 2026 18:49:01 +0800</pubDate><description><![CDATA[本次 HyperAI 更新聚焦于 GPU 排行榜及论文，让模型选型与部署更直接，让论文查找与实践更方便。]]></description><category></category></item><item><title><![CDATA[在线教程丨田渊栋团队开源编程模型Flint：39.8B参数，每个Token仅激活2.5B]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/170145745</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/170145745</guid><author>HyperAI</author><pubDate>Thu, 05 Nov 2026 17:46:04 +0800</pubDate><description><![CDATA[Recursive 推出开源 Coding Agent 模型 Flint，采用 MoE 架构，39.8B 总参数仅激活 2.5B/Token，兼顾性能与效率。支持代码理解、Bug 修复、测试编写与多轮推理，在 SWE-bench 等评测中表现优异。HyperAI 已上线教程，用户可在线体验其代码生成与工具调用能力，推动 AI 从代码助手迈向开发协作者。]]></description><category></category></item><item><title><![CDATA[海量土壤微生物数据难以注释，BBERT 从 100bp 短读段中挖掘分类与功能线索]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/170037077</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/170037077</guid><author>HyperAI</author><pubDate>Wed, 04 Nov 2026 11:30:46 +0800</pubDate><description><![CDATA[来自耶路撒冷希伯来大学的研究团队提出了 BBERT，一种针对短读段分析进行优化的核苷酸大语言模型。研究人员在大规模土壤宏基因组数据集上开展测试，发现 BBERT 无需依赖参考数据库，即可识别细菌序列的语法特征，并直接从长度仅为 100 bp 的短读段中，准确判断其分类域归属、编码潜力以及阅读框。]]></description><category></category></item><item><title><![CDATA[行业首创！NVIDIA 联手诺奖得主 David Baker 团队发布 RFD4-Proteina，缓解序列-结构-功能解耦难题]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/169250790</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/169250790</guid><author>HyperAI</author><pubDate>Tue, 27 Oct 2026 11:16:17 +0800</pubDate><description><![CDATA[华盛顿大学蛋白质设计研究所、NVIDIA 等机构，联合提出行业首个面向多组分生物大分子复合物、基于潜空间推理的大一统序列-结构联合生成模型 RFD4-Proteina。]]></description><category></category></item><item><title><![CDATA[【无标题】]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/168881375</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/168881375</guid><author>HyperAI</author><pubDate>Fri, 23 Oct 2026 18:28:54 +0800</pubDate><description><![CDATA[Cloudflare 于2026年10月开源9B参数多模态决策模型Clef-Flash，突破传统大模型生成式范式，通过单次前向传播实现结构化决策，中位延迟仅38.8毫秒，支持Jev System One API无缝接入。适用于工单分类、内容审核、情感与状态抽取等场景，为企业提供高效、稳定、可量化的智能决策能力。]]></description><category></category></item><item><title><![CDATA[论文周报丨8篇论文聚焦Agent Harness新进展，覆盖编程智能体/具身控制/图像视频生成]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/168878482</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/168878482</guid><author>HyperAI</author><pubDate>Fri, 23 Oct 2026 16:15:43 +0800</pubDate><description><![CDATA[随着AI Agent向复杂任务演进，Agent Harness作为连接模型与执行环境的关键框架，日益成为研究焦点。它在任务规划、上下文管理、工具协调与错误处理中发挥核心作用，直接影响智能体的可靠性与安全性。近期研究从编码、终端操作、机器人控制到视觉生成、安全治理等多个维度探索Harness设计，提出如Mid-Harness、Show-Harness、MaLiang-Harness等创新方案，强调可验证、可迭代与可定制的执行机制。]]></description><category></category></item><item><title><![CDATA[仅需25%采样，帧率最高提升至 4 倍，深度学习革新活细胞纳米荧光成像]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/168873261</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/168873261</guid><author>HyperAI</author><pubDate>Fri, 23 Oct 2026 14:03:47 +0800</pubDate><description><![CDATA[来自瑞典斯德哥尔摩皇家理工学院、德国德累斯顿工业大学与意大利米兰人类技术城基金会的跨机构研究团队，将深度学习与 RESOLFT 成像相结合，开发出两套互补计算成像策略：Hierarchical DivNoising（HDN）分层降噪网络和 Fast‑MoNaLISA 稀疏采样重建框架，用于恢复低信噪比（SNR）或欠采样图像，极大拓展了 RESOLFT 成像的实验极限。]]></description><category></category></item><item><title><![CDATA[TimesFM 3.0 零样本预测时间序列，覆盖多场景分析需求；VLX-Seek 融合目标定位与细粒度理解，拓展具身视觉感知能力]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/166595800</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/166595800</guid><author>HyperAI</author><pubDate>Thu, 24 Sep 2026 16:11:07 +0800</pubDate><description><![CDATA[该数据集包含超过 70 万个任务，涵盖数学、编程和通用科学领域，数据规模达到 0.7M 级别，主要用于训练 GooseReason-4B-Instruct 模型，该模型在 15 个涵盖数学、编程、STEM 推理、指令遵循和逻辑谜题的基准测试中取得了 4B 级别模型的新最先进结果。教程涵盖容器、流、编解码器、数据包、帧与时间戳等基础概念，并通过可运行实验逐步实践视频同步、音频同步与媒体寻址，适合学习播放器、转码、流媒体及计算机视觉相关技术。此外，模型引入目标缺失时的拒识机制，为后续搜索与任务调整提供依据。]]></description><category></category></item><item><title><![CDATA[在线教程丨2B跑赢4B，同级开源模型SOTA，OpenBMB推出MiniCPM5-2B，支持131K长上下文与工具调用]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/166491426</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/166491426</guid><author>HyperAI</author><pubDate>Wed, 23 Sep 2026 20:05:24 +0800</pubDate><description><![CDATA[1.进入 hyper.ai 首页后，选择「教程」页面，或点击「查看更多教程」，选择「MiniCPM5-2B：端侧 2B 级 SOTA 大模型推理」，点击「运行此教程」。4.等待分配资源，当状态变为「Running（运行中）」后，点击「Open Workspace」进入 Jupyter Workspace。目前，HyperAI 教程板块已上线「MiniCPM5-2B：端侧 2B 级 SOTA 大模型推理」实践教程，支持在线体验与一键部署~2.页面跳转后，点击右上角「Clone」，将该教程克隆至自己的容器中。]]></description><category></category></item><item><title><![CDATA[【vLLM 学习】Encoder Decoder Multimodal]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/166373846</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/166373846</guid><author>HyperAI</author><pubDate>Tue, 22 Sep 2026 22:37:51 +0800</pubDate><description><![CDATA[vLLM 是一款专为大语言模型推理加速而设计的框架，实现了 KV 缓存内存几乎零浪费，解决了内存管理瓶颈问题。更多 vLLM 中文文档及教程可访问 →。]]></description><category></category></item><item><title><![CDATA[【Triton 教程】triton_language.fma]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/166373521</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/166373521</guid><author>HyperAI</author><pubDate>Tue, 22 Sep 2026 22:17:14 +0800</pubDate><description><![CDATA[Triton 是一种用于并行编程的语言和编译器。它旨在提供一个基于 Python 的编程环境，以高效编写自定义 DNN 计算内核，并能够在现代 GPU 硬件上以最大吞吐量运行。*在线运行 Triton 学习教程 →。的逐元素融合乘加运算。]]></description><category></category></item><item><title><![CDATA[英伟达等提出EvoSafeHarness，为不同AI Agent自动定制安全防线，攻击成功率从45.6%降至10.0%]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/166372323</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/166372323</guid><author>HyperAI</author><pubDate>Tue, 22 Sep 2026 20:59:41 +0800</pubDate><description><![CDATA[EvoSafeHarness 提供了一种不同于「统一 Guardrail」的思路：智能体进入具体业务环境后，安全约束可以根据模型行为和领域风险重新设计，而不是把同一套规则套到所有系统上。该研究也表明，真正影响防御效果的往往不是规则数量，而是规则是否对应实际风险、检查是否放在合适的位置，以及系统是否保留了足够的上下文状态。当然，这种方法也有边界，对于事实错误、误导性表达等主要发生在内容层面的风险，如果缺少能够直接检查的动作、权限或状态关系，系统级 Harness 仍难完全解决。]]></description><category></category></item><item><title><![CDATA[3600万细胞装进同一空间，斯坦福大学提出通用细胞嵌入模型UCE，跨8个物种构建超大规模细胞图谱]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/166254993</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/166254993</guid><author>HyperAI</author><pubDate>Mon, 21 Sep 2026 21:23:03 +0800</pubDate><description><![CDATA[通过构建 UCE，研究人员进一步拓展了对 scRNA-seq 数据进行分析的能力。尽管该模型代表了向通用细胞嵌入迈出的重要一步，但仍存在一些限制——目前的基准测试主要评估 UCE 恢复专家注释细胞类型的能力，但这类任务本身受到现有细胞标签的粒度和主观性限制。因此，这些评估可能无法充分反映模型表征更为细微的生物学过程的能力，例如细胞对扰动的响应，或不同模态数据之间的整合。此外，与其他大规模生物学基础模型一样，UCE 在很大程度上仍然是一个黑箱模型，因此很难解释某些嵌入为何以及如何形成。]]></description><category></category></item><item><title><![CDATA[HyperAI 入选 36氪「East Forward 2026 出海全球化拓新企业」]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/166141557</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/166141557</guid><author>HyperAI</author><pubDate>Sun, 20 Sep 2026 21:58:03 +0800</pubDate><description><![CDATA[同时还针对用户的模型与算力选型需求，搭建了 LLM 库与 GPU Leaderboard，汇集主流 LLM 的关键信息与多厂商 GPU 的核心参数，帮助用户更直观地进行模型与硬件对比，为不同类型的计算选择更加合适的技术方案。未来，HyperAI 将继续围绕全球 AI 开发者和研究者的真实需求，持续完善算力、数据集、Notebook、论文、Benchmark 以及 AI 开发相关能力，并进一步拓展与全球高校、科研机构和开发者社区的连接。并进行了中、英、日、韩、德、法、阿拉伯语的多语种适配。]]></description><category></category></item><item><title><![CDATA[论文周报丨Vidu S2实现实时720P数字人生成与视频编辑；NCP-ArchPreview探索LLM隐空间预训练新范式...速览一周AI前沿论文]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/166140938</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/166140938</guid><author>HyperAI</author><pubDate>Sun, 20 Sep 2026 21:18:32 +0800</pubDate><description><![CDATA[wp:image/wp:image。]]></description><category></category></item><item><title><![CDATA[2396名患者/4类数据/2条AI路线，I³LUNG联盟用多模态AI探索肺癌免疫治疗决策，表现超越PD-L1等传统指标]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/165756935</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/165756935</guid><author>HyperAI</author><pubDate>Thu, 17 Sep 2026 21:00:57 +0800</pubDate><description><![CDATA[论文的最后，作者团队毅然承认了本研究虽存在诸多局限，比如回顾性设计以及真实世界数据的异质性可能影响模型性能，完整多模态病例数量相对较少，从而限制了多模态分析的可靠性，等等。但尽管如此，这项研究依然让我们看到了诸多开创性的意义。或许正如芝加哥大学医学中心胸外科肿瘤学家、医学教授兼本研究的资深作者 Marina Garassino 博士所言，该研究为胸部肿瘤领域的人工智能应用树立了新标杆，对患者而言，意味着更少错失获得治疗获益的机会；对基层医生来说，代表着在诊疗现场就能获得专家级指导；]]></description><category></category></item><item><title><![CDATA[从膜分割到颗粒定位，深度学习框架MemBrain v2打通冷冻电镜分析全流程，显著提升分析速度和处理通量]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/165620414</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/165620414</guid><author>HyperAI</author><pubDate>Wed, 16 Sep 2026 17:28:49 +0800</pubDate><description><![CDATA[当然，MemBrain v2 并非没有局限。其性能仍受到训练数据多样性、膜状非目标结构以及 cryo-ET 自身对比度和噪声水平的制约，对于信号微弱、被遮挡的颗粒，以及容易被强膜密度掩盖的小型整合膜蛋白，准确识别仍存在挑战。同时，分割厚度也不完全等同于真实生物学膜厚度。未来，通过进一步扩充训练数据，并与 TomoTwin 等互补工具结合，有望提升其对不同膜结构和蛋白质复合物的适用能力。]]></description><category></category></item><item><title><![CDATA[「TVM教程」创建 Relax]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/165489724</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/165489724</guid><author>HyperAI</author><pubDate>Tue, 15 Sep 2026 20:23:44 +0800</pubDate><description><![CDATA[本教程演示了如何使用 TVMScript、NNModule API、Block Builder API 以及 PackedFunc API，根据不同的应用场景来创建 Relax 程序。]]></description><category></category></item><item><title><![CDATA[为超1亿种小分子生成8亿张预测质谱，康奈尔大学提出AIMe，融合化学规则/碎裂路径推理/神经网络学习]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/165357646</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/165357646</guid><author>HyperAI</author><pubDate>Mon, 14 Sep 2026 20:37:58 +0800</pubDate><description><![CDATA[AIMe 的意义并不只是把质谱预测准确率进一步提高，而是尝试改变未知小分子的解析方式。过去，研究人员面对一张未知质谱，往往只能在规模有限的实验谱库中寻找直接匹配；AIMe 则先利用模型把已知小分子空间转化为一个可以搜索的预测质谱空间，再借助碎片结构和碎裂路径逐步缩小候选范围。它目前还不能取代标准品、NMR 等实验验证，却让大量原本因为「没有参考谱」而难以继续分析的信号获得了进一步追踪的可能。]]></description><category></category></item><item><title><![CDATA[扰动实验+迁移学习，MIT团队推出IRIS，用「指纹」重建单细胞信号传导历史]]></title><link>https://blog.youkuaiyun.com/HyperAI/article/details/164997832</link><guid>https://blog.youkuaiyun.com/HyperAI/article/details/164997832</guid><author>HyperAI</author><pubDate>Fri, 11 Sep 2026 15:48:38 +0800</pubDate><description><![CDATA[由于 IRIS 完全依赖单细胞层面的细胞自主信息，即使面对包含异质性细胞类型或细胞状态的不完美细胞簇，它仍然能够开展分析。因此，IRIS 这种以细胞响应为中心的方法，与其他依赖配体—受体配对进行信号推断的方法形成了互补，例如 CellPhoneDB、NicheNet 和 CellChat——这两类方法可以结合使用，用于推断潜在的细胞—细胞通信，尤其适用于空间转录组数据的分析。]]></description><category></category></item></channel></rss>