Simon Willison 发布 web-edit 0.1a2，新增文本与图片复制到剪贴板
Simon Willison 发布 web-edit 0.1a2，为其用于跨机器浏览和编辑文件夹内文件的微型 Web 应用新增文本与图片数据的"复制到剪贴板"选项。该功能源于他在笔记本上通过手机运行 pelican 提示词、需要把日志方便地复制进 Gist 的需求。
#开源/仓库
Simon WillisonAI 评分1212 The Decoder精选AI 评分8686 DeepSeek 发布 V4.1-Flash-1017，智能体与编码任务表现超过更大竞品
DeepSeek 发布 V4.1-Flash-1017，已在官网、App 和 API 上线，并在 Hugging Face 与 ModelScope 开源模型权重。
推荐理由：DeepSeek 新 Flash 模型在自家基准上以更低单任务成本超过更大竞品，同时开放内部搜索 API。
AWS Machine Learning Blog精选AI 评分7373 Reflection Beam 开源智能体编码模型在 AWS 上的部署指南
AWS 博客介绍如何在 AWS 上部署 Reflection AI 的开源权重智能体编码模型 Beam。Beam 为稀疏 MoE 模型，总参数 501B、激活参数 23B，Reflection 报告有效上下文长度 100 万 token，权重以 Apache 2.0 许可发布于 Hugging Face，提供 BF16、FP8、NVFP4 三种 checkpoint。
推荐理由：文章给出 Beam 在 SageMaker JumpStart 与 HyperPod 上的两条部署路径和参数配置，可作为开源大模型上云的实操参考。
AWS Machine Learning BlogAI 评分5858 Meta 的 Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 的编码优化开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，可在自己的 AWS 账户中部署到 SageMaker AI 端点。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
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：微软研究院开源约 3500 行的智能体强化学习框架，用真实 harness 训练，并给出 SWE-bench 提升数据。
Google DeepMind精选AI 评分6060 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质加水印
Google DeepMind 推出 SynthID Bio，把水印技术用于合成生物学，在蛋白质序列和 AlphaFold 3 预测的 3D 结构中嵌入可检测签名，同时保持生物功能。
推荐理由：原文交代了水印如何嵌入蛋白质序列与 AlphaFold 3 结构，并给出湿实验验证结果，可据此判断生物设计溯源这一层防线的作用。
Microsoft Research精选AI 评分6666 微软研究院研究物理 AI 机器人推理卸载并加入 Physical AI Toolchain
微软研究院系统研究了移动操作机器人工作负载的推理部署，发现把推理从机器人端侧 GPU 卸载到边缘或云端 GPU 可提升任务表现和续航。
推荐理由：微软研究院系统测量机器人端侧 GPU 推理的瓶颈，并给出把推理卸载到边缘或云端的开源工具链。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让演化式内核搜索把已有 CUDA 内核当作知识库，改写为 Apple Silicon 上的 Metal/MLX 内核。
推荐理由：原文给出注意力与 Mamba 两类内核在 Apple Silicon 上的实测对比，并拆出翻译层带来的增益。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征归因、数据归因和机制可解释性中大规模识别驱动模型输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展到数千个特征时仍保持高忠实度。
Berkeley AI ResearchAI 评分3838 伯克利提出基于信息量的成像系统设计框架，登NeurIPS 2025
伯克利AI研究团队提出一种直接以互信息评估和优化成像系统的框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力。该信息指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化后设计可匹配SOTA端到端方法，且内存和算力需求更低、无需任务专用解码器。