跨栏目检索
搜索中文标题、仓库名或关键词，再用分类、来源和日期缩小范围。
美国中期选举期间，多数选民仍用纸质选票，靠严格的保管链和部分统计审计来保障安全。有人会问：银行、报税都能网上办，选举为何不行？答案是安全。密码学确实能为电子投票提供两项关键保障：让每张选票保密，同时让最终计票结果可被独立核验，Helios 和 ElectionGuard 就是这类方案。但 Helios 面向低风险、低胁迫场景，ElectionGuard 虽面向公共选举，也只是叠加在传统投票基础设施上的密码层，不能替代纸质系统。美国国家科学院 2018 年报告明确指出，网络投票不应在一般选举中使用，因为目前没有技术能同时保证选票在互联网传输中的保密、安全和可验证性。
谷歌研究团队和 Google for Health 做了一项多中心前瞻研究：让没有超声技师资质的一线医护人员，用低成本便携探头在孕妇腹部按固定路线滑动扫描（“盲扫”），再由 AI 估算孕周。以往这种检查依赖受过多年训练的专业技师，设备和人力都很贵，全球约三分之二的人连一次产检超声都用不上。新研究把模型接到 Clarius C3 手持探头上，只用芝加哥 120 人的小样本微调，就去内罗毕等地做独立测试，385 名 16 至 36 周孕妇的结果与专家标准方法相当，在胎儿体重偏大等情况下还更稳。目前这是研究阶段的原型，尚未作为产品开放；论文发表在 JAMA Network Open。
谷歌研究院和 Google for Health 的团队在结直肠？不，是结核病筛查上做了十年工作：先做出能像放射科专家一样读胸片的 AI 模型，2019 年论文证明达到专家水平，2021 年被 Stop TB Partnership 评为全球顶级筛查算法，2024 年又完成多中心前瞻验证。但光有论文不够，软件要适配各种 X 光机、支持离线、进入临床流程并通过医疗器械监管，这就是「转化鸿沟」。所以他们与南非比勒陀利亚的 Nexus AI 合作，把算法做成经认证的临床诊断工具：目前在南非、塞拉利昂、科特迪瓦等六国的约 40 家医疗机构使用，90 多名临床医生已评估超过 2.5 万张胸片，把出结果时间从几周缩短到 45 秒以内，并向资源匮乏的公立诊所提供 3000 多次免费筛查。最典型的是南非 Mponeng 金矿：便携 X 光设备和离线 AI 被带到地下四公里，矿工现场几秒内完成筛查，疑似病例当场转做分子检测，原本数周的流程压缩到一次就诊。为了不只靠单一合作方，团队还通过 HAI-DEF 开源了胸片嵌入模型和轻量视觉语言模型 MedSigLIP，开发者可用少量本地样本微调，让各国卫生部门按自己的需求定制方案。对读者来说，这意味着 AI 辅助结核筛查已从论文走到真实诊所和矿山，但仍需注意：这些部署集中在部分非洲国家，免费筛查 1 万例/年的目标还在推进，开源模型的具体能力与后续计划原文未完全说明。
Google Research 的研究者 Ali Behrouz 和 Vahab Mirrokni 提出了一种叫「睡眠框架」的持续学习方法。问题是：大模型部署后知识就固定了，学新东西要么靠把新数据直接更新进模型，但这会「灾难性遗忘」，把旧本领覆盖掉；要么只靠上下文临时记住，对话一结束就忘。他们的做法是模仿人脑休息时巩固记忆：模型在「清醒」时正常交互，在「睡眠」阶段把短期上下文里脆弱的新知识压缩进固定的参数记忆，再在「做梦」阶段自己生成练习题、挑选有用的更新来练推理，整个过程中模型结构和代码不变。实验结果里，在满语、Kalamang 等未见语言的连续翻译上性能几乎不掉，BABILong 长上下文测试中可扩展到 1000 万 token 并超过 GPT-4 等基线。不过文中提到的是研究阶段的框架，尚不清楚是否已作为产品开放使用。
提供的材料未提及具体可用工具。
stdlogits/neuron-lens · A catalog of every MLP neuron and attention head of Qwen3-8B and Gemma 4 12B, read from the weights through two Jacobian lenses (R and S), from activations, and from their exact token drivers
neuron-lens 是一个面向大模型机制可解释性的开源项目与数据目录。它针对 Qwen3-8B 和 Gemma 4 12B 两个开放模型，通过 R-lens、S-lens 等基于雅可比的透镜方法，从权重、激活统计和精确 token 驱动三个角度分析每个 MLP 神经元（正负极）和每个注意力头，并公开目录数据集、透镜权重和分析结论；对 Gemma 4 12B 还额外覆盖图像与声音模态的神经元响应。
SherryFu0315/cis4394-agentic-ai · GSU CIS 4394 Agentic AI (Fall 2026, Dr. Xinyu Fu) — interactive course sites, week by week: agent-loop simulators, architecture explorers, and hands-on labs
这是佐治亚州立大学 CIS 4394《Agentic AI》（2026 年秋季）的课程仓库，每周发布一个交互式迷你站点，涵盖 agent 循环、提示与上下文工程、推理规划、工具调用与函数调用、MCP 与 A2A 协议、记忆与 RAG、评测与可靠性、多智能体系统、安全治理与 Agentic Commerce 等主题。站点以无依赖静态 HTML/CSS/JS 实现，包含可点击架构探索器、分步模拟器、概念自测与实验说明，并在 materials/ 提供讲义与实验起步材料，课程设计强调真实生产工具、零成本工具链和带安全护栏的实践作业。
jbogocz/awesome-automated-ai · A curated list of 250+ tools for Automated AI/ML - from hyperparameter optimization to autonomous AI agents.
这是一个精选资源合集，汇集自动化 AI/ML 领域的 356 个条目，覆盖 25 个分类、7 个板块，范围从超参数优化、神经网络架构搜索、AutoML、表格基础模型，到 LLM 微调、提示优化、Agent 框架、评测监控、MLOps、模型服务与推理运行时，并附有论文、书籍与社区等参考资料。清单依据 GitHub 实时数据每周重建，按质量分、活跃度和许可证等维度给出标注。