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。
今天暂时没有新上架内容，你可以继续浏览历史归档。
Pinterest Engineering 对其 Manas 搜索平台进行升级，以管理海量数据并提升搜索与发现效率。通过应用标量量化和乘积量化，内存占用显著降低，同时保持高召回率。该平台利用 SSD 优化性能，并正转向多向量模型以实现更精细的相关性匹配。作者：Olimpiu Pop
ContextLab/llmXive · llmXive is an LLM-driven system for automating scientific discovery
llmXive 是一个由 LLM 驱动的系统，目标是用来自动化科学发现流程。仓库元数据将其标记为自主系统、LLM 与机器人科学家（robot-scientist）方向。提供的 README 摘录实际描述的是开渠水流中漂浮颗粒拉格朗日粒子追踪（LPT）与粒子追踪测速（PTV）验证实验数据集，包括原始视频、处理后的粒子轨迹、速度数据以及 Python 后处理脚本，采用 CC-BY-4.0 许可发布，用于验证 LPT/PTV 工作流。
trailofbits/publications · Publications from Trail of Bits
这是安全公司 Trail of Bits 公开发布的资料合集仓库，收录学术论文、白皮书、指南手册、会议演讲、播客、网络研讨会、公开意见、案例研究、安全审查报告、漏洞披露与利用、工作坊、数据集及服务概览等内容，并按自动化漏洞发现与利用、区块链、编译器、密码学、机器学习、移动安全、供应链、威胁分析等主题分类整理，主要作为安全研究与学习的参考资料。
google/deeppolisher · Transformer-based sequence correction method for genome assembly polishing
DeepPolisher 是 Google 开发的基于 Transformer 的序列纠错方法（类似 DeepConsensus），用于识别基因组组装中的错误。它接收单倍型特异的 PacBio HiFi 读段及其比对到分相组装的结果，通过 make_images 与 inference 两步流程，生成包含潜在组装错误的 VCF 文件。当前仅支持 PacBio HiFi 组装与读段数据，模型在 HG002 HiFiasm 二倍体组装上训练，属于研究代码，非医疗器械、不用于临床。
google/deepvariant · DeepVariant is an analysis pipeline that uses a deep neural network to call genetic variants from next-generation DNA sequencing data.
DeepVariant 是 Google 开源的分析流程，将比对后的 DNA 测序reads（BAM/CRAM）转换为pileup图像张量，用卷积神经网络分类，最终输出标准 VCF/gVCF 变异结果，支持二倍体生物种系变异检测，覆盖 Illumina/Element、PacBio HiFi、Oxford Nanopore、Complete Genomics 等多种测序平台，并包含 DeepTrio 用于三口之家/双人变异检测。模型仅在人类数据上训练，用户可下载 Docker 镜像或预编译二进制运行，也支持 GPU/TPU 加速。
google/deepconsensus · DeepConsensus uses gap-aware sequence transformers to correct errors in Pacific Biosciences (PacBio) Circular Consensus Sequencing (CCS) data.
DeepConsensus 是 Google 开源的生物信息学工具，利用间隙感知（gap-aware）序列 Transformer 对 PacBio 环形一致性测序（CCS）数据进行纠错，从而提升高质量读段的产出量。它运行在 PacBio 测序后的 subreads 上，生成 FASTQ 格式的校正读段，可替代 CCS/HiFi 读段用于下游变异检测与基因组组装分析；README 提供了产出率、运行时间与组装指标等文档，并给出 pip、Docker 与源码的安装方式及建议的计算配置。
Trail of Bits 发文批评 1Password 于 2026 年 8 月 6 日发布的 FLAWED 报告，认为其“模型仅 26% 生成干净修复”的结论具有误导性。文章指出该报告存在样本偏向复杂漏洞、部分提示词故意要求应用错误修复、超过三分之一试验禁止构建或运行代码、两个模型使用不同推理强度等问题。重新分析其数据后发现，在允许运行代码且未被误导的试验中，1Password 模型生成的 3,067 个补丁中有 2,634 个（86%）成功阻止了给定漏洞利用。文章还发布了两项 agent 技能：post-patch-validation 与 review-walkthrough。
Google发布了一篇总结文章，介绍其用AI加速科学、改善健康的进展。过去AI研究虽多，但普通人受益有限，这次Google展示了多个已落地的工具：比如AlphaGenome Atlas公开了人类基因组所有90亿个单字母变异的预测影响；WeatherNext 3天气模型降水预报准确率提高50%，已用于产品；结核病筛查AI在6个国家分析了超过2.5万张X光片。此外，糖尿病视网膜病变AI已支持超过115万次筛查，乳腺癌研究显示AI能发现25%此前被遗漏的间期癌症。这些进展意味着AI正从实验室走向实际应用，帮助医生更早发现疾病、预测灾害，让更多人获得医疗和科学资源。
google-deepmind/alphagenome_research · Research code accompanying AlphaGenome
AlphaGenome 是 Google DeepMind 提出的统一 DNA 序列模型，可分析最长 100 万碱基对的 DNA 序列，在单碱基分辨率下预测基因表达、剪接模式、染色质特征和接触图等多种模态。本仓库提供该模型的研究代码：基于 JAX 的模型实现、AlphaGenome API 及变体打分器、从 TFRecords 读取训练数据的数据集加载器，以及用于运行模型和评估分析的 Colab notebook。预训练权重可从 Kaggle 或 Hugging Face 下载，需接受非商业模型条款。
Chip Huyen 在 P99 大会上分享降低 LLM 推理成本的思路，将优化分为模型优化与服务优化两大类：前者通过量化和蒸馏改变模型权重，后者通过批处理、调度与请求复用提升推理服务效率，并提醒蒸馏需注意模型许可限制。
谷歌研究团队提出 MAPL-EMIT 深度学习框架，可自动检测、量化并溯源全球甲烷羽流，在专家标注羽流上召回率达 84%，信噪比优于现有匹配滤波方法。该模型基于 EMIT 高光谱数据，使用 Swin-S 视觉 Transformer 结合空间上下文，并借助 360 万个物理模拟注入真实场景的合成羽流训练。团队将在 Earth Engine 发布全球羽流数据库，并在 Kaggle 与 GitHub 开放模型、合成羽流和推理库。
谷歌研究团队评估了跨人群遗传风险预测的迁移学习方法，发现从欧洲队列进行迁移学习虽能提升小规模代表性不足人群的预测精度，但随着目标队列样本量增大，其精度反而下降，尤其对具有人群特异性遗传结构的性状更为明显。研究利用英国生物银行（UKB）和日本生物银行（BBJ）两个大型数据集，对八种临床性状进行消融实验，发现目标人群特异性模型在样本量达到15k以上时表现更优；而遗传相关性较高的“保守”性状可受益于欧洲数据合并直至目标样本量达25-40k+。
ToolGrad 是 Google 研究团队提出的数据生成框架，它反转传统范式，先生成工具使用答案、再标注对应的用户查询。相比依赖深度优先搜索的查询优先方法，该方案仅需一步 LLM 即可完成标注，能以更低成本生成更复杂的长程工具使用数据。用 ToolGrad-500 微调的 Gemma-3 模型（1B、4B、12B）在 BFCL 基准上超越基线，并在含未见工具的分布外数据集上追平最先进的专有 LLM。
AWS Lambda 需要为每个租户工作负载保留完整且正确归属的网络流日志，用于调查、审计和计量。旧的基于 iptables 和内核模块的方案在 Lambda 高密度下出现规则爆炸，且不支持 IPv6，因此被替换为 eBPF 加 Rust 的新管线：eBPF 程序挂在每个 microVM 网络的 tc 钩子上采集包事件，经环形缓冲区由 Rust 用户态 tagger 生成 Ion 记录，再送入原有计费与流日志管线。
Google DeepMind 发布了 AlphaGenome Atlas，这是一个包含人类基因组中约90亿个单字母DNA变异预测效果的平台。过去，要搞清楚每个基因变异在分子层面有什么影响，靠实验室一个个测试几乎不可能，因为数量太大。这次他们把 AlphaGenome 模型的预测提前算好，做成了一个1PB的数据集，还推出 AVI 评分，把变异的影响浓缩成一个数字，方便研究人员快速排序和筛选。目前，科研人员可以免费通过网站、API 或 Google Antigravity 中的技能使用它，虽然已经能用于罕见病和常见性状研究，但主要是面向学术研究开放。
asgeirtj/system_prompts_leaks · Extracted system prompts from Anthropic - Claude Fable 5.1, Opus 5, Claude Design, Claude Code. OpenAI - ChatGPT GPT-6-Astra, Codex. Google - Gemini 3.8 Flash, 3.1 Pro, Antigravity. xAI - Grok, Grok Bot, Cursor, Kimi and more! Updated regularly.
该仓库按厂商分类收录从 Anthropic Claude、OpenAI ChatGPT 与 Codex、Google Gemini、xAI Grok、Perplexity、Microsoft Copilot、Cursor、Meta AI、Kimi、OpenCode 等产品中提取的系统提示词原文，并持续更新最新模型版本的提示词、子智能体、技能与命令文件。可用于研究各家 AI 产品的隐藏指令、行为规则与提示词工程实践，也作为构建自有系统提示词的参考资料。仓库本身为提示词与文档合集，不包含模型或可运行推理代码。
OpenAI 分享了一个由内部 AI 系统生成的纳维-斯托克斯存在性与光滑性问题的解答，包括证明文章和 Lean 形式化证明，表明三维不可压缩流体的平滑运动可在有限时间内产生奇点，从而解决了千禧年大奖难题中的陈述 C 和 D。
麻省理工学院研究员 Beatriz Yankelevich 将 GPT-5.6 Sol 与 Codex 连接至实验室软件，使其能自主运行量子比特测量、分析结果并校准超导量子芯片。GPT-5.6 Sol 在信号清晰时可自主完成常规测量流程，但在信号微弱或噪声较大时仍需研究人员指导。
César de la Fuente 的实验室利用 Codex 和 ChatGPT 在现存与已灭绝生物的基因组中搜寻候选抗菌分子，以对抗耐药性感染，并将早期发现阶段从数年缩短至数小时。