费城儿童医院如何用 NVIDIA 开源 AI 做儿童心脏建模
费城儿童医院(CHOP)基于 NVIDIA 参与发起的开源医学影像框架 MONAI,把儿童心脏三维建模从熟练研究者 4 小时的工时缩短到几秒。这套心脏建模服务读取诊疗已有的 CT、MRI 和 3D 超声影像生成解剖精确模型,美国已有 20 多家儿童医院运行心脏建模项目,波士顿儿童医院每年约 500 例心脏手术借助建模。
推荐理由:案例呈现开源医学影像工具把儿童心脏建模从数小时缩短到秒级的落地过程,可了解开源协作在小众临床场景的做法。
费城儿童医院(CHOP)基于 NVIDIA 参与发起的开源医学影像框架 MONAI,把儿童心脏三维建模从熟练研究者 4 小时的工时缩短到几秒。这套心脏建模服务读取诊疗已有的 CT、MRI 和 3D 超声影像生成解剖精确模型,美国已有 20 多家儿童医院运行心脏建模项目,波士顿儿童医院每年约 500 例心脏手术借助建模。
推荐理由:案例呈现开源医学影像工具把儿童心脏建模从数小时缩短到秒级的落地过程,可了解开源协作在小众临床场景的做法。
GitHub 日本与韩国市场负责人 Tomoko Tanaka 把活动营销流程改成以 GitHub Issue 为入口的自动化系统,用 issue 表单收集字段、标签触发 Actions,由 GitHub Copilot 起草内容。
OpenAI 将 Habitat 从 Python 库演进为服务超 1 billion ChatGPT 用户的全球分布式存储平台。该平台可处理 22M requests per second,用于支撑 ChatGPT 的大规模在线存储需求。
César de la Fuente 实验室正用 Codex 和 ChatGPT 搜索新型抗菌分子,范围覆盖现存与已灭绝生物的基因组,目标是抗击耐药感染。
TRL v1.14 的 AsyncGRPOTrainer 新增 LoRA 支持,rank-1 适配器只有几 MB,经 HF Jobs 的 Storage Bucket 即可同步到 vLLM,避免在节点间搬运 3 GB 整模型。
推荐理由:把训练与推理拆到独立机器上的可复用方案与逐轮瓶颈定位方法,对搭异步 RL 流水线的读者有直接参考价值。
Gradio 团队用 73 个节点、11 条媒体管线在 Workflow1111 中复刻了 AUTOMATIC1111 的核心功能集,涵盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 预处理器、背景移除、PNG Info 与图生视频。
推荐理由:原文以 73 节点重建 AUTOMATIC1111 为例,展示 gr.Workflow 在多模型编排上与 ComfyUI 的差异,以及每个输出自动成为 REST 端点和 MCP 工具的能力。
Mistral 帮一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++,这是这套 30 万行油藏模拟器代码现代化的第一阶段。迁移前先搭好数值对齐校验(parity harness),再用 Vibe CLI 调度上百个智能体、配合 Mistral OCR 按调用树自下而上生成文档并提交 PR。
推荐理由:案例给出了可迁移的落地做法,先用数值对齐校验再迁移,并用人工审查关卡平衡智能体自主度。
MIT 一位研究人员使用 GPT-5.6 Sol 配合 Codex,自主运行量子计算实验、分析实验结果并校准量子比特。
1Password 的工程师使用 Codex 快速构建新功能和内部工具,推动工程生产力提升 21%。这些工作在维持严格安全策略的前提下达到生产就绪。
GitHub Copilot app 支持同时运行多个智能体会话,每个会话运行在独立的 Git worktree 上,彼此互不干扰。会话视图用卡片展示会话标题和任务进度,每个会话保留自己的上下文,可随时切换并接着上次的进度继续。文中以 tailspin-toys 仓库为例,同时启动 funded sort、无障碍审查和测试三个会话,官方建议先从同时跑两个小任务开始试。
Legora 使用 GPT-6 Astra 在数分钟内审阅了 41 份文档,找出全部 4 处植入错误。在这一财务审阅工作流中,其性能提升近 40%。
Hugging Face 工程博客复现了用 TRL GRPO 训练 Qwen3.5-35B-A3B 写 p5.brush 水彩画 JavaScript 的流程,并在 Hub 开源了 178 张参考图池、RL 环境、训练脚本与三种 reward 配比的 adapter。
一篇 Hugging Face 博客教程用 TRL 的 GRPO 微调 LiquidAI 的 LFM2.5-350M,将该模型在 IFStruct 评测上的总体通过率从 22.6% 提升到 29.7%。
Sentence Transformers v6.0 引入第四类模型 MultiVectorEncoder,用于 ColBERT 风格的 late interaction 检索,并提供了完整的训练流程。
推荐理由:给出了从数据集、损失函数到评估器的完整多向量检索模型训练脚本,并提供在单卡消费级 GPU 上的实测效果对比,可直接迁移到自有领域数据上做检索微调。
Hugging Face 博客详解 Papers with Code 搜索系统的混合检索架构:Jobs 跑离线批量嵌入、Inference Endpoint 处理在线查询、Storage Bucket 衔接计算与生产,再由 PostgreSQL 全文检索与 pgvector 通过 RRF 融合结果。
sentence-transformers v6.0 新增 MultiVectorEncoder 作为第四类模型,原生支持 PyLate、Stanford-NLP ColBERT 和 colpali-engine 检查点沿用同一套 API 加载。
推荐理由:原文给出从加载、MaxSim 打分到多种向量库落地的完整可运行代码,读者可对照把现有检索管线迁到 late interaction。
Hugging Face 提出一套约束感知 GPU 调度器,在七组基准上与 FIFO 调度器对比,在相同硬件与负载下将 GPU 利用率最多提升 33 个百分点(52–85% 升至 72–88%),优先级加权产出在全部场景中上升 24.6%–105.1%。
Hugging Face 博客发布 PyTorch 性能分析系列第三篇,演示如何用 profiler trace 读懂 attention 各种实现的 GPU 行为。
PRX 系列第四篇详解其预训练数据策略:混合公开与内部数据集、用 VLM 重新描述图像,并基于 Mosaic Streaming(MDS)与 Lance 格式构建流式训练语料。文本编码器从 T5Gemma 切换为 Qwen3-VL 后改为在线计算文本 latent,仅带来约 3–4% 吞吐损失。图像统一以 JPEG quality 92 编码,验证表明首次重编码近乎不可感知。
Google DeepMind 的 Co-Scientist 被用于衰老研究,帮助实验室生成逆转细胞衰老的候选基因线索,并加速筛选数据分析。研究团队让它检索文献时,它扫描了数万篇论文并提出 20 多个新的候选基因因子,实验室验证了其中几个能把细胞推向更年轻、整体功能更好的状态。此外,原本可能需要长达六个月的筛选数据分析工作,借助 Co-Scientist 缩短到几天。
推荐理由:原文记录了 Co-Scientist 在衰老研究中的两处具体用法,并给出实验验证与耗时对比,读者可了解 AI 如何介入生物发现流程。
Google DeepMind 与 Google Research 的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加,当时置信度 80%,三天前升至接近 100%。
推荐理由:借飓风 Melissa 登陆牙买加的实例,说明 AI 天气模型如何同时预测路径与强度,并给出五天提前量的决策意义。
Mistral 在开源编码助手 Vibe 之上构建了一个 Rails 自动测试智能体,可读取源码生成或改进 RSpec 测试并接入 CI/CD,全程无需人工干预。
Mistral AI 团队在 Mistral Medium 3.1 的 Prefill/Decode 分离推理部署中发现 vLLM 存在约每分钟 400 MB 的内存泄漏,经 Heaptrack、pmap、BPFtrace 和 GDB 自动化断点逐层排查,最终定位到 UCX 通过 GOT 改写拦截所有 mmap 调用导致 RSS 持续增长。
Mistral 通过 LoRA 微调将 Pixtral-12B 适配到卫星图像领域,在 Aerial Image Dataset(AID)上以 8000 张训练样本和 2000 张测试样本进行场景分类,显著优于基座模型在歧义类别上的表现并减少幻觉输出。
Mistral AI 介绍用 LLM as a Judge 评估 RAG 系统的做法,核心采用 TruLens 提出的 RAG Triad 框架,覆盖 Context Relevance、Groundedness、Answer Relevance 三个评估维度。
Mistral AI 展示 TranscriptToPRDTicket 智能体工作流,基于 Mistral Large 2 将会议转录自动转为 PRD 与工程工单,并输出至 Linear 等项目管理工具。