曼彻斯特大学用 NVIDIA Earth-2 预测全英空气污染
曼彻斯特大学团队基于 NVIDIA Earth-2 的生成式模型 Earth-2 CorrDiff，在英国国家 AI 超算 Isambard-AI 上训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型，训练仅耗时两天。
#部署/工程
#部署/工程
今日 0 条NVIDIA BlogAI 评分4242
Berkeley AI ResearchAI 评分3434 从 CUDA 到 MLX：K-Search 如何将数十年 kernel 经验带到 Apple Silicon
Berkeley Sky Lab 将进化式 kernel 搜索框架 K-Search 扩展出 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 作为知识库迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分2222 自适应并行推理：高效推理扩展的下一个范式
自适应并行推理让推理模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调它们，而非由外部框架强加固定的并行结构。现有方法如 Self-consistency、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild!
Google DeepMindAI 评分2222 Google DeepMind 推出 Decoupled DiLoCo：面向分布式 AI 训练的弹性新架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将训练任务拆分为异步通信的"计算孤岛"，在硬件故障下仍能持续训练并自动恢复。该架构用 Gemma 4 模型验证，ML 性能与传统方法持平，并在美国四个区域以 2-5 Gbps 网络训练了 120 亿参数模型，速度比传统同步方法快 20 倍以上，还支持 TPU v6e 与 TPU v5p 混合训练。
Berkeley AI ResearchAI 评分2424 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长时程规划变得实用。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型"状态输入"梯度脆弱等问题。