Google DeepMind 等机构发布 Forest Typology (ForTy) 2020 全球森林类型图谱
Google DeepMind、Google Research 联合 WRI 和 IIASA 发布 Forest Typology (ForTy) 2020，这是一张将全球每 10x10 米地块分类为六种森林及土地利用类型的地图。
#论文/研究
Google DeepMindAI 评分5353
GitHub Blog · AI & ML精选AI 评分6565 GitHub 发布 ReviewBench：面向 AI 代码审查的开源基准
GitHub 推出 ReviewBench，这是一个用于评估 AI 代码审查智能体的开源离线基准。该基准基于对 GitHub 上 1.039 亿个真实 Pull Request 的分析构建，包含涵盖 19 种语言的 219 个代表性 PR，并采用多源黄金集和独立验证机制。
推荐理由：原文公开了基于亿级真实PR构建的代码审查基准，提供了可复现的评估方法以量化AI审查器的精度与召回权衡。
Berkeley AI Research精选AI 评分6868 Berkeley AI Research 提出 K-Search MLX 后端实现 CUDA 到 Apple Silicon 内核迁移
Berkeley AI Research 发布基于 K-Search 框架的 MLX 后端，利用结构化 CUDA-to-MLX 翻译层自动将 NVIDIA 内核优化知识迁移至 Apple Silicon。
推荐理由：原文展示了通过结构化翻译层将 CUDA 优化知识迁移至 Apple Silicon 的方法，在 Mamba SSM 内核上实现了约 20 倍的预填充加速。
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 提出 ABBEL 框架以优化 LLM 长程交互信念更新
Berkeley AI Research 提出 ABBEL 框架，通过隔离和监督自然语言信念状态来替代递归摘要，解决 LLM 在长程交互中的上下文扩展瓶颈。在 CollabBench 协作编码测试中，ABBEL-rec-BG 将性能差距缩小约 50%，训练步数减少 50%，且峰值 Token 用量显著低于全上下文模型。
Berkeley AI ResearchAI 评分4747 Berkeley AI Research 综述自适应并行推理：LLM 自主决定分解与并发策略
Berkeley AI Research 发布关于自适应并行推理的综述，探讨让 LLM 自主决定何时分解子任务、生成多少并发线程及如何协调。文章分析了从 Self-consistency、Tree of Thoughts 到 ParaThinker、GroupThink 等现有方法的局限，指出固定并行结构导致计算冗余或策略错误。
Berkeley AI ResearchAI 评分4343 GRASP：面向长时域世界模型的梯度规划方法
伯克利 AI 研究团队提出 GRASP，一种针对学习动力学（世界模型）的梯度规划器，旨在解决长时域规划中的病态优化与局部极小值问题。该方法通过将轨迹提升至虚拟状态实现时间并行优化，在状态迭代中直接引入随机性以增强探索，并重塑梯度信号以避免高维视觉模型中的脆弱“状态-输入”梯度。GRASP 使基于梯度的规划在现代大型世界模型中更加稳健实用。