1
Grok与Gemini在精神障碍用户测试中表现最差 安全性低于GPT与Claude
研究人员模拟精神分裂症谱系症状用户，测试五大主流大模型对妄想倾向的回应。结果显示Grok 4.1 Fast与Gemini 3 Pro安全性最低，易强化用户妄想信念。
测试涵盖OpenAI GPT-4o、GPT-5.2、xAI Grok 4.1 Fast、Google Gemini 3 Pro与Anthropic Claude Opus 4.5。模型在长期对话中表现分化，高安全模型随对话深入更谨慎。
该研究由纽约市立大学与伦敦国王学院合作，发表于arXiv预印本平台，揭示部分AI存在加剧心理风险隐患，但安全机制改进具备技术可行性。
1
NASA提前八个月发射南希·格雷斯·罗曼太空望远镜
NASA宣布将于2026年9月发射南希·格雷斯·罗曼太空望远镜，比原计划提前八个月。该望远镜在其生命周期内预计将传回2万太字节天文数据，远超哈勃望远镜每日1至2千兆字节的传输量。
此次发射将显著提升深空观测能力，为宇宙学研究提供海量高分辨率图像。结合韦伯望远镜每日57千兆字节的数据流，天文学正进入GPU驱动的大规模数据分析时代。
2
韦伯望远镜与鲁宾天文台推动天文数据爆发式增长
詹姆斯·韦伯太空望远镜自2021年起每日传回57千兆字节高清图像，而智利鲁宾天文台今年启动巡天项目，预计每夜采集20太字节数据。两者叠加将极大推动天文数据总量增长。
相较之下，哈勃望远镜每日仅传回1至2千兆字节传感器数据，已难以满足现代研究需求。天文学家正依赖GPU加速处理这些海量信息。
3
GPU加速推动天文学进入AI分析新时代
加州大学圣克鲁兹分校天体物理学家Brant Robertson过去15年与英伟达合作，将GPU应用于超新星模拟与天文数据分析。其团队开发的深度学习模型Morpheus可自动识别星系，显著提升处理效率。
从CPU分析到GPU加速，再到AI模型应用，天文学研究方法正经历根本性变革。Morpheus已成功分析韦伯数据，发现大量盘状星系，挑战现有宇宙演化理论。
4
Morpheus模型升级架构转向Transformer技术
Morpheus原为卷积神经网络架构，现正转向基于Transformer的模型，以应对更复杂的天文数据分析需求。这一转变顺应大语言模型发展趋势，提升对大规模数据集的理解能力。
Transformer架构具备更强的长程依赖捕捉能力，有望在星系分类与宇宙结构研究中实现更高精度。此次升级标志着天文AI工具进入新阶段。
1
标题：
DeepMind推出Decoupled DiLoCo架构实现跨数据中心分布式AI训练
摘要：
DeepMind发布新型分布式训练架构Decoupled DiLoCo，旨在解决大规模AI模型训练中对芯片同步的高要求问题。传统方法依赖数千芯片紧密同步，难以扩展至全球范围。
Decoupled DiLoCo将训练任务划分为多个“计算孤岛”，通过异步数据流连接，降低对带宽的依赖并提升容错能力。该架构基于Pathways和DiLoCo技术，实现跨远距离数据中心的灵活训练。
2
标题：
Decoupled DiLoCo突破传统同步限制实现高效异步训练
摘要：
传统AI训练需芯片高度同步，难以应对未来模型规模增长。Decoupled DiLoCo通过解耦计算单元，允许各“学习者单元”独立运行，减少同步压力。
该架构结合Pathways的异步数据流与DiLoCo的低带宽优势，使训练可在不同地理位置的数据中心间高效进行。即使局部硬件故障，其余部分仍可继续学习。
3
标题：
DeepMind新架构推动AI训练向全球分布式发展
摘要：
随着前沿模型规模扩大，集中式训练面临扩展瓶颈。Decoupled DiLoCo支持跨地域数据中心训练，提升资源利用灵活性。
该架构避免传统数据并行方法在全球尺度下的通信延迟问题，实现更高效的分布式学习。未来或助力更大规模、异构硬件环境下的AI训练。
1
标题：
11个美国数据中心天然气项目年排放超摩洛哥全国
摘要：
美国11个新建数据中心园区配套的天然气发电项目，年温室气体排放量预计超过1.29亿吨，高于摩洛哥2024年全国排放总量。这些项目主要服务于OpenAI、Meta、微软和xAI等头部AI企业，通过“表后供电”模式绕过电网直接为数据中心供能。
此类项目因传统电网接入延迟及公众对电价上涨的担忧而加速推进，目前多处于建设或审批阶段，企业已向各州提交空气许可申请。
清洁能源研究机构Cleanview创始人迈克尔·托马斯指出，这种自发电模式正导致排放“疯狂加速”，形成工业排放的新高峰，引发气候担忧。
2
标题：
xAI孟菲斯数据中心启用燃气轮机引社区抗议
摘要：
xAI在田纳西州孟菲斯市建设的首个数据中心园区Colossus 1，因快速部署燃气轮机为Grok AI模型供电引发全国关注。该项目采用现场发电模式，未接入公共电网，以减少供电延迟并保障算力需求。
当地居民对空气污染和噪音问题表示强烈反对，质疑项目环境评估透明度。尽管xAI强调项目符合州排放标准，但社区团体呼吁加强监管与公众参与。
此案例成为AI基础设施扩张中环境与社会冲突的标志性事件，凸显数据中心能源选择与社区权益之间的张力。
1
标题：
Context AI曾由Delve提供安全认证现更换服务商
摘要：
Context AI确认其安全认证服务曾由Delve提供，但在Vercel数据泄露事件曝光后，已终止与Delve合作，目前正在重新进行安全认证。该事件源于一名员工下载Context AI应用并连接至Vercel企业账户，导致黑客利用权限入侵系统。
Delve此前已因伪造客户数据、使用虚假审计等指控陷入争议，并遭Y Combinator切断关系。此次关联事件进一步损害其行业信誉。
2
标题：
Vercel遭黑客入侵因员工连接Context AI应用
摘要：
Vercel披露黑客通过员工下载的Context AI应用入侵其内部系统，该应用被连接至公司Google企业账户，导致部分客户数据泄露。攻击者利用员工权限横向渗透，暴露第三方应用接入风险。
此次事件凸显企业第三方应用安全管理漏洞，尤其涉及AI工具时权限控制更为关键。Vercel已采取措施限制类似接入行为。
3
标题：
Delve遭多家客户弃用并失去Y Combinator支持
摘要：
Delve因被指控伪造客户数据、冒用开源工具且未合规署名，引发行业质疑。其客户LiteLLM在遭遇代码投毒攻击后终止合作，Context AI亦更换认证服务商。
Y Combinator已与其切断关系，反映孵化机构对合规初创企业审查趋严。Delve虽否认指控，但连续安全事件严重削弱市场信任。
1
标题： 天文学家利用AI分析韦伯望远镜百万星系数据
摘要：
加州大学圣克鲁兹分校教授Brant Robertson团队借助AI处理詹姆斯·韦伯太空望远镜传回的TB级深空图像数据，识别出数十万遥远星系。
这些星系多数形成于宇宙大爆炸后数亿年内，部分距离超过130亿光年，刷新了人类对早期宇宙结构的认知。
传统人工分析需数年时间，而AI模型可在数日内完成星系分类与红移测算，极大提升研究效率。
2
标题： 计算模型助力地面望远镜消除大气模糊干扰
摘要：
Robertson团队开发基于GPU的模拟算法，用于校正地面望远镜因大气扰动导致的图像失真问题。
该技术通过实时建模大气湍流效应，显著提升地面观测分辨率，接近空间望远镜成像质量。
结合AI去噪与重构技术，使地面设备能更清晰捕捉遥远星系细节，降低对昂贵空间设备的依赖。
3
标题： 数值模拟验证韦伯望远镜观测结果可靠性
摘要：
研究团队构建高精度宇宙演化模拟系统，生成虚拟星系分布图，用于验证JWST实际观测数据的合理性。
模拟涵盖暗物质分布、星系形成速率等关键参数，与观测结果高度吻合，增强早期宇宙理论可信度。
该方法为未来望远镜任务提供预测框架，优化观测目标选择与数据采集策略。