Google DeepMind · T1 ·
Google 为 Gemini 3.8 Live 推出 Live Avatar
Gemini 3.8 Live 新增 Live Avatar 功能，通过低延迟视频流与语音结合，提供动态视觉形象。支持 97 种语言的唇形同步与表情自适应，并具备异步工具调用能力。
为什么值得关注：该功能让企业 Agent 在不中断对话时调用工具，并用同步音视频跨语言呈现结果，使虚拟助手从语音交互扩展到具象化服务。
AI DAILY · 第 92 期
2026-09-25 · AI 漫游日报
过去 72 小时扫描 14 个有效信源，从 78 条候选中筛出 7 条值得保留的信息。
2026-09-25扫描 78 条
精选 7 条14/14 个信源可用
今日最值得看
模型与产品
Latent Space · T1.5 ·
Runway 的 GWM Worlds 2 引入 WorldPrompt 控制格式
Runway 发布 GWM Worlds 2 研究预览，并提出 WorldPrompt 输入格式，用固定环境帧和带时间戳事件控制实时音视频生成。目前它仍依赖提示词，没有脚本能力或可读取的结构化世界状态。
为什么值得关注：世界模型开始从生成片段走向持续交互，但控制可靠性、误差累积和长期记忆仍决定它能否进入真实游戏与机器人测试。
研究进展
NVIDIA Developer · T1 ·
NVIDIA 发布 NV-Reason-CT 开源 3D CT 视觉语言模型
NVIDIA 开源 NV-Reason-CT，将 3D 视觉 Transformer 与 Qwen3.5-4B 结合，在 CT-RATE 上取得 Macro-F1 0.614、Macro-AUROC 0.871。它是研发基础，并非自主诊断系统或获批临床产品。
为什么值得关注：它把完整体积数据和可审阅推理带入 CT 模型，但公开基准与放射科医生评阅不能替代临床有效性验证。
工程与开源
Hugging Face · T1 ·
NVIDIA Warp 与 MjWarp 加速机器人仿真至 2048 并行环境
NVIDIA Warp 将 MuJoCo 物理仿真迁移至 GPU，通过 MJWarp 实现批量并行仿真。文章展示了将 SO-101 机器人场景扩展至 2,048 个并行 MJWarp 环境的技术细节。
为什么值得关注：MJWarp 的价值是同时推进大量仿真环境，适合强化学习采样；原文也明确指出，它不一定降低单个环境的一步延迟。
AWS Machine Learning · T1 ·
AWS 发布 WhisperX 深度学习容器用于说话人标记转录
AWS 推出 WhisperX DLC，将 Whisper、wav2vec2 强制对齐与说话人分离打包为 GPU 就绪镜像。支持在 SageMaker 上部署实时或异步端点，实现逐词时间戳与说话人标签。
为什么值得关注：逐词时间戳和说话人标签让通话审查、会议检索与字幕生产获得结构化输入，而团队无需自行维护 WhisperX 服务镜像。
NVIDIA Developer · T1 ·
NodeWright 开源 Kubernetes 节点舰队管理工具
NVIDIA 开源 NodeWright，用 Kubernetes 自定义资源声明式管理 GPU 集群主机配置。它按封锁、等待、驱逐、更新和解封的顺序滚动变更，并尊重 PodDisruptionBudget 与不可中断工作负载标签。
为什么值得关注：主机更新由脚本和人工维护窗口转为可观察的渐进发布，训练任务是否可中断也成为部署策略的显式输入。
产业与组织
AWS Machine Learning · T1 ·
Aderant 利用 Amazon Nova Lite 实现工单智能分流
Aderant 用 Amazon Nova Lite 构建工单分析器，自动收集上下文、分类并路由工单。上线最初 2.5 周处理 109 个工单，路由准确率约 96%，估算每周回收 8–14 小时工程时间。
为什么值得关注：这个早期案例把收益和边界量化出来：先自动化重复调查与低风险路由，并把低置信度判断留给人工复核。