将数据库评分转化为 RL 奖励：用 ThinkingBox 对智能体进行后训练
Microsoft 与 Hugging Face 将 ThinkingBox 的数据库终态检查用作 RL 奖励，使 Qwen3.8-27B 的平均成功率从 51.70% 升至 60.78%。经过 50 步 GRPO，全部 20 次尝试均成功的任务从 38 项增至 107 项，但至少成功一次的任务数略降；ThinkingBox-Training 已在 GitHub 开放。
#数据/训练
Hugging Face BlogAI 评分4747 AWS Machine Learning BlogAI 评分5656 使用 Amazon SageMaker training session APIs 编写训练循环，无需管理 GPU
Amazon SageMaker AI 新增 training session APIs，让开发者在本地 Python 中编写自定义训练循环，由服务管理 GPU 和分布式执行。
AWS Machine Learning BlogAI 评分5353 AWS 正式推出 SageMaker AI training sessions，无需管理 GPU 即可自定义后训练
AWS 宣布 SageMaker AI 的 training sessions 正式可用，开发者可自行编写后训练循环，无需管理底层 GPU 基础设施。开发者控制损失函数、奖励信号和训练步骤，平台负责 GPU 分配、分布式执行、故障恢复及检查点存储，按处理的 token 计费，在用户环境中执行奖励评分期间暂停计费。
Hugging Face Blog精选AI 评分6666 OlmoEarth v1.3 发布，开放全球卫星嵌入与浏览器地图分析工具
OlmoEarth 发布卫星嵌入模型 v1.3，同时开放 10m 分辨率的全球年度嵌入和浏览器分析工具 OlmoEarth Embeddings Explorer。
推荐理由：预计算嵌入与浏览器分类工具把部分遥感任务从逐项微调转为轻量建模，为缺少 GPU 的团队提供了低成本试验路径。
Google DeepMind精选AI 评分6363 超越树木覆盖率：ForTy 以 10 米分辨率绘制全球森林类型地图
Google DeepMind、Google Research 与 WRI、IIASA 联合发布 ForTy 2020，以 10 米分辨率将全球土地划分为六类森林及土地用途。
推荐理由：相比只标示树木覆盖的地图，ForTy 区分森林类型并追踪土地用途变化，可识别天然林被砍伐后改种人工林所掩盖的生态变化。
AWS Machine Learning BlogAI 评分4242 如何使用 AtScale 和 Amazon Bedrock AgentCore 在 AWS 上构建 AI 智能体语义层
AWS 展示如何以 AtScale 和 Amazon Bedrock AgentCore 构建 AI 智能体语义层，让智能体与 BI 工具使用相同指标定义。教程以客户 360 场景为例，由 Claude Sonnet 4.6 规划查询，Strands 智能体通过 MCP 访问映射至 Amazon Redshift 的语义模型。
AWS Machine Learning BlogAI 评分3838 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B，实现多语言推理
AWS 展示了在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 的方法：SFT 承担主要行为学习，GRPO 在仍有提升空间时进一步优化。基础模型在 50 个多语言测试用例中，仅 22% 使用目标语言推理；实验强调，应根据能力缺口选择微调方法。
NVIDIA BlogAI 评分5555 GTC Berlin 2026 现场更新：NVIDIA 公布 AI 工厂、智能体与机器人新方案
NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主题演讲中公布 DSX POD、智能体安全参考架构和 Agent Knowledge Foundation，覆盖 AI 工厂部署、安全运行与企业数据接入。
NVIDIA Blog精选AI 评分6969 NVIDIA 扩展开放模型阵容，支持欧洲跨行业主权 AI 建设
NVIDIA 扩展面向语言、机器人、生物学和量子计算的开放模型阵容，支持组织使用本地数据定制，并部署在自行控制的基础设施上。
推荐理由：这些开放模型允许组织结合本地数据定制，并在自主管理的基础设施上部署，为理解欧洲主权 AI 的行业落地路径提供具体背景。
NVIDIA Blog精选AI 评分6464 NVIDIA 扩展 Agent Toolkit，新增企业数据知识基础与智能体工具
NVIDIA 扩展开源 Agent Toolkit，新增 Agent Knowledge Foundation、Kumo 系列开放模型及相关工具，帮助企业利用公司数据定制和管理智能体。
推荐理由：此次扩展把企业数据接入与智能体运行边界放在同一工具栈中，为理解企业如何兼顾数据利用和权限治理提供了具体参考。
NVIDIA BlogAI 评分4343 欧洲领先金融服务机构采用开放模型构建专有智能
欧洲多家金融机构在 GTC Berlin 展示基于 NVIDIA 加速计算与开放权重模型、运行于自有基础设施的专有智能。bunq 的 Finn 每次回答成本为领先闭源模型的 60%，质量相当。Stripe Radar 在离线测试中借助 GPU 加速实现数据流水线速度提升至 42x、成本节省 92%。
NVIDIA Blog精选AI 评分6161 NVIDIA Cosmos 新增世界模型训练、评估与部署工具
NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真模型检查点和 Cosmos Data Factory 蓝图，支持世界模型的数据准备、适配、测试与部署。
推荐理由：通过数据生成、模型适配与部署三个可拆分环节，材料展示了世界模型开发流程的衔接方式，可供团队规划工具链时参考。
NVIDIA BlogAI 评分4141 NVIDIA 开放模型助力欧洲新一批公共部门项目
NVIDIA 与合作伙伴及欧洲政府合作，以开放模型支持公共行政、医疗和就业服务项目，同时保留对数据与基础设施的控制。波兰正开发面向超过 400 家就业办公室的 AI 智能体平台，计划运行 PLLuM、GPT OSS 和 Inkling。英国与德国的本地化合成人物数据集可用于评估公共服务模型在不同群体中的表现。
AWS Machine Learning BlogAI 评分3535 如何使用 torchtitan 在 AWS Trainium 上训练 Qwen3
AWS 演示如何用 torchtitan 在单台 trn2.48xlarge 上训练 Qwen3，涵盖 Transformers v5 后端、原生实现及自定义 MoE 内核三种配置。配置支持从随机初始化预训练或微调已发布权重，并采用相同的 torchrun 启动模式；微调后可导出标准 Hugging Face safetensors 检查点。
Hugging Face Blog精选AI 评分6969 NVIDIA Kumo Relational 无需任务专用训练，在关系数据基准上超越监督学习
NVIDIA 推出关系基础模型 Kumo Relational，无需任务专用训练、特征工程或表格扁平化，即可直接在企业数据库上进行预测。
推荐理由：通过与监督式关系模型及特征工程流水线的比较，材料展示了上下文学习替代逐任务训练的可行范围，也交代了大训练集下的局限。
Hugging Face BlogAI 评分5151 VocabX 如何通过专用词表将小语言模型的实际推理成本降低 77%
Dharma-AI 预览 VocabX 研究，在基于 Qwen3-4B 的葡萄牙语作文评分系统中，保持基础模型、数据和训练方案不变，将实测推理成本降低 77.0%。
AWS Machine Learning BlogAI 评分3838 超越 KV cache：使用原生 PyTorch 在 AWS Trainium2 上训练和部署 i14 的 Laplace 3B 线性注意力模型
i14 与 AWS 讲解如何用原生 PyTorch 在 Trainium2 上训练和部署 Laplace 3B。模型每序列状态固定为 29.5 MB，不随上下文长度增长。单实例训练约每秒处理 120,000 tokens，推理在 1,280 路并发下每秒输出 11,544 tokens。
Meta EngineeringAI 评分4343 GenRecs Tokenization：以稳定模型词表变革 Meta 广告推荐
Meta 的 GenRecs Tokenization 用稳定语义词表表示广告等项目，改进广告召回与排序。它融合内容与互动信号，帮助模型理解缺乏互动历史的新项目。与 GEM 和 Adaptive Ranking Model 配合后，广告转化量提升 +0.35%。
Meta Engineering精选AI 评分7575 深入 Meta Prometheus：吉瓦级超级集群的建设与可靠性工程
Meta 详解吉瓦级超级集群 Prometheus 的硬件、网络与可靠性工程，其第一阶段已完成并用于训练 Muse 基础模型。集群目前拥有数十万 GPU，正向约 1 million GPUs 扩展；Muse Wonder 预训练和强化学习运行的有效训练时间占比分别超过 85% 和 90%。
推荐理由：通过备用 GPU、分层故障恢复与逐项归因的工程实践，解释超大规模训练如何减少中断并提高有效吞吐量。
Mistral AIAI 评分5959 Mistral AI 发布时序基础模型 Timestral，提供 5M 至 209M 四种规格
Mistral AI 发布时序基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四种参数规格，支持多变量概率预测及历史、已知未来协变量。
Google ResearchAI 评分5555 Google 展示 Earth AI 地理空间智能体研究进展与实际应用，扩大早期访问
Google 公布 Earth AI 地理空间推理智能体的技术报告与合作伙伴测试案例，并扩大 Ask Google Earth、智能体 API 和 Planetary Prediction Engine 的实验性早期访问。
Google ResearchAI 评分5151 Google Research 在 Research@ 2026 展示 10 项研究与工具进展
Google Research 在 Research@ 2026 展示 10 项研究与工具进展，涉及地理分析、科研智能体、文档核查、端侧芯片、数值预测、医疗、灾害预测、教育与协作原型设计。
Google DeepMindAI 评分4747 Google DeepMind 与新加坡政府合作，微调 AI 模型用于诈骗检测
Google DeepMind 与新加坡政府科技局合作，基于 Gemma 微调出保护隐私的端侧诈骗检测模型。模型先以轻量分类器筛查消息，再分析对话上下文，识别操纵性话术并实时警告。模型将分阶段集成至应用，仅经用户同意访问设备端对话，Google 和新加坡政府均无法通过该部署获取对话内容。
Apple Machine LearningAI 评分3535 利用语音基础模型中的语言选择性维度检测语码转换
研究者提出利用预训练语音编码器中语言选择性维度直接检测语码转换的轻量方法，无需先转写语音。该方法用单语录音识别相关维度，汇总帧级激活，并以少量语码转换样本调优判定规则。Whisper-small 编码器在 CS-FLEURS 的 14 个语言对上平均 F1 达 0.798，高于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。
Apple Machine LearningAI 评分4444 三模态掩码扩散模型的设计空间
研究团队提出从零预训练的三模态掩码扩散模型（MDM），并系统分析其多模态扩展规律与训练设计。基于 SDE 的重参数化将物理批大小与逻辑批大小解耦，无需调优最佳批大小。初步模型规模为 3B，预训练使用 6.4T tokens，在文本生成、T2I 和 T2S 任务中取得较强结果。
GitHub Blog · AI & MLAI 评分5656 GitHub 解读密钥检测模型：如何用 ModernBERT 减少误报与扫描成本
GitHub 详解密钥扫描管线，以正则筛选候选字符串，再由微调的 ModernBERT 结合上下文区分真实凭据与非敏感字符串。相比此前的 LLM 管线，新管线的提交后扫描执行时间中位数降低 86%，服务成本降低超过 98%，并使通用密钥检测得以扩展至推送保护。离线评估的精确率提高 13%、召回率提高 19%；客户 A/B 实验中，按仓库所有者加权的告警接受率提高 11.5%。
Microsoft ResearchAI 评分4848 StudentSim：通过模拟学生学习改进 AI 辅导
StudentSim 通过个性化学生模拟，为 AI 辅导系统在真实学习者测试前的评估与改进提供反馈。系统使用公开、去标识化的学习记录训练，在国际象棋、英语二语写作和数学任务上优于主要基线，评估兼顾学生行为还原与指导后的反应。该系统仅用于研究，未部署于课堂，也不旨在替代教师。
Microsoft ResearchAI 评分5959 Microsoft Research 开源 Agent Lightning v1.0，以约 3,500 行代码实现智能体 RL 框架
Microsoft Research Asia 开源重构后的 Agent Lightning v1.0，以约 3,500 行代码让部署时使用的智能体运行框架直接参与 RL 训练。
Microsoft Research精选AI 评分6060 Microsoft Research 的 Jennifer Neville 谈 AI 会犯哪些错，以及失败能教会我们什么
Microsoft Research 的 Jennifer Neville 在访谈中解析 AI 在多轮对话和长流程协作中的失败，以及评估如何帮助改进系统。她的团队将单轮基准改为逐轮补充需求的测试，发现模型表现显著下降，长流程中的未纠正错误也会累积并造成混乱。她建议对话混乱时重新开启聊天并一次性完整说明需求，在实际工作中保留人工监督与核验，而非将任务 100% 委托给 AI。
推荐理由：把单轮基准改造成逐轮补充需求的评估，能揭示高分背后的交互短板，为设计贴近真实工作流的测试提供具体思路。
Google ResearchAI 评分4949 挖掘 Earth AI 地理空间基础模型在全球公共卫生中的应用潜力
Google 展示 Earth AI 的人口动态基础模型（PDFM）如何辅助公共卫生建模，无需针对任务微调即可匹配或改善传统输入的效果。模型将搜索趋势、人口流动及环境等信号压缩为每月更新的位置嵌入向量，可接入现有工作流。合作机构在五类公共卫生挑战中开展独立评估，其中跨境疫苗接种建模的解释方差相对提升 +36%。
Mistral AI精选AI 评分7777 Mistral AI 发布 Mistral Large 4 公开预览，计划本月底开放权重
Mistral AI 发布 Mistral Large 4（ML4）公开预览，即日起可通过 Mistral Studio 使用预览 API，计划本月底开放权重。
推荐理由：当前 API 预览与月底开放权重的安排，提供了区分模型能力试用和自主部署的具体背景，尤其关联安全团队对运行控制权的需求。
Microsoft Research精选AI 评分6262 Microsoft Research 推出 Quine，连接生物学世界模型与实验研究流程
Microsoft Research 推出实验性 AI 研究系统 Quine，将多模态生物学世界模型与连接科学工具、文献和研究人员的交互框架结合。在与 Broad Institute 合作的胰腺癌研究中，团队用一个周末完成数千种化合物的预测筛选与候选排序，多项湿实验验证了高排名候选引导细胞状态转变的效果。
推荐理由：胰腺癌实验案例展示了先用模型缩小化合物搜索范围、再用湿实验检验预测的研究路径，为计算与实验协作提供具体参照。
Mistral AIAI 评分3838 Cloudera 与 Mistral 合作，为企业数据引入专用、主权可控的 AI
Cloudera 与 Mistral 宣布合作，将通过模型集成与定制训练，让企业在自有环境中掌控数据与 AI。Mistral 模型将集成至 Cloudera 混合数据平台，支持私有云、公有云、本地及完全隔离环境中的部署。企业可在受控环境中利用专有数据训练定制模型，并保有数据与所生成智能的所有权。
Berkeley AI ResearchAI 评分4848 ABBEL：教大语言模型更新信念，实现高效长程交互
ABBEL 框架用自然语言信念状态替代完整交互历史，并通过信念评分监督其信息保留，改善长程交互中的摘要学习效率。在 CollabBench 协作编程测试中，基于重构的信念评分使其与完整上下文模型的性能差距缩小约 50%，训练步数减少 50%，同时保持更低的峰值 token 用量。
Berkeley AI ResearchAI 评分3737 自适应并行推理：高效推理扩展的下一种范式分析
Berkeley AI Research 梳理并行推理进展，分析让模型自主决定何时拆分任务、启动多少并发线程及如何协调的自适应并行推理。现有方法多由外部预设并行结构，难以适应不同问题；顺序推理则面临延迟增长与上下文累积导致的性能退化。
Berkeley AI ResearchAI 评分4848 SPEX 与 ProxySPEX 如何规模化识别大语言模型中的交互作用
Berkeley AI Research 介绍 SPEX 与 ProxySPEX，利用稀疏恢复方法规模化识别影响大语言模型行为的关键交互作用。ProxySPEX 利用交互的层级结构，以约少 10x 的消融次数达到 SPEX 的表现。特征归因实验中，SPEX 在输入扩展至数千个特征时仍保持较高忠实度。