Amazon Payments 如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）做产品获客漏斗个性化，七周线上 A/B 测试中，一个人群的漏斗末端转化率取得高个位数相对提升，另一个人群则未见改善，问题出在内容而非模型。
#数据/训练
AWS Machine Learning BlogAI 评分2828
NVIDIA BlogAI 评分1515 NVIDIA AI 工厂如何实现投资回报最大化：高产出、长寿命、通用性
NVIDIA 提出 AI 工厂投资回报取决于三个要素：每兆瓦产出能力、硬件使用寿命和 token 需求，并以产出、耐用、通用三大特性对应。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。
Microsoft ResearchAI 评分3434 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院开发了一套端到端机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报及变电站所在地的纬度与地质电导率数据，为美国本土 66,935 座变电站生成 30 至 60 分钟前的局地空间天气风险估计。
Google DeepMind精选AI 评分6666 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入水印
Google DeepMind 推出 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使水印不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时实验室测试显示其生物功能未受影响。
推荐理由：DeepMind 把水印从数字内容延伸到合成生物，读者可了解其原理与生物安全筛查的衔接方式。
Google ResearchAI 评分4040 Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，将扩散模型的去噪过程重构为连续控制问题，用一个轻量"转向阻尼器"网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持对闭源黑盒模型进行控制。
Hugging Face Blog精选AI 评分6666 NVIDIA 发布开源表格基础模型 Kumo Tabular，单次前向完成分类与回归
NVIDIA 发布开源表格基础模型 Kumo Tabular，属于 Kumo Structured 模型系列，已在 Hugging Face 上线。给定带标签的表格行，它无需训练、调参和特征工程，单次前向即可预测新行的标签，支持分类与回归，提供 28M 到 215M 三档参数，采用 OpenMDW-1.1 许可可商用。
推荐理由：NVIDIA 开源表格基础模型，给出三档参数、单次前向预测流程与四个基准排名，可据此判断表格任务是否值得换用。
Microsoft Research精选AI 评分6262 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态与成像等多模态数据联合训练的生物世界模型，以及连接模型、科学工具、文献与实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
NVIDIA Blog精选AI 评分6060 NVIDIA 与 Google DeepMind 等联合开放 2800 多种病毒的蛋白复合物结构预测
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构，通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构，供全球科学家免费使用。
推荐理由：NVIDIA 与 Google DeepMind 等联合开放 2800 多种病毒的蛋白复合物结构预测，读者可了解开放科学在疫情准备中的具体做法。
Microsoft ResearchAI 评分5252 微软研究院在 Nature 发表 RetroChimera 逆向合成预测模型并开源
微软研究院在 Nature 发表逆向合成模型 RetroChimera，它结合 Transformer 模型 R-SMILES 2 与图神经网络 NeuralLoc，用学习式集成排序整合两者预测。
Google ResearchAI 评分2323 Google Research 推出 MilleMiglia：面向中段物流的真实实例生成器
Google Research 发布 MilleMiglia，一个用 C++ 编写的实例生成器，用于为中段物流配送问题生成真实且保护隐私的基准数据，源码与文档已在 GitHub 公开。
Google Research精选AI 评分6060 Google Research 用生成式 UI 让教师创建互动学习模拟
Google Research 发布研究实验，让教师借助生成式 UI（GenUI）为课程目标动态生成互动式学习模拟，并同步开放 30 多个面向中学 STEM 的英文学习互动示例库。
推荐理由：Google Research 用生成式 UI 让教师按课程目标生成互动模拟，并给出教师评分与试点入口。
Google ResearchAI 评分3636 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散检索器绕过查询扇出推理瓶颈
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。
Google ResearchAI 评分4141 Google Research 提出 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad，一种“答案优先”的工具调用数据集生成范式：先生成真实工具调用链，再反推对应用户提示，替代 ToolBench、ToolACE 等依赖 DFS 试错搜索的查询优先方案。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单核苷酸变异预测
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 倍以上，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 向学术研究免费开放。
推荐理由：AlphaGenome Atlas 把 90 亿个单核苷酸变异的预测结果做成可检索资源，并给出统一打分方式，读者可据此了解基因组变异解读的规模化路径。
Google ResearchAI 评分2626 Google Research 研究跨人群多基因风险评分的迁移学习
Google Research 用 UK Biobank 欧洲人群与 Biobank Japan 近 20 万日本人样本，在 8 项临床性状上评估多基因风险评分（PRS）的跨人群迁移学习效果。结果显示，目标人群样本达 15k 以上时，专用模型优于混合欧洲数据训练；遗传相关性高的性状可继续受益于 UKB 数据至 25-40k+ 样本，而 HDL、LDL 和血糖等高度人群特异性性状受益有限。
Microsoft ResearchAI 评分4040 微软推出 GigaPath-Flash 与 GigaTIME-Flash 病理基础模型，计算量降至约 1/50
微软发布 GigaPath-Flash 和 GigaTIME-Flash 两个高效病理基础模型，均采用从原十亿参数 GigaPath 编码器蒸馏出的 22M 参数 ViT-S 骨干，并以 Apache 2.0 许可开源。
Microsoft ResearchAI 评分4242 微软 Skala 1.1 发布：训练数据增至 2.5 倍，并集成进 CP2K 等主流 DFT 软件
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP。微软同时推出持续更新的 living benchmark，追踪后续 Skala 版本的计算性能。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 智能体的摘要以自然语言"信念状态"形式隔离并监督，替代完整交互历史作为工作上下文。在 CollabBench 协作编程任务中，基于重建的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文设置。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出近零推理成本时代数据系统面临三大挑战：面向智能体的数据系统、由智能体运行的数据系统、由智能体构建的数据系统。GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间，中位数约 50x。