OpenAI 说明如何加固前沿模型训练环境的安全隔离
OpenAI 说明其如何加固前沿模型训练与评测环境的隔离，包括离线环境和需要大量算力的红队测试。原文未披露具体技术细节和部署范围。
#数据/训练
OpenAI NewsAI 评分5252 AWS Machine Learning BlogAI 评分5858 Amazon SageMaker AI 多轮强化学习实操指南
AWS 发布在 Amazon SageMaker AI 上做多轮强化学习（MTRL）的端到端实操指南，以 Wordle 为例，把智能体和奖励函数部署到 Amazon Bedrock AgentCore，由 GRPO 更新 LoRA 适配器。
AWS Machine Learning BlogAI 评分2222 Amazon Quick Sight 图层地图支持用 GeoJSON 绘制点和路线
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型，可在地图上标注门店等具体位置并绘制配送路径、航班航线等路线。GeoJSON 文件上限 100 MB，需与 Quick Sight 数据集通过共享键字段关联，每个图层一次只渲染一种几何类型。
Hugging Face Blog精选AI 评分6262 微软与 Hugging Face 将数据库校验转为 RL 奖励，用 ThinkingBox 后训练智能体
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的校验结果直接当作强化学习奖励，用于智能体后训练。
推荐理由：微软与 Hugging Face 把数据库终态校验当作 RL 奖励，并公开了任务筛选与训练代码，可供做智能体后训练时参考。
AWS Machine Learning BlogAI 评分5858 Amazon SageMaker AI 推出训练会话 API，可自写训练循环而无需管理 GPU
Amazon SageMaker AI 推出训练会话 API，把抽象层下移到训练操作，开发者用 forward_backward()、optim_step()、sample() 等调用在本地 Python 进程里驱动托管 GPU 上的有状态会话，服务负责 GPU 分配、模型与 LoRA 加载、分布式执行、故障恢复和检查点存储。
AWS Machine Learning BlogAI 评分5858 AWS 为 SageMaker AI 推出训练会话，无需管理 GPU 即可自定义模型
AWS 宣布 SageMaker AI 无服务器模型定制正式推出训练会话（training sessions），用户可自行编写并协调训练循环，包括自定义损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与检查点存储由 SageMaker AI 负责。
Hugging Face BlogAI 评分5858 AllenAI 发布 OlmoEarth v1.3 卫星嵌入模型及全球预计算嵌入
AllenAI 发布 OlmoEarth v1.3 卫星嵌入模型，读取一年 Sentinel-1、Sentinel-2 和 Landsat 时序数据，为地球上每个 10 米像素生成 128 维向量，前 64 维也可单独使用。
Google DeepMindAI 评分5858 Google DeepMind 发布 ForTy 2020 全球森林类型地图
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每 10×10 米地块划入六类森林与土地利用类型，作为 EUDR 的关键基线。
Hugging Face BlogAI 评分3838 IBM Granite 时序模型推出集成预测方案
IBM 基于四个开源 Granite 时序模型推出 Granite Timeseries Ensemble，提供统一预测接口，无需重训即可输出中位数与分位数预测。默认的 Probabilistic Ensemble 采用等权概率池化，另有按预测区间宽度加权的 IQR Ensemble 可选。该方案在 97 个 GIFT-Eval 数据集配置上完成评测，模型与配方均以宽松许可开放。
NVIDIA Blog精选AI 评分6060 NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真检查点与数据工厂蓝图
NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真检查点和 Cosmos Data Factory 蓝图，用于世界模型的训练、评估与部署。
推荐理由：原文给出数据工厂蓝图、框架技能和 NIM 推理提速的具体变化，读者可据此判断世界模型开发链路的可用性。
AWS Machine Learning BlogAI 评分3434 在 AWS Trainium 上用 torchtitan 训练 Qwen3
在单台 trn2.48xlarge 上，torchtitan 可通过 TorchNeuron 将 Trainium 注册为原生 PyTorch 设备，并以三种方式训练 Qwen3-4B-Instruct-2507：Transformers v5 后端、torchtitan 原生 Qwen3 实现，以及挂载 NKI MoE kernel。
AWS Machine Learning BlogAI 评分1818 U.S. Hunger 如何用 Amazon Quick 连接领导层与数据
美国非营利组织 U.S. Hunger 借助 Amazon Quick 让领导层直接探索组织数据，并通过 Quick Spaces 共享 KPI 定义、财务文档与分析，目前已有 17 名同事获得访问权限。其数据由 Impact Manager 平台经 SQL Server 每晚 2 点（美东时间）刷新至 SPICE 内存引擎，CEO 日常以聊天为主要 AI 工作区，最常用 Spaces 功能。
Hugging Face BlogAI 评分5858 VocabX 如何通过特化 SLM 词表将推理成本降低 77%
Dharma-AI 在 Hugging Face 博客中介绍即将发表的 VocabX 论文，称在不更换基座模型、数据和训练配方的前提下，围绕每个 token 的成本而非出现频率重建词表，使基于 Qwen3-4B 的葡语作文评分器实测推理成本下降 77.0%。
Hugging Face Blog精选AI 评分7878 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化。给定预测查询时，它最多读取 1 万个历史样本作为上下文，一次前向传播输出流失、需求或欺诈等结果。
推荐理由：官方披露了预训练关系型基础模型在 41 项基准上超越监督学习的结果，以及无需训练、直接查询数据库的使用方式。
Hugging Face BlogAI 评分5050 NVIDIA Kumo Forecast：结合预训练时序表示、历史模式检索与可解释性
NVIDIA 推出多变量时序预测模型 Kumo Forecast（原 NV-Tesseract Forecasting），基于 MOMENT-1-large 主干，约 3.4 亿参数编码器加可训练预测头，采用 Apache 2.0 许可开源。
AWS Machine Learning BlogAI 评分4040 i14 的 Laplace 3B 线性注意力模型如何在 AWS Trainium2 上用原生 PyTorch 训练与推理
i14 与 AWS 合作，通过 TorchNeuron Native 的原生 PyTorch 支持，将采用 Gated Linear Attention 的 Laplace 3B 线性注意力模型移植到 AWS Trainium2，并保留其 GLA 设计与 Muon 优化器。
AWS Machine Learning BlogAI 评分4040 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理
在 Amazon SageMaker HyperPod 上，团队用 SFT 与 GRPO 微调开源推理模型 GPT-OSS-20B，使其按指定语言进行链式推理。
Google Research精选AI 评分6262 Google Research 让 AI 智能体落地湿实验室：VERID 框架与闭环分子发现
Google Research 发布研究博客，介绍让 AI 智能体在湿实验室中安全执行实验的三项工作。VERID 框架为实验室工作单元构建语义数字孪生，支持实时 3D 状态追踪、快速虚拟预演、硬件安全检查与同步视频日志，案例中智能体在板读仪故障后无需重新移液即可恢复运行，并通过闭环自博弈将染料混合物重建精度提升五倍以上。
推荐理由：Google Research 用 VERID 数字孪生和闭环实验，展示智能体如何在湿实验室里自我纠错并优化分子设计。
Hugging Face Blog精选AI 评分6262 NVIDIA 与 AI4Bharat 发布 Nemotron-pretraining-Indic-v1：2.8 万亿 token 与开放数据生成流程
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，并同步开放用于生成该语料的 GPU 加速数据生成流程。
推荐理由：原文公开了约 2.8 万亿 token 的语料构成与完整生成流程，读者可据此评估 Indic 预训练数据的可复用程度。
Google DeepMind精选AI 评分6262 Google DeepMind 用 Google Antigravity 加速抗菌肽发现
Google DeepMind 介绍用其智能体开发平台 Google Antigravity 加速抗菌肽发现，把原本分散在多个数据库的检索压缩到单次会话中。平台内置 Biomolecular Structure Viewer，可嵌入 3D 结构可视化，让研究者与智能体共享同一视觉状态并双向同步标注。
推荐理由：原文展示了智能体平台把跨库检索与结构分析压缩进单次会话的具体流程，可据此判断科研工作流的改动幅度。
Mistral AI精选AI 评分7171 Mistral 发布时间序列基础模型 Timestral
Mistral 发布首个时间序列基础模型系列 Timestral，最大模型仅 209M 参数，在 GIFT-Eval、TIME、fev-bench 三个公开基准上均排名第一，超过此前 SOTA 且参数量只有其三分之二。
推荐理由：Mistral 首次进入时间序列基础模型领域，给出四个尺寸与三项基准排名，可据此判断小参数模型在预测任务上的可用性。
NVIDIA BlogAI 评分3636 NVIDIA 通过开放学习资源、合作与算力扩大欧洲科研界先进技术获取
NVIDIA 加入欧盟委员会在都柏林 AI in Science Summit 上启动的 AI in Science Enablers Initiative，为欧洲研究界提供加速工具、算力与培训支持。
Hugging Face BlogAI 评分5252 Ai2 发布 HiRO-ACEv2：以约 1/300 成本生成全球 3 km 气候数据
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其新的降尺度模型 HiROv2 可同时预测多个高分辨率场，不再只限于降雨，并能更准确地还原极端降雨、风速和气压事件。
Google ResearchAI 评分3838 Google Research 展示 10 项进展：Google Earth AI、Deep Review 等
Google 在 Research@ 活动上展示 10 项研究进展，包括扩展 Google Earth AI 早期访问、向公众开放 Deep Review、以及预告与 Synaptics 联合设计的下一代低功耗 Edge AI 芯片。
Google Research精选AI 评分6262 Google 发布地理空间推理智能体技术报告与两个新基准
Google 发布地理空间推理智能体的技术报告，系统评测了四种智能体配置在四个基准上的表现，并开源了自研的 GeoExpertQueries 与 GeoKTools 两个基准的开发集。
推荐理由：Google 公开了地理空间推理智能体的技术报告与两个新基准，并给出与 WHO 等机构的实测案例，可了解专用工具与前置规划对空间推理的作用。
NVIDIA BlogAI 评分2222 NVIDIA 宣布投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 等英国初创企业
NVIDIA 宣布计划投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 与量子计算初创公司，并作为 Global Alliance Founding Partner 与 Earthshot Prize 合作。
Microsoft ResearchAI 评分4040 微软 StudentSim：用个性化学生模拟器在真实学习者之前评估 AI 辅导
微软研究院推出 StudentSim，一个在真实学习者测试之前评估和改进 AI 辅导系统的研究系统，并非产品、不部署于课堂。它基于公开的去标识化学习记录训练个性化 AI 学生模拟器，每位学生一个模拟器，并配套推出覆盖国际象棋、第二语言英语写作和数学的 StudentSimEval 基准，从行为保真度和指导响应度两个维度评估模拟器，表现优于主流基线，可为训练 AI 辅导提供反馈信号。
Hugging Face BlogAI 评分3434 Ai2 如何用 GPU 时间预算与分层公平分配改造 GPU 集群调度
Ai2 用 GPU 时间预算、分层公平分配和时间切片合约替换了原有优先级调度器，把"每个研究项目该分多少 GPU 时间"从事后逐案协调变成透明的预算分配流程。Ai2 管理数千块 NVIDIA H100、B200 和 B300 GPU，集群规模 88 至 1024 块，服务约 150 名内部研究者，待处理需求常年是可用算力的 2-3 倍。
Hugging Face Blog精选AI 评分7676 作者用 ML Intern 两天自建六个模型，总花费约 103 美元
作者借助 HuggingChat 中的 ML Intern，在两天内做出六个模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机视角 LoRA、Doodle-in LoRA 和 Agate 4-step 蒸馏模型，总计算成本约 103 美元。
推荐理由：作者用 ML Intern 在两天内自建六个模型，公开了完整提示词与成本明细，可迁移到自己的训练流程。
AWS Machine Learning BlogAI 评分2222 用 Amazon SageMaker HyperPod 实现 GPU 集群跨团队隔离与公平共享
AWS 发布基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构，让多个团队共享同一 GPU 集群。
Google Research精选AI 评分6666 Google Research 三个月实地实验：AI 辅助提升专利撰写产出，但初级律师无辅助判断力未同步提升
Google Research 与 NBER 发布一项为期三个月的实地实验，在 11 家知识产权律所的 133 名律师中随机开放当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）。
推荐理由：三个月实地实验区分了AI带来的即时产出提升与无辅助判断力变化，为理解AI对专业能力养成的影响提供了少见的长期证据。
Microsoft Research精选AI 评分6262 微软研究院开源 Agent Lightning v1.0：3500 行轻量级 Agentic RL 框架
微软研究院亚洲团队开源 Agent Lightning v1.0，提出 Harnessed Agentic RL 训练范式，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架内重新实现 agent。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把真实 harness 直接接入 RL 训练，并给出 6000 样本提升 14.6 个百分点的完整流程。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和反馈驱动的推理循环做出两个专精系统，分别在 IOI 2026 和 IMO 2026 达到金牌水平。
推荐理由：原文给出从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与开源资产，可看领域专精模型如何与推理循环协同。
OpenAI News精选AI 评分6060 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。材料仅提供摘要，未给出具体问题、模型名称或结果数据。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并放出 Lean 形式化证明与细节，可据此了解其数学推理进展。
AWS Machine Learning BlogAI 评分2222 Amazon SageMaker HyperPod 管理与治理最佳实践
AWS 介绍如何通过 SageMaker Unified Studio 管理 SageMaker HyperPod 集群，在让 ML 团队从项目工作区提交任务的同时保留底层治理控制。文章提出组织、项目、集群、工作负载四层控制模型，分别对应身份、容量与可观测性策略，并强调 HyperPod 连接不会取代 IAM、Amazon EKS 或 Slurm 原有控制。
Google ResearchAI 评分4949 Google Earth AI 的 PDFM 地理空间基础模型如何用于全球公共卫生
Google Research 展示 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）可作为即插即用的地理空间基础模型输入，无需任务特定微调即可增强现有流行病学模型。
Hugging Face BlogAI 评分3434 Falcon-Emirati-7B：让 LLM 学会阿联酋方言、文化与语感
Falcon-Emirati-7B 发布，这是一个基于 Falcon-H1-Arabic 的方言专用模型，专门理解和生成阿联酋阿拉伯语，覆盖词汇、语气与文化语境。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
AWS 团队介绍如何用 Amazon SageMaker AI 的多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，仅调整 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数，其余走默认值。
推荐理由：AWS 团队公开了用多轮 RL 微调搜索智能体的完整配置与四个基准的对比数据，可据此评估该方法在自有检索场景的迁移成本。
Hugging Face Blog精选AI 评分6161 Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，已在 Asta 的 Generate a report 功能中以 Fast 模式上线，同时开放模型权重和训练数据。
推荐理由：原文给出 AstaBrief 的训练数据构造与过滤细节，读者可据此判断小模型做科学报告生成的可行路径。
Hugging Face BlogAI 评分4242 ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功示范，定位能力缺口并生成、验证新的可执行训练任务，随模型提升动态调整课程。该流程在 EnterpriseOps Gym 数据集上进行了演示，生成的任务需满足可行性、真实性与难度三项属性，验证器则要求一致性、可靠性与完备性。