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。
The Verge · AIAI 评分5858 Google 更新隐私政策，个人数据接入 AI 功能后或用于广告定向
Google 更新隐私政策，为不使用 Drive、Gmail、Google Photos 数据做个性化广告的承诺新增例外：若用户选择将这些服务的数据开放给支持个性化广告的其他 Google 服务，则可能被用于广告定向。
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。
The Verge · AIAI 评分5050 Citrini 与 Anthropic 用 Claude 设计蝎子抗毒血清，未能造出药物
投资研究公司 Citrini 与 Anthropic 合作，用未发布版 Claude 尝试从零设计蝎子抗毒血清蛋白，最终未能造出药物。Claude 在 64 小时内生成近 32 万个候选蛋白，筛选出 211 个设计送检，其中 17 个能结合 5 种蝎毒中的 4 种，但无一能同时结合多种毒素。专家指出，结合毒素不等于能中和毒素，实验结果“远未成为药物且被夸大”。
The DecoderAI 评分7575 OpenAI 智能体 32 分钟完成小鼠脑数据分析，人工需数月
OpenAI 与 PerturbAI、Scripps Research 合作，用数千个基于 GPT-Rosalind 的智能体分析数百万个小鼠细胞的脑部 CRISPR 图谱，全程耗时 32 分钟，团队估计人工完成需数月至一年。
MIT Technology Review · AIAI 评分2727 AI 的隐性存储账单：推理结束后留下了什么
WD 内部测量显示，一段 8 秒 AI 视频（用户拿到的是 3.97MB 的 720p 文件）在后端留下超过 500MB 关联数据，是输出文件体积的 130 倍。
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。
TechCrunch · AIAI 评分4040 Blackstone 的 Jas Khaira 称对 AI 基建债务的担忧被夸大
Blackstone 高管 Jas Khaira 在 TechCrunch Disrupt 上表示，市场对 AI 基建债务引发信贷危机的担忧被夸大，因为多数数据中心为超大规模云厂商而建，债务最终由全球信用最好的公司背书。
The Verge · AIAI 评分5858 报告称数据中心或抹去德州数十年空气质量改善成果
休斯顿高级研究中心（HARC）的新报告测算，若德州所有规划中的数据中心按预期电网结构接入供电，五年内电力部门的细颗粒物污染将增至三倍以上，达到2006年以来最高水平，形成雾霾的NOx排放将增加136%，接近2004年水平，二氧化碳排放将比2025年高出90%。
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。
Ars Technica · AIAI 评分4242 Meta 因 AI 争议从商业服务条款中删除“训练”一词
Meta 在遭遇 AI 争议后，从其商业服务条款中删除了“训练”一词，但未加入尊重 robots.txt 的表述。此次调整涉及 AI 数据抓取政策，条款措辞变化未附带对 robots.txt 的明确遵从承诺。
Ars Technica · AIAI 评分4242 Meta 被指让下载盗版书籍训练 AI 的员工背锅，以保全高管
Meta 在盗版书籍训练 AI 的诉讼中主张，没有人“决定”去盗版书籍，试图将责任归于下载种子的员工而非高管。
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。
TechCrunch · AIAI 评分3838 Electric Plant 用大语言模型 Bombadil 解读植物电信号，完成 1120 万美元种子轮融资
Electric Plant 构建的大语言模型 Bombadil 可解读约 125 种植物体内的电信号，并将植物需求反馈给种植者，公司已完成由 Onto Ventures 和 Climactic 领投的 1120 万美元种子轮融资。
TechCrunch · AIAI 评分7171 Eka Robotics 完成 1.5 亿美元 A 轮融资，估值 14.5 亿美元
Eka Robotics 完成 1.5 亿美元 A 轮融资，由 a16z 和 F-Prime 领投，投后估值 14.5 亿美元。
MIT Technology Review · AIAI 评分2222 各行业 AI 采用率差异揭示了其他行业可借鉴的经验
TripleTen 调查显示，科技行业领跑 AI 采用，金融紧随其后：48% 的金融从业者被要求使用 AI 聊天机器人、32% 被要求自动化部分工作流，医疗和教育的这一比例分别为 18% 和 25%。79% 的受访者被要求学习至少一项新技能，但仅 30% 的管理者认为判断 AI 输出对错是必备能力。员工主导的 AI 创新中 88% 成为公司标准做法。
TechCrunch · AIAI 评分6262 AWS 发布 TorchNeuron 开发工具，让 PyTorch 应用改一行配置跑在 Trainium 上
AWS 发布 TorchNeuron 开发工具，基于 PyTorch 的应用只需改一行配置即可运行在亚马逊自研芯片 Trainium 上，无需重写代码。AWS 称约 85% 的 AI 应用用 PyTorch 编写，并计划把移除框架与特定芯片绑定关系的代码贡献给 PyTorch 上游项目。
TechCrunch · AIAI 评分5555 Tenstorrent 以 62 亿美元估值融资 15 亿美元，加码开源权重模型推理芯片
芯片初创公司 Tenstorrent 完成 15 亿美元融资，估值达 62 亿美元，较 2024 年底的 26 亿美元翻了一倍多。本轮由 Trace Capital 和 Innovation X 领投，Cadence Ventures、Eclipse、Fidelity、SanDisk、T. Rowe Price 参投。
The Decoder精选AI 评分7878 Anthropic 内部研究：AI 智能体工时达人类 6 倍，初级技术岗位招聘大幅收缩
Anthropic 发布的内部研究显示，自 2025 年初以来技术部门初级岗位占比从 21% 降至 14%，初级新员工占比从 27% 降至 9%，开放初级岗位降至 6%。到 2026 年 8 月，其 AI 智能体记录的工作时长已是人类员工的 6 倍，研究部门达到 19:1。研究同时承认 Anthropic 是 AI 使用极密集的特殊样本，结果难以直接映射到整体经济。
推荐理由：Anthropic 内部研究显示初级岗位占比随 AI 智能体工时上升而下降，文中也点出这一样本的特殊性。
MIT Technology Review · AIAI 评分5858 MIT Technology Review 圆桌对话：AI 设计病毒的创造者谈用生成式模型提出病毒基因蓝图
MIT Technology Review 发布一场圆桌对话，资深 AI 记者 James O'Donnell 采访斯坦福大学博士生 Samuel King，讨论其用生成式 AI 模型提出微观病毒基因蓝图的工作。
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。
TechCrunch · AIAI 评分6262 Vercel 数据：Jev 成为其采用最快的 AI 模型
Vercel 周四公布的数据显示，TypeSafe AI 的决策模型 Jev 上线两周内被 35% 的付费团队使用，采用速度约为第二热门模型 Sonnet 5.5 的两倍，是 Vercel 网关记录中首两周采用最快的模型。
Ars Technica · AIAI 评分5858 Meta 或借新版商业服务条款规避数百万美元 AI 授权费
Meta 对商业服务条款进行了简化，法律专家警告这可能是一次 AI 领域的权力扩张，或帮助 Meta 规避数百万美元的 AI 授权费用。
The Verge · AIAI 评分7171 Meta 新商业条款或允许其免费抓取新闻网站内容训练 AI
Meta 将于 10 月 30 日生效的新商业条款，据 Nieman Lab 报道，可能允许其抓取和使用与使用其平台的企业“相关”的网站内容，包括在线出版商的内容，用于“开发、改进、研究”和“训练”其 AI 产品。
The DecoderAI 评分4848 OpenAI 推出 Rosalind Academic Plan：美国高校研究实验室可免费获得最多 30 个席位
OpenAI 推出 Rosalind Academic Plan，面向美国高校研究实验室免费提供最多 30 个 Business Standard 席位，为期最长 12 个月，不含 API 访问。
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。