Sakana AI 自改进模型更擅长求解与评判，但难以发现自身盲点
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS），用同一个模型承担求解、评判与流程优化，测试任务胜率从 53.9% 升至 69.9%。
#数据/训练
The DecoderAI 评分5454 TechCrunch · AIAI 评分5454 WindBorne 获美国空军最高 4900 万美元气球数据合同
WindBorne 与美国空军达成气球数据采购合同，合同总额最高 4900 万美元。目前军方已下达 170 万美元订单，可按区域和时段继续增购。公司现有约 700 个自主气象气球，收集的大气数据还用于自研 AI 气象模型 WeatherMesh 6。
Microsoft ResearchAI 评分4444 StudentSim 模拟学生学习以改进 AI 辅导
Microsoft Research 的 StudentSim 系统用公开、去标识的学习记录训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 导师。在 StudentSimEval 基准上，StudentSim 在国际象棋、二语英语写作和数学中优于领先基线，并为 AI 导师训练提供有用的反馈信号。它只是研究系统，不部署于课堂，也不替代教师。
Import AIAI 评分5252 Import AI 476：创造力与 RSI、落后于中国的开源权重模型与 AI 走向太空
Jack Clark 梳理了多模态视觉推理基准 HSS、研究品味 TasteVal 和开源权重模型等动态。HSS 显示最优模型得分 53.6，人类为 93.1；TasteVal 表明前沿模型研究品味每 3 个月翻倍，他据此将递归自我改进提前至 2027。Reflection 与 Mistral 分别发布开源权重模型，但基准分数低于 GLM-5.3 和 Kimi K3。
The Verge · AIAI 评分6060 AI 智能体厂商承诺隐私，实际交付仍存疑
OpenAI 与 Meta 等 AI 智能体厂商竞相承诺隐私，但 Meta Muse 出现安全漏洞和默认数据收集，OpenAI Dots 则推出更强控制和零数据保留。Meta 计划稍后推出加密阻止访问，但目前 Meta 仍能访问数据；Dots 隐私丑闻较少，可能与其仅限高价订阅有关。
Hugging Face BlogAI 评分4444 Ai2 面向 GPU 集群的高影响力调度
Ai2 已将 GPU 集群调度从基于优先级的机制改为 GPU 时间预算、分层公平份额分配和分时契约系统，使高影响力研究的资源分配成为透明预算流程。该团队管理数千块 NVIDIA H100、B200、B300 GPU，服务约 150 名研究者，需求常为可用 GPU 的 2-3 倍。旧优先级调度出现 GPU 占坑和优先级通胀；新预算制让管理者像投资者一样提前配置 GPU 时间。
Latent SpaceAI 评分3838 合成超级智能：从半导体到超导体——Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 阐述“合成超级智能”愿景：让 AI 在物理实验中做强化学习，以发现从半导体到超导体的新材料。
Hugging Face Blog精选AI 评分7575 用 ML Intern 构建六个自定义模型的流程与成本复盘
作者在 Hugging Chat 的 ML Intern 模式下，以约 103 美元总计算成本构建了六个自定义模型，覆盖柑橘病害识别、角色 LoRA、相机视角 LoRA、局部编辑 LoRA、0.8B 提示词重写器和 4 步扩散模型。
推荐理由：它给出从零预算、基线和冒烟测试到交付限价的提示词结构，并列出六个模型的成本，可作为小规模微调的成本参考。
Microsoft Research精选AI 评分7373 Agent Lightning v1.0 发布，以 3,500 行轻量框架支持真实 harness 强化学习
Microsoft Research Asia 发布并开源 Agent Lightning v1.0，一个约 3,500 行的轻量 Agentic RL 框架，让部署中使用的同一 agent harness 直接参与强化学习。
推荐理由：用 3,500 行框架让部署 harness 直接参与强化学习，并以约 6,000 条样本把 Qwen3.5-9B 的 SWE-bench Verified 从 41.8% 提到 56.4%。
Hugging Face Blog精选AI 评分6969 Nemotron 微调后在 IOI 与 IMO 均达到金牌水平
Nemotron Labs 团队微调 Nemotron 3，在 IOI 2026 和 IMO 2026 均达到金牌水平，分别得分 535.4/600 和 30/42。
推荐理由：原文给出可复用的四步微调配方，并开放检查点与数据，为竞赛级任务的领域专业化提供了具体参照。
MIT Technology Review · AIAI 评分4343 连接 AI 智能体与企业知识
数据与知识薄弱正阻碍企业 AI 智能体落地：对 300 名数据、AI 及其他技术高管的调查显示，平均仅约 34% 的智能体 AI 项目进入生产。知识能力与智能体成功率相关，生产领先者约有 61% 的项目能推进到试点之后，语义知识能力更强。数据碎片化是最常被提及的挑战（55%），企业将优先投资检索技术、AI 评估智能体和知识图谱。
Google ResearchAI 评分5555 Google 提出基于可信执行环境（TEE）的可证明隐私联邦学习系统
Google 推出新一代基于可信执行环境（TEE）的联邦学习系统，利用远程证明、机密性和完整性实现端到端可验证的数据匿名化，并已将 Gboard 英文和日文输入预测模型切换至该系统。新系统把客户端梯度计算移至服务器，训练瓶颈从设备可用性转移到 TEE 资源，带来显著加速。设备数据只能在访问策略规定的 TEE 内解密处理，并通过公开透明日志和可重现构建支持外部审计。
Hugging Face BlogAI 评分4545 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建的 AutoSynthData 将目标模型的失败与更强教师模型的成功作为依据，生成并验证针对企业智能体能力短板的新任务。每个生成任务包含系统规范、用户提示词和验证器，并需满足可行性、真实性与难度要求。模型改进后课程会转向仍困难的任务，文中以 EnterpriseOps Gym 和已发布数据集说明该流程。
Microsoft ResearchAI 评分5757 Microsoft Research 推出面向生物复杂性的 AI 研究系统 Quine
Microsoft Research 推出 Quine，一个面向生物复杂性的 AI 研究系统，包含多模态生物学世界模型和连接模型、科学工具、文献与科学家的交互式框架。
Mistral AIAI 评分4343 Cloudera 与 Mistral 达成合作，为企业数据带来专业化、主权智能
Mistral 与 Cloudera 宣布合作，将 Mistral 模型集成到 Cloudera 混合数据平台，让企业可在私有云、公有云、本地及完全气隙环境部署模型并运行推理。
Google DeepMindAI 评分5959 Google DeepMind 发布 AlphaGenome Atlas 预测图谱，覆盖人类基因组全部约 90 亿个单核苷酸变异效应
Google DeepMind 发布 AlphaGenome Atlas，提供人类基因组全部约 90 亿个单核苷酸变异的分子效应预测，数据集约 1 PB。该平台同时推出 AVI 评分，可对编码和非编码区变异进行排序，并通过网站、AlphaGenome API 和 Google Antigravity 开放。
Berkeley AI ResearchAI 评分4242 ABBEL 教 LLM 更新信念以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 交互历史总结为可监督的自然语言信念状态，并通过 belief grading 优化信念内容以支撑长程交互。
Berkeley AI ResearchAI 评分4343 自适应并行推理：高效推理扩展的下一范式
自适应并行推理是高效推理扩展的下一范式，核心是让推理模型自行决定何时分解并并行化独立子任务、启动多少并发线程以及如何协调。文章对比了自洽性/多数投票、Best-of-N、MCTS、ParaThinker、GroupThink、Hogwild! Inference 等并行推理方法，指出它们大多由模型外部固定并行结构，难以适配不同问题的并行度需求。
Berkeley AI ResearchAI 评分5151 SPEX 与 ProxySPEX 实现 LLM 交互的大规模识别
Berkeley AI Research 提出了 SPEX 与 ProxySPEX 两个算法，利用稀疏性、低度性与层级性，把交互发现规模从几十个组件扩展到数千个。ProxySPEX 用约十分之一的消融次数达到与 SPEX 相当的性能，并已用于长上下文特征归因、数据归因和注意力头剪枝。代码已并入 SHAP-IQ 仓库。