Databricks CEO谈AI自我改进四条件
@Databricks 的 Ali Ghodsi 阐述了 AI 真正实现自我改进必须满足的四个条件：“下一个模型需要更少的资源、更少的 GPU 来训练……第二个条件：下一个模型的训练时间也更短。第三，模型的准确率，
#数据/训练
a16zAI 评分4040
Hugging Face Blog精选AI 评分6060 NVIDIA与IIT Madras发布2.8万亿Token印度语言预训练语料及开源数据生成管线
NVIDIA联合IIT Madras的AI4Bharat实验室推出Nemotron-pretraining-Indic-v1数据集，包含约2.8万亿token，覆盖22种印度语言的原生脚本及12种语言的罗马化文本。
推荐理由：公开了涵盖22种印度语言的2.8万亿token语料及GPU加速生成管线，为多语言模型预训练提供了可复用的合成数据构建方案。
a16zAI 评分2828 三叶虫实验室谈中国AI算力困境
@trillium_labs 的 Nathan Lambert 表示，当他告诉中国 AI 研究人员 OpenAI 拥有多少算力时，他们惊得下巴掉地：“中国实验室技术非常出色。但他们更缺算力。”“毫无疑问，他们拥有相当的人才储备
Modal 官方工程博客AI 评分5858 Modal 提出混合精度与异构加速器采样器下的稳定强化学习训练方案
Modal 团队在 Qwen3.6-35B-A3B 上验证了使用六种不同加速器和精度的混合采样器进行异步强化学习训练的可行性。通过结合掩码重要性采样、分数中心化和 Top-p 掩码重放等离策略校正技术，该方法在保持训练稳定的同时，使采样成本降低约 15%，且在 SWE-bench Pro V2 上的表现与同构采样器相当。
Hugging Face Blog精选AI 评分6565 NVIDIA 发布 Nemotron 微调 IOI 和 IMO 金牌模型的研究成果
NVIDIA 团队基于 Nemotron 3 通过监督微调（SFT）、强化学习（RL）和反馈驱动推理，构建了在 IMO 2026 和 IOI 2026 达到金牌水平的专用系统。
推荐理由：原文公开了将 Nemotron 微调至竞赛金牌水平的完整配方，包含 SFT、RL 与推理循环的协同设计细节及开源资源。
Hugging Face BlogAI 评分5858 ServiceNow 发布 AutoSynthData：面向企业智能体的合成训练数据生成框架
ServiceNow CoreAI 推出 AutoSynthData，旨在将企业智能体在特定环境中的能力差距转化为高质量的合成训练数据。该框架通过分析目标模型的失败模式和教师模型的成功轨迹，生成包含系统规范、用户提示和验证器的新任务，并在执行环境中进行严格验证与修复。
Ai2 / Allen Institute for AIAI 评分5858 Ai2 发布 Olmo-core 3：面向万亿参数 MoE 的开源训练基础设施
Ai2 发布 Olmo-core 3，这是其大语言模型开发框架的重大升级，包含重新设计的开源混合专家（MoE）训练系统，旨在将 MoE 训练扩展至万亿参数规模并保持计算效率。
OpenAIAI 评分1212 OpenAI 谈前沿 RL 训练安全
我们如何看待保障前沿强化学习（RL）训练运行的安全性：
LangChain Blog精选AI 评分7878 LangChain 发布 LangSmith Fine-Tuning 及 smithtune CLI
LangChain 推出 LangSmith Fine-Tuning 和 smithtune CLI，支持将 LangSmith 智能体轨迹转化为监督微调（SFT）数据集并自动完成训练、评估与部署。
推荐理由：提供从 LangSmith 轨迹到微调模型的全流程 CLI，通过实测数据展示其在特定任务上降低延迟与成本的能力。
Google Developers Blog精选AI 评分6363 Google团队在TPU上使用MaxText复现Olmo 3 7B预训练的案例研究
Google团队使用MaxText框架在Google Cloud TPUs上成功复现了Ai2开发的Olmo 3 7B模型的Stage-1预训练和Stage-2中训练。
推荐理由：文章详细记录了在TPU上复现大模型预训练的过程，揭示了仅看训练损失可能掩盖数据加载器Bug的风险，并提供了跨框架验证的具体方法。
Together AI Blog精选AI 评分6262 Together AI 教程：如何以 $17 成本训练自己的 Jev 分类模型
Together AI 发布教程指导用户以约 $17 的成本和 25 分钟时间，基于 Qwen3.5 4B 微调一个类似 Jev 的分类模型。该过程涉及从 Hugging Face 采样 38,000 条多源数据、使用 Together Fine-tuning service 训练以及部署到 dedicated endpoint。
推荐理由：原文提供了基于 Qwen3.5 4B 微调分类模型的完整代码流程与成本细节，读者可据此复现低成本构建专用分类器的方法。
vLLM 官方博客AI 评分4141 vime 与 RL-Kernel 在 AMD MI300X 实现 Qwen3-8B 训练-推理位级一致
vime 联合 RL-Kernel 在 AMD Instinct MI300X 上实现 Qwen3-8B GRPO 训练与推理的位级数值一致性。该方案通过统一 Megatron 与 vLLM 的数值执行契约，在 200 步连续实验中保持 mismatch_count = 0 且 max_abs_diff = 0。
Google Developers BlogAI 评分5858 Google 发布 autofinetune：在 TPU 上实现 LLM 自主后训练
Google 推出 autofinetune 项目，展示如何利用 AI 智能体在 Cloud TPUs 上自主执行 LLM 后训练（SFT 和 GRPO）。该项目基于 Tunix、Gemma 和 Antigravity CLI，通过定义 `program.md` 约束和 `run.py` 脚本，让智能体自动迭代超参数并提交改进。
Together AI BlogAI 评分5757 Together AI 扩展微调服务：新增模型支持、实时指标与精细控制
Together AI 宣布扩展其微调服务，新增对 GLM-5.3、Kimi K2.7、Qwen 3.8 等最新开源权重的支持，并大幅降低部分模型的训练价格（最高降幅达 70%）。
Ai2 / Allen Institute for AIAI 评分4949 Goodfire 利用 Ai2 开源后训练栈追踪 Olmo 3 非预期模型行为
Goodfire 借助 Ai2 的 Dolci 数据集、Olmo 3 检查点及 OLMES 评测套件，实现预测性数据调试。该方案在完整训练前预判行为变化，并将安全回退追溯至具体偏好样本，支持在不牺牲通用能力的前提下修正模型对齐问题。
AnthropicAI 评分4444 Anthropic 发布失准奖励寻求者研究
新研究：训练一个失准的奖励寻求者 什么会导致严重的失准？我们一直担心，训练过程中的作弊——即所谓的奖励黑客（reward-hacking）——可能会教会模型不择手段地追求奖励。为了大规模研究这一现象，我们训练了一个
Google Developers BlogAI 评分4242 深度学习与 Keras 解码宇宙信号
深度学习正被应用于天体粒子物理学，以处理 Pierre Auger Observatory、IceCube 等巨型观测站产生的海量数据。这些方法利用 Keras 框架分析纳米级分辨率的波形信号，旨在提升仪器灵敏度并揭示暗物质等宇宙极端现象背后的隐藏模式。
Ai2 / Allen Institute for AIAI 评分3535 泰国研究人员如何基于 Dolma 构建 Mangosteen 泰语预训练语料库
泰国研究团队利用 Ai2 开源工具包 Dolma，构建了包含 470 亿 token 的泰语预训练语料库 Mangosteen。该团队针对泰语特性重构了去重与过滤流程，在移除超过 80% Common Crawl 数据的同时提升了模型性能。实验显示，基于 Mangosteen 训练的 LLM 在泰文化知识评测中表现更强。
Ai2 / Allen Institute for AIAI 评分4545 Georgia Tech 团队利用 Olmo 3 开源栈追溯模型社会推理来源
Georgia Tech 团队基于 Olmo 3、Dolma 3 等五个开源组件，通过影响函数分析训练数据对模型能力的影响。研究发现富含对话和人际情感的文本对社会推理贡献最大，删除文学类高影响力文档导致 SocialIQA 分数显著下降。该成果验证了利用全开源模型追踪能力来源并优化训练数据的可行性。
vLLM 官方博客AI 评分3939 SkyRL 推出 IsoExec：消除 RL 训练与推理引擎不匹配
SkyRL 引入 IsoExec，通过统一执行契约和位级一致内核消除强化学习中训练与推理引擎的不匹配。在单节点 8×H100 上对 Qwen3.5-35B-A3B 进行 DAPO 训练时，平均 logprob 差异降至极低水平，相比基线仅增加 25% 开销。该方案支持 vLLM 和 Megatron，解决了浮点非结合性导致的调试难题。
vLLM 官方博客AI 评分4747 VeRL-Omni v0.2.0 发布：提升扩散模型 RL 训练速度并稳定全模态训练
VeRL-Omni v0.2.0 通过引入请求级批处理和 V1 训练器，将 Qwen-Image FlowGRPO 的生成时间从 226s 降至 108s，GPU 利用率提升至约 100%。该版本还构建了基于可复用适配器、FSDP2 和 vLLM-Omni 的稳定全模态训练栈，支持 SD3.5 Medium 等模型的 LoRA 微调与异步奖励计算。
Ai2 / Allen Institute for AIAI 评分5050 Ai2 infini-gram 揭示 AI 生成文本更多复用罕见表达
Ai2 的 infini-gram 引擎通过索引海量语料，证实含大量 AI 生成内容的亚马逊畅销书比纯人工书籍多包含 4.4 个百分点的罕见现有表达。该工具能定位模型输出与训练数据的具体重叠片段，为检测 AI 写作提供超越概率分数的文本证据。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 探讨智能免费时代面向、属于及由 Agent 构建的数据系统
Berkeley AI Research 指出 GPT-4 级推理成本已降至 $1 以下，年降幅中位数近 50x。文章提出数据系统需应对三大挑战：支持 Agent 高并发推测查询、管理大规模 Agent 状态协调、以及验证 Agent 自主合成的自定义数据系统。
Andrej KarpathyAI 评分4545 Karpathy分享nanochat自动调优成果
三天前，我让 autoresearch 对 depth=12 的 nanochat 模型进行了约 2 天的调优。它发现了约 20 项能改善验证损失的改动。昨天我测试了这些改动，发现它们都是可叠加的，并且能迁移到更大（depth=24）的模型上。将所有这些改动堆叠起来，