OpenAI：合理使用让所有人受益
OpenAI 分享了来自创作者、学者、无障碍倡导者及法律专家等提交的法庭陈词摘录，说明合理使用如何支持 AI 训练与创新。各方陈词从多元视角阐述了合理使用制度在推动技术发展中的作用，强调其能够让所有人共同受益。
#数据/训练
OpenAI NewsAI 评分3838 OpenAI NewsAI 评分5555 OpenAI 宣布遵守 robots.txt 共享信号，支持网站表达 AI 训练数据偏好
OpenAI 宣布将遵守一种共享的 robots.txt 信号，帮助网站运营者向各参与服务商传达其 AI 训练数据使用偏好。原文仅提供摘要，具体实施细节未披露。
Microsoft ResearchAI 评分4242 从合成企业数据评测到提升 Microsoft Copilot 的 AI 置信度
微软构建 Industry Evaluation Data Generation Platform，通过全尺度合成企业环境评测 Microsoft Copilot，在不接触客户数据的前提下验证性能。该平台基于 O*NET、在线招聘与 SEC 申报等公开数据源，模拟具备真实时序的邮件、会议和组织架构。目前已针对制药、资本市场及 IT 软件构建三类仿真环境，用以发现通用基准难以覆盖的问题。
AWS Machine Learning BlogAI 评分4949 在 Amazon EKS 上使用 Ray Train DLC 与 EFA 进行分布式训练
AWS 演示了在 Amazon EKS 上利用 Ray Train DLC 与 EFA 进行分布式训练的方案，避免手动构建复杂的 GPU 与网络镜像。示例借助 KubeRay 在两台 g6.12xlarge 实例（共 8 张 NVIDIA L4 GPU）上，通过 PyTorch FSDP 微调了 Qwen2.5-1.5B。
Google ResearchAI 评分5959 Google 提出睡眠框架：让大语言模型在持续学习中保留知识
Google 团队提出受神经科学启发的睡眠框架（sleep framework），使大语言模型在活跃交互与离线睡眠阶段交替运行，将短期上下文记忆巩固为长期参数以解决灾难性遗忘。
AWS Machine Learning BlogAI 评分5151 Exowatt 基于 SageMaker 无服务器微调定制小模型，准确率超越前沿模型
Exowatt 采用 Amazon SageMaker AI 无服务器模型微调构建了端到端 AI 管道，微调的 Qwen3-1.7B 与 Qwen3-14B 在告警分类与能源分析任务上的准确率超越了 Claude Opus 4.7 等前沿模型。
AWS Machine Learning BlogAI 评分4949 亚马逊云科技 Amazon SageMaker AI 多轮强化学习实战指南：用 Wordle 演示 MTRL 训练流程
Amazon SageMaker AI 发布多轮强化学习（MTRL）实操指南，用 Wordle 演示从 AgentCore 部署智能体与奖励函数、准备数据集、GRPO 训练 LoRA adapter 到 MLflow 监控的完整流程。
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 的图层地图新增支持 GeoJSON 中的 Point 和 LineString 两种几何类型，可在地图上标出具体门店位置或绘制机场间的航线与配送路径。此前图层地图只能绘制销售区域、行政区等自定义面状图层。使用时需提供 .geojson 文件（最大 100 MB）、Quick Sight 数据集，并通过共享字段名关联两者。
Hugging Face BlogAI 评分3838 Hugging Face 上线 torch-neuronx 模型支持查询 Space，可查模型能否在 AWS Trainium 上运行
Hugging Face 推出 torch-neuronx 模型支持 Space，可查询 Hub 上热门模型能否不经修改在 AWS Trainium 上运行，并附带可直接执行的 run.py 脚本。
AWS Machine Learning BlogAI 评分5050 AWS 发布 SageMaker AI 免管理 GPU 的模型定制新方式：训练会话正式可用
AWS 宣布 SageMaker AI 训练会话（training sessions）正式可用，让用户在无需管理 GPU 的情况下自定义后训练逻辑。用户可编写训练循环与奖励函数，支持 SFT、DPO、RLVR、RLAIF、多轮 RL 及 LoRA 或全量微调，GPU 分配、分布式执行、故障恢复与 checkpoint 存储由 SageMaker AI 负责。
AWS Machine Learning BlogAI 评分5656 用 Amazon SageMaker 训练会话 API 编写自定义训练循环，无需管理 GPU
Amazon SageMaker AI 训练会话 API 把抽象层下移一层，forward_backward()、optim_step()、sample() 等直接调用托管 GPU 上的活跃会话，训练循环由用户在本地 Python 进程编写。
Hugging Face BlogAI 评分3838 IBM Granite 时序模型集成预测方案介绍
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble 预测方案，把四个互补的 Granite 时序模型组合成一个默认可用的集成接口，无需重训、也不拟合集成权重。
NVIDIA BlogAI 评分4343 欧洲金融机构借 NVIDIA 加速计算与开源模型构建专有智能
Revolut 正基于 NVIDIA 加速计算用单一基础模型 PRAGMA 重建技术栈，在 Blackwell Ultra GPU 上以 cuDF 与 Dynamo-Triton 支撑生产环境，初始服务 8000 万客户并可扩展 3 倍。
NVIDIA BlogAI 评分3737 NVIDIA Earth-2 开放模型在欧洲落地：StormScope EU 与真实天气气候预测
NVIDIA 在 GTC Berlin 展示与 Earthmover 合作的 StormScope EU 实时预报管线，这个面向欧洲的区域短期预报模型基于 EUMETSAT 卫星观测，以 10 分钟间隔预测 16 个 Meteosat 通道的云况。
Hugging Face Blog精选AI 评分7575 NVIDIA 发布关系型基础模型 Kumo Relational，无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational，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。在 15 个数据库的 41 项任务上，它超过监督式关系深度学习模型和专家特征工程 GBDT 管线；在 SAP SALT 企业基准上，其 MRR 比 AutoGluon 集成高 8%，微调后扩大到 16%。
推荐理由：原文给出与企业数据库上直接预测的对比结果和开放权重，可供读者判断无需训练的范式在关系型数据上走到哪一步。
Hugging Face BlogAI 评分4242 如何通过专化 SLM 词表将实际应用中的推理成本降低 77%
基于 Qwen3-4B 的葡萄牙语作文评分系统通过 VocabX 重建词表，在基座模型、数据和训练配方不变的情况下，实测推理成本降低 77%。该系统的输出层矩阵从约 15.2 万行缩减至约 6.5 万行，因为解码阶段每个生成 token 都要读取整个 LM head 矩阵，且生成一个 token 的成本是读取一个 token 的 7.4 倍。
Microsoft Research精选AI 评分7373 Microsoft Research 研究者证明悬置 31 年的 KLS 猜想
Microsoft Research 的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，给出一项与维度无关的固定界。
推荐理由：这项证明本身是数学进展，更有价值的是把研究路径讲成了人机分工范式，读者可据此理解 AI 在科研协作中扮演的角色。
Mistral AIAI 评分4343 Mistral 与 NVIDIA 合作推进工程领域 AI
Mistral 与 NVIDIA 正合作把 Mistral Large 4 与 NVIDIA CUDA-X、Warp 及 Omniverse 结合，用于加速工程仿真并打通仿真、模型开发与设计之间的闭环工作流。
Google DeepMindAI 评分5555 Google 用 Antigravity 加速抗菌肽发现的技术流程
Google DeepMind 展示了科学家如何用智能体开发平台 Google Antigravity 发现一种新的抗菌肽候选物，该候选物预测对呼吸道感染相关病原体有活性，目前已进入湿实验室验证阶段。
Google ResearchAI 评分5959 Google 发布地理空间推理智能体技术报告并扩大 Earth AI 早期访问
Google 发布关于地理空间推理智能体的技术报告，在四个基准上对比四种配置，包括独立 LLM、基础工具、Earth AI 工具和带前置规划的完整智能体，并公开 GeoKTools 与 GeoExpertQueries 两个新基准的开发集。
Microsoft ResearchAI 评分4848 Microsoft Research 用 StudentSim 模拟学生学习，改进 AI 辅导系统
Microsoft Research 提出 StudentSim，可用公开的去标识学习者记录为每个学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导系统。该研究报告在 chess、第二语言英语写作和数学上，StudentSim 优于领先基线，并提供有用的反馈信号。团队还发布 StudentSimEval 评测基准，从行为保真度与指导响应性两个维度评估模拟器。
Microsoft Research精选AI 评分8080 微软研究院开源 Agent Lightning v1.0，约 3500 行代码的轻量 agent RL 框架
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量 agent 强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练。
推荐理由：微软研究院开源这个框架，可以直接解决真实 agent harness 接入 RL 训练时重复实现的问题，并给出了可复现的编码智能体训练流程。
Google ResearchAI 评分4040 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 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，展示预训练位置嵌入可即插即用地接入现有流行病学模型，无需任务特定微调。
Microsoft ResearchAI 评分4949 微软研究院用机器学习预报电网空间天气风险
微软研究院实习生开发了一套端到端机器学习系统，为美国本土66,935座变电站提供提前30-60分钟的空间天气风险预报。该系统结合L1太阳风观测、AE与Dst指数预报、地质电导率及电网数据，在2020-2026年评估期内识别出近80%的重大空间天气事件。GIC风险阶段对≥10 nT/min事件的检测率为76.5%，对≥50 nT/min的极端事件为64.1%。
Mistral AIAI 评分3636 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑设立德国中心，组建专注 Physics AI 与工业 AI 的研究团队，并配备直接服务企业客户的应用工程师。Mistral 计划到 2030 年建成 1 吉瓦欧洲算力，其开放权重模型可在客户自有基础设施上运行；慕尼黑团队正与 BMW 合作碰撞仿真、与 Siemens Energy 合作工业 AI 应用。
Mistral AIAI 评分3838 Cloudera 与 Mistral 达成合作，将专用主权智能引入企业数据
Mistral 与 Cloudera 宣布合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还可在受控环境中用专有数据训练自有模型，数据与由此产生的智能均归企业所有。Cloudera 平台上客户管理的 30 exabytes 数据将对接 Mistral 的主权 AI 能力。
Berkeley AI ResearchAI 评分5151 伯克利提出 ABBEL：让 LLM 用自然语言信念状态更新记忆以支持长程交互
伯克利 AI 研究团队提出 ABBEL 框架，用自然语言信念状态替换完整交互历史作为智能体工作上下文，并对信念状态的内容单独监督。该方法把信念评级作为辅助强化学习任务，在 CollabBench 协同编程中把与全上下文模型的性能差距缩小约 50%，训练步数从 100 降到 50。
Berkeley AI ResearchAI 评分4040 智能成本趋近于零后，面向智能体的数据系统该怎么做
UC Berkeley 团队提出近零推理成本下数据系统面临的三大方向：为智能体设计（For Agents）、由智能体运行管理（Of Agents）、由智能体合成（By Agents）。
Berkeley AI ResearchAI 评分4141 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 的综述分析指出，并行推理正从固定的多线程采样与结构化搜索，走向由模型自行决定何时分解子任务、开启多少并行线程的自适应并行推理。
Berkeley AI ResearchAI 评分4242 面向世界模型的 GRASP：长时程规划的梯度优化新方法
研究者提出基于梯度的规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代加入随机性以探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中计算图病态、非贪心局部极小和高维视觉模型梯度脆弱的问题，使世界模型的长时程规划更稳健。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI ResearchAI 评分3535 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 介绍 SPEX 与 ProxySPEX 两种算法，用于在大规模场景下识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性，把高维交互搜索转化为稀疏恢复问题，在数千特征下仍保持高 faithfulness；ProxySPEX 借助层级结构，仅用约 10x 更少的消融即可达到 SPEX 的性能。