跳到正文
10月24日周六
  1. Hugging Face Blog27

    LitPivot:用文献动态语境化帮助研究者调整研究方向

    Hugging Face 与宾夕法尼亚大学合作开发了 LitPivot,该系统借助 Asta Paper Finder 检索的论文,围绕提案中被编辑的部分组织文献、给出带原文摘录的批评并建议修订。在 17 名研究者的实验室研究中,领域专家认为用 LitPivot 形成的想法比用文本编辑器加 AI 聊天工具更扎实地立足于文献。参与者还认为修订后的想法更具新颖性和实用性,对相关文献的理解也更强。

10月23日周五
  1. Hugging Face Blog64

    ThinkingBox 把数据库终态校验变成 RL 奖励训练 Agent

    微软与 Hugging Face 发布 ThinkingBox-Training,把数据库终态的可执行校验结果当作强化学习奖励,对 Qwen3.8-27B 做 50 步 GRPO 后,pass@1 从 51.70% 升至 60.78%,20 次全部正确的任务从 38 个增至 107 个。

    推荐理由:原文给出用数据库终态校验当强化学习奖励的完整训练流程与开源代码,读者可据此复现或迁移到自家 Agent 任务。

  2. MIT Technology Review · AI18

    EXL 解读:如何设计可持续演进的 AI 服务框架(serving harness)

    EXL 在《Engineering the Harness》系列中探讨企业 AI 的生产化难题:竞争优势不再取决于选哪个模型,而取决于围绕模型构建的服务框架(serving harness)。文章主张先明确业务负载与约束再定架构,并警告 GPU 显存中随并发和上下文增长的 KV cache 可能成为瓶颈,优化前应先测量主导约束。框架还应便于吸收新模型与硬件变化。

  3. MIT Technology Review · AI12

    Vanguard 王静谈可扩展 AI 的基础:数据、工程与治理如何协同

    Vanguard AI 与洞察中心负责人王静在 MIT Technology Review 的 EmTech Future 大会上,讲解如何在高度监管的环境中搭建可扩展 AI 的基础。她提出数据、工程、平台、运营模式与治理需融合为一,并以负责任、可信的方式将智能体系统等新兴能力转化为对投资者的长期价值。

  4. AWS Machine Learning Blog50

    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。

  5. Microsoft Research65

    Microsoft Research 发布 Flint-interactive,用高层语言创建交互式数据可视化

    Microsoft Research 发布 Flint-interactive,这是一种构建在 Flint 之上的语言,让智能体和开发者用高层语义事件与更新算子描述交互,由编译器处理布局、渲染和依赖。

    推荐理由:Flint-interactive 把交互逻辑交给编译器处理,读者可据此判断智能体生成交互式图表时能省下多少调试成本。

10月22日周四
  1. Google DeepMind63

    Google DeepMind 与 Google Research 发布森林类型地图 ForTy 2020

    Google DeepMind 与 Google Research 联合 WRI、IIASA 发布全球森林类型地图 ForTy 2020,按 10 米分辨率将每块土地归入原始林、自然再生林、人工种植林、商品林、树作物与农林复合、其他土地六类,并对齐欧盟零毁林法规的 2020 年基准。

    推荐理由:这张 10 米分辨率地图区分六类森林与土地利用,并提供 2017 至 2025 年逐年变化,可作为欧盟零毁林法规的核查参考。

  2. Latent Space24

    Moshi CEO Anekha Sokhal 谈从能源衍生品交易员到 AI 创始人

    Moshi CEO Anekha Sokhal 在 Latent Space 播客中讲述自己从数学、JPMorgan 能源衍生品交易转向创业的经历。她把 Moshi 形容为 Bloomberg、Claude 和 Netflix 的结合体:市场数据、可操作的界面,以及针对交易员持仓的推荐。她认为有用的 AI 必须贴合人们实际的工作方式,并强调先见客户再招人。

  3. MIT Technology Review · AI20

    Celonis 首席科学家 Devavrat Shah 谈企业 AI 为何需要上下文感知

    Celonis 企业 AI 首席科学家 Devavrat Shah 在 Business Lab 播客中提出“决策智能”,主张智能体需要理解任务在业务流程中的角色与业务约束,而非在真空中执行。他建议企业从某个具体业务决策入手,找出其中最困难的环节,测试 AI 能否改进,并以速度与价值增益决定是否规模化。缺少运营上下文会让智能体忽视约束、犯错或过度消耗算力,而落地收益还需投入员工教育。

  4. Latent Space80

    OpenAI 称 Patch the Planet 项目用 GPT-5.6 Sol 发现影响 70% 网站的 PHP2Shell 漏洞

    OpenAI 称其 Patch the Planet 项目的研究者用 GPT-5.6 Sol 发现 PHP 核心的 PHP2Shell 内存破坏漏洞,与 Wiz 独立发现同一组漏洞(CVE-2026-109618、CVE-2026-109619),协同修复约两个月后公开。

    推荐理由:材料完整梳理了 PHP2Shell 漏洞从发现到修补的时间线,并区分了各方说法中哪些有第一手证据、哪些仍存疑。

  5. NVIDIA Blog71

    NVIDIA 扩展 Cosmos 平台,新增世界模型训练、评测与部署工具

    NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图,并在 GTC Berlin 把 Cosmos Framework 的训练优化技能扩展到更多开放模型,同时发布 Cosmos 3。

    推荐理由:原文列出数据工厂蓝图、训练框架与推理加速的完整链路,读者可据此判断世界模型的工程化门槛变化。