OpenAI、Google、Microsoft 与 Anthropic 联合支持网站退出 AI 抓取新标准
OpenAI、Google、Microsoft 和 Anthropic 宣布将采用新的统一标准，允许出版商在 robots.txt 中配置共享策略 token，一次性退出多家厂商的 AI 数据抓取与训练。
推荐理由：统一的策略 token 改变了出版商逐家配置防抓取规则的繁琐现状，为跨厂商规范 AI 训练数据获取提供了可迁移标准。
技术方向
数据与训练 最新动态
大模型是怎么练出来的：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
7 条精选近 30 天 7 条共收录 49 条
更新
数据与训练的精选
The Verge · AI精选AI 评分7777
TechCrunch · AI精选AI 评分7878 应对 AI 搜索引流下滑与数据抓取，Reddit 宣布将转向以登录体验为主
Reddit 在第三季度财报会上宣布将转向以登录体验为主的模式，旨在保护数据免遭 AI 抓取以推进授权交易，并应对 AI 搜索导致的流量下滑。
推荐理由：原文展现了 AI 搜索摘要对传统内容社区流量的实际冲击，有助于读者理解开放网络平台转向登录墙保护数据资产的商业动因。
The Decoder精选AI 评分9191 Anthropic 递交 S-1 招股书，营收激增与算力承诺同步曝光
Anthropic 向 SEC 公开递交 S-1 招股书，计划以代码 ANT 登陆纳斯达克，由高盛和摩根士丹利牵头，Yahoo Finance 称华尔街预期估值约 2 万亿美元。
推荐理由：S-1 披露了 Anthropic 按 token 计费占八成的收入结构与长期算力承诺，读者可据此理解其增长与风险。
The Decoder精选AI 评分7878 Nvidia 开源机器人视频标注数据引擎 Flora
Nvidia 开源数据引擎 Flora，用三个基于 Qwen3.5 微调的模型完成机器人视频的片段切分、动作描述和逐步评分，已在 GR00T 模型训练中每天标注最多 20 万小时视频，模型发布在 Hugging Face。
推荐理由：原文给出开源标注工具的成本估算和基准对比，也点出评测方法与成本推算上的局限，便于判断它在机器人数据流水线中的位置。
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。
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。
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。