微软与 Hugging Face 开源 ThinkingBox-Training：把数据库校验结果变成 Agent 的 RL 奖励
微软与 Hugging Face 开源 ThinkingBox-Training，把 ThinkingBox 对数据库终态的确定性校验直接当作 RL 奖励，用于训练 Agent。
推荐理由：微软与 Hugging Face 联合开源了把数据库终态校验转成 RL 奖励的训练栈，并给出 Qwen3.8-27B 的可复现配置。
#数据/训练
Hugging Face Blog精选AI 评分6262 AWS Machine Learning BlogAI 评分5858 AWS 为 SageMaker AI 推出免管理 GPU 的模型定制训练会话
AWS 宣布 SageMaker AI 无服务器模型定制正式推出训练会话（training sessions），用户可自行编写并协调训练循环，包括自定义损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与检查点存储由 SageMaker AI 负责。
AWS Machine Learning BlogAI 评分5858 Amazon SageMaker AI 推出训练会话 API，可自写训练循环而无需管理 GPU
Amazon SageMaker AI 扩展无服务器模型定制，推出训练会话 API，把 forward_backward()、optim_step()、sample() 等操作变成 API 调用，模型在 GPU 上保持加载，用户只需编写训练循环。
AWS Machine Learning BlogAI 评分3232 别再猜 Amazon SageMaker AI 上 TTS 的自动扩缩容目标值
针对 Amazon SageMaker AI 上自托管 TTS 端点自动扩缩容目标值靠猜的问题，该方案将 82M 参数的 Kokoro-82M 以自定义容器部署在实时端点上，用实测的 Q_max（单实例在 SLO 内可承受的最高并发）和 T_total（一次扩容端到端耗时）推算扩容阈值、缩容阈值与两个冷却时间。
Google DeepMindAI 评分5858 Google DeepMind 联合 WRI、IIASA 发布 10 米分辨率全球森林类型地图 ForTy 2020
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每 10×10 米地块划为六类森林与土地利用类型，并同步提供 2017 至 2025 年的逐年变化时序。
Hugging Face BlogAI 评分3838 IBM Granite 时序模型推出集成预测方案
IBM 为 Granite 时序模型推出 Timeseries Ensemble，将 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个架构组合为统一预测接口，无需重训或拟合集成权重即可输出中位数与分位数预测。
NVIDIA BlogAI 评分4040 NVIDIA Earth-2 开放模型在欧洲落地：StormScope EU 与多行业天气预测应用
NVIDIA 在欧洲推出 Earth-2 开放模型家族的最新成员 StormScope EU，基于 EUMETSAT 卫星观测，以 10 分钟间隔预测 16 个 Meteosat 通道的云况演变。
Hugging Face Blog精选AI 评分7575 NVIDIA 发布 Kumo Relational 关系基础模型，无需训练即可预测
NVIDIA 发布预训练关系基础模型 Kumo Relational，可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。
推荐理由：原文给出预训练关系基础模型在 41 个任务上的对比结果与开源入口，可据此判断免训练预测能否替代现有 XGBoost 流水线。
Hugging Face BlogAI 评分5858 VocabX 如何通过特化 SLM 词表将推理成本降低 77%
Dharma-AI 预告即将发布的 VocabX 论文，提出按 token 成本而非频率特化小模型词表，在基于 Qwen3-4B 的葡萄牙语作文评分器上把平均响应从 350 个 token 降到 101 个，实测推理成本下降 77.0%，bench 分数从 0.703 升到 0.810。
Mistral AIAI 评分5858 Mistral 与 NVIDIA 合作推进工程领域 AI 工作流
Mistral 与 NVIDIA 宣布合作，将 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。
NVIDIA Blog精选AI 评分7373 NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算
NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 与 Ising。
推荐理由：原文一次性列出语言、机器人、生物、量子多条开源模型线的能力与开放渠道，便于比较各行业可定制的模型选择。
Google Research精选AI 评分7171 Google Research 提出 VERID 框架，让 AI 智能体在湿实验室中闭环做实验
Google Research 发布 VERID 框架，为实验室工作单元建立可实时更新的 3D 语义数字孪生，让智能体在执行前检查孔板体积、模拟协议并拦截物理上不可行的指令。
推荐理由：Google Research 用 VERID 数字孪生和闭环实验，展示智能体如何在湿实验室里验证假设并自我修正。
Google DeepMindAI 评分5858 Google DeepMind 用 Antigravity 加速抗菌肽发现
Google DeepMind 展示生物学家如何用智能体开发平台 Google Antigravity 发现一种新型抗菌肽候选物，该候选物预测对呼吸道感染相关病原体具有活性，目前正进行湿实验验证。
Mistral AI精选AI 评分6767 Mistral 发布 Timestral 时间序列基础模型系列
Mistral 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M、209M 四种规模，最大模型在 GIFT-Eval、TIME 和 fev-bench 三个公开基准的预训练零样本模型中排名第一，参数量仅为此前 SOTA 的三分之二。
推荐理由：Mistral 首次进入时间序列基础模型，209M 参数在三个公开基准上排名第一，并给出 CPU 推理延迟与微调路径。
Google ResearchAI 评分5858 Google Research 发布 Research@ 2026 十项研究进展
Google Research 在 Mountain View 的 Research@ 活动上公布十项研究进展，包括 Google Earth AI 扩大早期访问并新增地理空间分析、行星预测引擎和 agent-to-agent API 三种实验能力。
GitHub Blog · AI & MLAI 评分3434 GitHub 如何用 ModernBERT 分类器更准更省地检测密钥泄露
GitHub 用微调的 ModernBERT 分类器替换原 LLM 流水线来识别通用密钥，用户接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本下降超 98%。新方案先用正则表达式广撒网生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据，从而过滤占位符、测试样例和校验和等误报。该效率提升也让通用密钥检测扩展到推送保护阶段，在代码推送前即可返回结果。
Microsoft ResearchAI 评分5252 微软研究院提出 StudentSim：用个性化学生模拟器评估和改进 AI 导师
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布覆盖国际象棋、第二语言英语写作和数学的基准 StudentSimEval，从行为保真度和对指导的响应性两个维度评估模拟器。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，用约 3500 行代码实现 Harnessed Agentic RL，让部署时使用的智能体 harness 直接参与强化学习训练。
推荐理由：微软研究院开源了约 3500 行的智能体强化学习框架，并给出用 6000 条样本把 Qwen3.5-9B 在 SWE-bench Verified 上提升 14.6 个百分点的完整流程。
Google ResearchAI 评分5858 Google 用 Earth AI 的 PDFM 地理空间嵌入支持全球公共卫生研究
Google Research 以 Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，展示无需任务特定微调的地点嵌入可直接接入现有流行病学模型。
Microsoft ResearchAI 评分4040 微软研究院用机器学习预测电网空间天气风险，覆盖美国66,935座变电站
微软研究院开发了一套端到端机器学习流水线，利用L1太阳风观测与AE、Dst指数预报，结合纬度、地质电导率等数据，为美国本土66,935座变电站生成提前30-60分钟的位置级空间天气风险估计。
Mistral AIAI 评分4646 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设德国中心，组建专注 Physics AI 与工业 AI 的研究团队，并直接服务企业客户。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，并与慕尼黑工业大学（TUM）共建汽车空气动力学数字孪生研究。
Mistral AIAI 评分4040 Cloudera 与 Mistral 达成合作，将专用主权智能引入企业数据
Mistral 与 Cloudera 建立合作，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。企业还能在受控环境中用自有数据训练定制模型，数据与由此产生的智能均归企业所有。Cloudera 平台承载 30 exabytes 客户自管数据。
Berkeley AI ResearchAI 评分3838 ABBEL：通过信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的递归摘要隔离为自然语言"信念状态"并对其内容进行监督评分，在 CollabBench 协作编程任务上把与全上下文模型的性能差距缩小约 50%，训练步数也从 100 步降至 50 步。该方法借鉴自编码器思路，用当前模型从信念状态重建最新观测作为奖励信号，训练后峰值上下文 token 长度仍显著低于全上下文设置。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本已从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1，部分厂商低于 $0.10，年度降幅中位数约 50x，数据系统需围绕智能体重构。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
自适应并行推理让模型自行决定何时分解并并行化独立子任务、开启多少并发线程以及如何协调，而非由外部框架强加固定的并行结构。现有 self-consistency、Best-of-N、Tree of Thoughts、MCTS 等方法均在模型之外预设并行度与搜索策略，对简单问题浪费算力、对复杂问题分解不当。
Berkeley AI ResearchAI 评分3838 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以促进探索，并重塑梯度让动作获得清晰信号、避开高维视觉模型中的脆弱"状态-输入"梯度，使基于学习世界模型的长时程规划更实用。该方法针对长时程 rollout 带来的梯度爆炸/消失、非贪心结构造成的局部极小值以及高维隐空间失效模式。
Berkeley AI ResearchAI 评分3434 伯克利提出信息驱动成像系统设计框架，登NeurIPS 2025
加州大学伯克利分校团队提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化系统信息含量，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计能预测解码器性能，优化后的设计达到SOTA端到端方法水平，且内存和算力需求更低。相关论文发表于NeurIPS 2025。