ServiceNow CoreAI 的 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 推出 AutoSynthData，利用目标模型的失败案例与更强教师的成功轨迹定位能力缺口，再生成并校验新任务用于后训练。系统从评测中提炼「能力规格卡」指导生成器造题，不泄露原始 prompt、实体或验证器细节，并随模型提升动态调整课程。该流程已在 EnterpriseOps Gym 数据集上演示。
#数据/训练
#数据/训练
今日 2 条Hugging Face BlogAI 评分4343 TechCrunch · AIAI 评分6767 Google 估算 Starship 需发射约 1800 次才能支撑太空数据中心
Google 的轨道计算卫星由 SpaceX 火箭送入太空，这是该公司首次将自研芯片送入轨道；卫星由 Planet Labs 建造，将验证 TPU 能否在太空环境中运行。
AWS Machine Learning BlogAI 评分2424 uniopen 如何基于 Amazon Nova 2 Lite 定制零售审核策略并投入生产
台湾统一企业集团旗下数字平台 uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 进行监督微调，并做提示词级输出优化，以适配其零售审核策略。该策略按行为（9 类）和主体类型（brand、other、forbidden）两个维度分类互动，微调数据集含 3391 个对话窗口，评估使用 737 个对话窗口的留出测试集。
Hugging Face Blog精选AI 评分7171 AI2 发布 Olmo-core 3：面向大型 MoE 的开源可扩展训练基础设施
AI2 发布 Olmo-core 3，这是其大语言模型训练框架的一次重要升级，重新设计了开源 MoE 训练系统，目标是把 MoE 训练扩展到万亿参数规模并保持计算效率。
推荐理由：原文给出 MoE 训练栈的关键改动和对比数据，可看到开源训练基础设施在效率上的取舍。
The Verge · AIAI 评分4848 The Verge 调查 Kevin O’Leary 的犹他州数据中心项目如何被地方民主叫停
The Verge 调查了 Kevin O’Leary 在犹他州规划的 40,000 英亩、9GW 的 AI 数据中心项目 Wonder Valley（正式名 Stratos），该项目通过 MIDA 绕过地方土地使用审批，在绝大多数居民不知情下推进，最终引发政治风暴被迫停摆。
Microsoft ResearchAI 评分4444 微软研究院用机器学习预测电网空间天气风险
微软研究院开发了一套端到端机器学习系统，为美国本土66,935座变电站生成30-60分钟前的空间天气风险预测。该系统结合AE与Dst指数预报、地质电导率和电网数据，在评估期内检测到近80%的重大空间天气事件；其中Dst模型在峰值活动时段有62.2%的小时数优于Burton方程。
NVIDIA BlogAI 评分5959 NVIDIA 与 CoreWeave 将 Vera Rubin NVL72 推上生产环境
CoreWeave 宣布 NVIDIA Vera Rubin NVL72 系统搭配 Spectrum-X 102.4T 以太网在 CoreWeave Cloud 开放使用，成为较早交付该平台的云厂商之一；Cognition 是首个在生产负载上运行 Vera Rubin 的客户。
Simon WillisonAI 评分6969 Anthropic Frontier Red Team：GLM-5.3 在二进制漏洞利用任务中成功率升至 4%
Anthropic Frontier Red Team 在内部 Binary Exploitation benchmark 的 100 个随机任务上评测多个模型，发现 GLM-5.3 在 4% 的试验中实现完整的控制流劫持，Claude Mythos Preview 为 6%。
Hugging Face Blog精选AI 评分6868 NVIDIA 发布 Kumo Tabular 表格预测基础模型，四个基准排名第一
NVIDIA 发布表格数据开源基础模型 Kumo Tabular，可在单次前向传播中完成分类与回归预测，无需训练、调参和特征工程。
推荐理由：文章完整披露了表格基础模型的预训练数据构造与架构设计，可据此判断免训练推理在表格任务上的可行性边界。
Microsoft Research精选AI 评分6464 Microsoft Research 推出生物学科研系统 Quine
Microsoft Research 发布面向生物学复杂性的 AI 研究系统 Quine，由跨模态生物学世界模型与连接科学工具、文献、湿实验和研究者的交互式 harness 组成。
推荐理由：原文给出 Quine 的多模态世界模型与湿实验验证结果，并开放 Fellows 申请，可据此判断生物学 AI 研究系统的落地路径。
MIT Technology Review · AIAI 评分1414 如何让 AI 从费用变成资产：HPE 谈 AI 容量自持的经济学
HPE 提出，当 AI 从试验走向客服、IT、研究等常驻生产工作负载后，按 token 逐次消费的模式会让支出难以预测，企业需按工作负载测算"自持容量的盈亏平衡点"。Deloitte 2026 企业 AI 现状报告显示，2025 年员工 AI 访问率上升 5%，至少 40% 的 AI 项目进入生产的公司占比预计六个月内翻倍。做出资本决策后，还需靠采用、治理与持续扩展用例让容量保持产出。
Microsoft ResearchAI 评分4848 微软开源逆合成模型 RetroChimera，论文登上 Nature
微软在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式重排序整合两者互补优势。
Google ResearchAI 评分4242 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad，一种“答案优先”的工具调用数据集生成范式：先生成 ground-truth 工具链，再反推用户 prompt，从而以更低成本生成更复杂的长程工具调用数据。
Mistral AIAI 评分3636 Mistral 与 Cloudera 达成合作，将主权 AI 引入企业数据平台
Mistral 与 Cloudera 宣布合作，将 Mistral 模型集成进 Cloudera 混合数据平台，支持企业在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 AlphaGenome Atlas，预测人类基因组全部单字母变异
Google DeepMind 推出 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模超过 AlphaFold Database 30 倍，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 技能向学术研究免费开放。
推荐理由：读者可据此了解 9 亿单核苷酸变异预测数据集如何把 AlphaGenome 的预测能力扩展到全基因组检索。
Mistral AI精选AI 评分6767 Mistral 完成 30 亿欧元 D 轮融资，估值超 210 亿欧元
Mistral 宣布完成 30 亿欧元 D 轮融资，投后估值超过 210 亿欧元，由三星电子领投，Scaleup Europe Fund 与 PSG Equity 参与联合领投。
推荐理由：Mistral 以全栈开源路线回应主权 AI 需求，融资方与客户名单给出其商业落地的规模参照。
Google ResearchAI 评分2525 Google 研究：跨人群多基因风险评分的迁移学习
Google 研究团队评估了迁移学习能否改善非欧洲人群的多基因风险评分（PRS），用 UK Biobank 约数十万欧洲样本向 Biobank Japan 近 20 万日本样本迁移，覆盖 BMI、血压、血脂等 8 项临床性状。结果显示，目标人群样本达 15k 以上时，纯目标人群模型反超混合欧洲数据的模型；欧洲数据仅在目标样本极少（如 5,000）时有增益，且增益窗口随性状遗传相关性而异。
Google ResearchAI 评分4747 Google 与 HHMI Janelia 发布迄今最大脑图谱：完整雄性果蝇中枢神经系统连接组
Google 与 HHMI Janelia 等机构在 Cell 发表完整雄性果蝇中枢神经系统连接组图谱，含超 166,000 个神经元和 1.25 亿个突触连接，为迄今神经元数量最多的脑图谱。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 与 Google Research 发布全球天气 AI 模型 WeatherNext 3，直接学习实时卫星观测，逐小时生成预报，温度等关键地表变量分辨率达 5 公里，整体比上一代 WeatherNext 2 精细约五倍。
推荐理由：官方披露了实时卫星数据训练、逐小时刷新与降水精度提升的具体数字，可用于对比上一代全球天气模型。
Microsoft ResearchAI 评分3838 微软推出 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型
微软研究院发布 GigaPath-Flash 和 GigaTIME-Flash，用蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替换原有模型，以 Apache 2.0 许可开源。
Import AIAI 评分2020 Import AI 470：机器不应享有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU kernel
METR 分析发现 AI 对科学进步的加速并不均匀：2026 年各项目与 NVD、OSV 等漏洞库的报告速率较 2025 年大幅加快，数学领域 arXiv 投稿在部分方向不到 12 个月翻倍但价值难以量化，AI 研究自身的算法进展则未见可测量加速。
Microsoft ResearchAI 评分3838 Microsoft Research 发布 Skala 1.1，并推进其集成至 CP2K、Psi4、FHI-aims、ORCA 和 VASP
Microsoft Research 发布 Skala 1.1，训练数据量较前代增加 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol，计算成本仅相当于 meta-GGA 泛函。
Import AIAI 评分3838 Import AI 469：DiG-bench 游戏发现基准、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 期介绍了新基准 DiG-bench，其包含 70 款规则与目标均隐藏的探索类游戏，公开 21 款并设七档难度，Opus 5 与搭配 Claude Code 的 Fable 5 表现最佳，仅这两者在 Tier 7 取得 0.2 成功率，而人类可达 100%。
Import AIAI 评分3232 Import AI 468：23 条 RSI 政策建议、PostTrainBench+，以及信任与透明度如何影响 AI 竞赛
Import AI 第 468 期收录了智库 IFP 提出的 23 条“低遗憾”政策建议，分属 7 个类别，用于帮助政策制定者应对 AI 研发进一步自动化的风险。MIT 与 Columbia 的论文《Racing to Ruin》分析认为，竞争对手之间实现协调减速的关键变量是技术开发的透明度以及对对方理性、可信的建模。
Berkeley AI ResearchAI 评分4040 Berkeley AI Research 推出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言“信念状态”，并通过信念评分（belief grading）监督其内容，从而替代完整交互历史作为智能体的工作上下文。
Berkeley AI ResearchAI 评分3131 智能免费时代的数据系统：为智能体、由智能体、属于智能体
伯克利 EPIC Data Lab 提出，推理成本正快速趋近于零，GPT-4 级能力已从 2023 年初的约 $30/百万 token 降至不足 $1，部分厂商低于 $0.10。作者由此提出三类新挑战：为智能体重设计的数据系统、支撑成千上万智能体长期任务与共识的数据系统，以及由智能体直接合成、需可验证可信的数据系统。
Berkeley AI ResearchAI 评分3636 GRASP：面向世界模型的梯度规划器，实现更长视野规划
GRASP 是一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现时间并行优化、在状态迭代中注入随机性以探索、并重塑梯度让动作获得干净信号，避免经由高维视觉模型的脆弱"状态-输入"梯度。该方法由 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 等参与提出，针对长视野规划中优化病态、非贪心局部极小值与高维潜空间失效模式问题。
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 提出 SPEX 与 ProxySPEX 算法，利用稀疏性和低阶性将 LLM 交互识别转化为稀疏恢复问题，可在特征、数据和模型组件归因中高效发现关键交互。
Berkeley AI ResearchAI 评分2828 伯克利提出基于信息量的成像系统设计框架，可预测四大成像领域性能
伯克利 AI 研究院提出一种基于互信息的成像系统评估与优化框架，仅用含噪测量值和噪声模型即可量化测量所含信息量，无需任务专用解码器。在 NeurIPS 2025 论文中，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均能预测解码器性能，优化后的设计达到端到端方法水平，且内存与算力需求更低。