《麻省理工科技评论》的詹姆斯·奥唐奈采访 AI 设计病毒的创作者塞缪尔·金
高级 AI 记者詹姆斯·奥唐奈采访了斯坦福大学生物工程博士候选人塞缪尔·金，讨论他如何使用生成式 AI 模型提出微观病毒的遗传蓝图。本次访谈涵盖金的研究、他入选《麻省理工科技评论》35 岁以下创新者，以及看待生物学的新方式。来源称，这还不能算是 AI 生成生命的例子。
全部动态 · 今日1条
#数据/训练
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
观点
人物观点、评论、分析、访谈、现象与趋势讨论
MIT Technology Review · AI44
Mira Murati · X53 Mira Murati 回顾 Tinker 用户如何将自己的想法转化为由自己拥有的模型权重
Mira Murati 表示，今年最棒的事情之一，无论是在 Thinky 内部还是外部，都是看到人们沿着自己的想法不断探索，最终得到由自己拥有的模型权重。 https://twitter.com/thinkymachines/status/2110851669915570685 在被引用的帖子中，@thinkymachines 借 Tinker 发布一周年之际，回顾了它推出的成果以及用户正在构建的内容。 https://thinkingmachines.ai/news/one-year-of-tinker/
Epoch AI · X33 《纽约时报》将训练 AI 模型所需的数学运算量可视化
《纽约时报》用 Epoch 研究团队的数据，将训练 AI 模型所需的惊人数学运算量可视化 📊 https://t.co/Cz21cuf9oQ 我们的训练算力估算：https://t.co/X7jSJHtWnz Epoch 能力指数（ECI）：https://t.co/RbP83Metg6
量子位57 前华为小艺模型负责人唐都雨创立初创公司，致力于开发主动式具身智能
曾负责华为小艺助手多模态模型开发的唐都雨创立了观星数智，致力于开发能够识别需求并决定何时介入、无需明确指令的具身智能。其 ProAgent 架构将轻量级事件监测器 StreamingJev 与响应模型结合，由后者规划介入方式并选择设备。团队称已在 Reachy Mini 上针对 60 个案例测试引导、警告和交互，并推出 ProactiveXBench，用于评估介入时机、进展和结果。
Latent Space67 Ian Quigley 讲解 Leash Bio 的数据方法与实验室闭环智能体研究
Brandon Anderson 采访了 Leash Bio 的 Ian Quigley，探讨如何使用 DNA 编码化合物库生成可复现的蛋白质–小分子相互作用数据，以及如何识别实验和模型中的误导性信号。他们讨论了一项包含约 40 亿条测量数据的 Kaggle 竞赛：在未见过的化学库上，没有人能取得优于随机猜测的成绩；还讨论了一个智能体沙盒，它在 100 的预算内搜索 650 万个分子。Anderson 报道称，该沙盒现已发展为 Minos，预印本、博客和开放数据集将于今日发布。
François Chollet · X31 科学的理想成果不是由少数几家实验室使用专有模型、投入数百万美元攻克标志性难题，而是让数百万名借助 AI 的科学家追随好奇心，变得远比以往更有雄心。
科学的理想成果不是由少数几家实验室使用专有模型、投入数百万美元攻克标志性难题，而是让数百万名借助 AI 的科学家追随好奇心，变得远比以往更有雄心。
Nathan Lambert · X34 Nathan Lambert：他认为中国在大语言模型数据上的投入正迅速追赶
Nathan Lambert称，一篇关于中国大语言模型数据经济的文章是他迄今读过的、关于中美对比的最佳文章。他说，中国实验室在数据投入意愿上似乎比美国实验室落后6–12个月，但正迅速追赶；他还指出，在中国，腾讯、阿里巴巴和字节跳动是数据投入的领头者，而非OpenAI和Anthropic。
The Decoder40 更便宜的AI代币正在推动更多需求，而这正是黄仁勋最乐见的情景
截至2026年8月，来自Ornn、Silicon Data和彭博社的数据显示了a16z所称的AI市场中的教科书式杰文斯悖论：代币价格持续下降，而H100 GPU租赁价格保持稳定或攀升。更便宜的代币释放了AI智能体、自动化和新应用，因此使用量的增长速度超过了单位成本的下降速度。这一体系依赖于AI使用量增长足够快，以抵消代币价格的下降；如果需求趋于平缓，芯片制造商、内存供应商、能源提供商和云公司都将受到冲击。
Nathan Lambert · X33 Nathan Lambert 看好强化学习数据和真实世界评估领域的投资
Nathan Lambert 表示，数据行业已经发展壮大，但低质量输出可能会放大奖励黑客等行为。他正在为 Mercor 提供建议，研究如何为强化学习提供样本效率更高的数据；他还表示，该领域需要更扎实的评估科学，以及与明确经济价值领域相联系的基准。Lambert 预计，围绕前沿实验室，将在开放推理、开放式后训练和数据领域出现大量投资，并有机会基于开放模型开展建设。
雷锋网28 IROS 2026 主题演讲：更多数据并不意味着更好的机器人决策
在 IROS 2026 上，昆士兰大学研究员 Jen Jen Chung 在主题演讲中提出，数据量并不等同于信息，盲目堆积数据可能会降低机器人策略的性能。她结合无人机翱翔、多机器人通信和接触密集型装配方面的研究指出，数据价值分布不均，只共享或采集能够改变决策的信息，优于全量广播或均匀采样。
雷锋网36 IROS 2026 显示具身 AI 从概念转向工程
据雷峰网报道，于 9 月 27 日至 10 月 1 日在匹兹堡举行的 IROS 2026 上，具身 AI 研究正汇聚于四大趋势：基础模型内化物理规律、“大脑-小脑”架构成为标准、触觉成为灵巧操作的核心，以及数据采集成本降低。所引用的论文包括 ULTRA、LITHE、VOFA、KineFuse、VTAP Gripper、ViHaTeleop 和 HALO，此外还有关于物理世界模型与不确定性的研讨会。
Latent Space30 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 谈：为什么 AlphaFold 没有解决蛋白质折叠问题
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对话中指出，AlphaFold 的突破只是开始，蛋白质结构预测远未解决，蛋白质动态与无序结构仍是难题。
TechCrunch · AI26 Ben Affleck 谈 AI：从卷积神经网络到微调开源视频模型
Ben Affleck 本周因多段采访视频走红，他在 GQ 和 Bloomberg Screentime 2026 活动中讲解机器学习、神经网络、Transformer、张量、GPU 与推理等概念，并称自己会写 Python。
Latent Space36 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能"：从半导体到超导体
Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 在访谈中提出"合成超级智能"（synthesis superintelligence）路线：以物理实验为环境的强化学习、AI 驱动的材料表征、DFT 与高通量实验室，让模型学习做科学的全过程而非只看已发表结果。
雷锋网32 对话如祺出行COO韩锋：世界模型越强，真实数据才是真壁垒
如祺出行COO韩锋认为，世界模型能力越强，真实数据的重要性不会降低，合成数据负责扩展已知长尾场景，真实数据负责发现未知问题并提供校准验证。如祺出行不训练大模型，而是以常态化出行服务、Robotaxi和线下运维网络采集真实数据，通过数据闭环向自动驾驶、世界模型和具身智能公司交付训练材料。
MIT Technology Review · AI22 MIT Technology Review：如何将 AI 智能体接入企业知识
MIT Technology Review 基于对 300 名数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识匮乏是主要失败原因之一。
MIT Technology Review · AI12 如何将预测分析带入智能体 AI 时代
企业 AI 的竞争焦点已从预测模型能否超越统计预测，转向如何让预测系统在不偏离业务意图的前提下自主决策。深度学习与生成式 AI 驱动的智能分析支持实时训练，使 AI 持续演进而非等待季度刷新，其数据来源也从规整的数值记录扩展到非结构化交互数据。Everest Group 合伙人 Vishal Gupta 称，"分析"一词正让位于 AI。
雷锋网40 Kimi 和 DeepSeek 为何出现在同一张模型架构图里？
GLM-5.3-Flash 的 45 层架构中，34 层采用 Kimi 路线的 KDA 线性注意力，11 层采用 DeepSeek 路线的 KPool-DSA 稀疏注意力，Linear 与 Sparse 首次被放进同一套模型。这一组合背后是 Attention 架构从寻找单一更优机制，转向让不同机制分工：Linear 低成本维持长历史，Sparse 按需找回具体信息。
雷锋网28 从三维视觉到世界模型：空间智能为何成为 AI 走向物理世界的共同主线？| ECCV 2026 复盘
ECCV 2026 共收到 10473 篇投稿、接收 2834 篇，3D 主题从主导方向退居第三，但三维表示、几何与物理一致性等问题正向视频生成、具身智能和世界模型扩散。93 场 Workshop 中约 10 场与 3D 直接相关、11 场涉及空间智能、9 场指向物理 AI、5 场以世界模型为主题，最佳论文与荣誉提名也集中在三维表面表示、物体重建和几何感知上。
Latent Space36 Foundries vs Navigators：AI 如何降低科学研究的成本
语言模型让写代码和数据分析大幅提速，但科学研究的瓶颈仍是需数天到数周验证的物理实验，"思考变便宜了，动手没有"。生物技术行业由此分化出两类路径：Foundries 用新一代测序、多重检测和物理自动化把实验数据产出提速一个数量级，Navigators 则把 AI 嵌入公司日常流程以加快决策。
Latent Space38 Radical Numerics CEO Eric Nguyen 谈生物安全：AI 军备竞赛与基因组语言模型
Radical Numerics 联合创始人兼 CEO Eric Nguyen 认为，生物安全是一场 AI 军备竞赛，能提升生物能力的模型同样能帮防御方跟上前沿模型的攻击能力。
Latent Space48 Google ERA：John Platt 谈用 AI 攻克可评分科学难题
Google 的 Empirical Research Assistance（ERA）用 Gemini 维护实验 notebook 树，按 Upper Confidence Bound 规则挑选并变异候选方案，把可写成评分函数的科学问题自动求解，已产出至少 10 篇论文。
Thinking Machines · X34 Thinking Machines 的 John Schulman 谈模型自我改进之际，人类判断力在哪些方面仍然重要
我们的 @johnschulman2 与 Dwarkesh 对谈，聊到随着模型不断改进并自我改进，人类判断力在哪些方面仍然重要：教会模型处理混乱的现实任务，对什么能长期奏效形成判断，以及最重要的是，明确我们真正想要什么。 @dwarkesh_sp 发布的引用帖文（背景信息，并非主要作者的作品）： 与 @johnschulman2、@oneill_c 和 @BerenMillidge 的新一期节目。 我邀请了几位我认识的、最有洞见且在较为开放的公司工作的 AI 研究人员一起交流，因为我想了解前沿领域实际发生的事情的细节，以及接下来会发生什么。 0:00:00 – 为反对 RSI 的论点作最有力的辩护 0:18:39 – 中国实验室的进展由什么推动 0:28:06 – 如何训练自动化 AI 研究员 0:33:51 – 长时程 RL 能否催生 AGI？ 0:45:24 – 从模拟到现实的差距 1:00:33 – 有多少进展可以归因于数据？ 1:18:03 – 为什么 RL 如此有效？ 1:24:54 – 第 37 手与熵坍塌 1:28:31 – 快问快答：时间线
John Schulman · X44 John Schulman称用户数据可能只在前沿模型的提升中发挥有限作用
John Schulman表示，使用用户数据进行训练极不可能对前沿模型的数学能力提升有多大贡献，他将这种提升归因于扩大预训练规模和RLVR。他说，用户数据或许有助于发现受雇标注人员难以轻易复现的失败模式，并呼吁制定更严格的信息披露规范，说明公司如何使用用户数据训练，以及旨在提升哪些能力。
Jim Fan · X54 Jim Fan 分析 GEN-1.5 中的重复、恢复与 UMI
Jim Fan 认为，GEN-1.5 的潜力来自自然重复的人类示范、得以保留并能教会机器人如何恢复的失败，以及 UMI——人类戴着机器人夹爪即可直接采集数据。他指出，遥操作会让人失去对物理世界的直觉；数据充足时，机器人无需微调也能实现零样本行为，例如拿起新颖物体。他仍持谨慎乐观态度，并指出，上下文学习取决于训练条件与测试条件之间的差异，目前的演示过于简单，尚不足以得出结论。
Hugging Face Blog精选62 Hugging Face 发布 2026 夏季开源模型生态观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型生态观察报告，基于 Hub 数据给出六项发现。报告显示公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，但 85.6% 的模型终身下载量不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用自家 Hub 数据拆解开源模型生态，下载与点赞的分野、Qwen 衍生规模等结论可迁移到模型选型判断。
Hugging Face Blog22 GPU 管理：为什么闲置 GPU 正在成为新的停飞客机
Hugging Face 博客指出，AI 的下一个真正约束是 GPU 利用率而非模型智能。GPU 成本按日历小时累积、产出却只按计算小时计，企业自购 GPU 后集群上线即面临"能否让它们保持忙碌"的新问题。文章以航空业利用率为类比，称即便满负荷的集群也可能浪费大部分潜力，因为 GPU 全天运行而需求并非如此。
Berkeley AI Research40 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10，数据系统面临三大新挑战：面向智能体的数据系统、由智能体运行的数据系统、由智能体构建的数据系统。
Import AI34 Import AI 457：AI 版 Stuxnet、有缺陷的 Muon 优化器与正向对齐
Import AI 457 聚焦三项研究：SentinelOne 拆解出约 20 多年前的病毒 fast16.sys，它通过篡改内存中高精度计算软件（如 LS-DYNA 970、PKPM、MOHID）的结果来破坏科研与工程计算。
Import AI62 Import AI 455：AI 系统即将开始自我构建
Jack Clark 在 Import AI 455 中判断，到 2028 年底出现无需人类参与的 AI 研发（前沿模型能自主训练出自己的后继版本）的概率超过 60%，2027 年前实现的概率约为 30%。