Claude 在噬菌体 DNA 中发现未知酶系统
Anthropic 称 Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统，其基因旁有一段类似 CRISPR 的重复 DNA 序列。目前尚不清楚该系统的功能，但已知具备类似特征的少数系统都能剪切、复制和粘贴 DNA。Anthropic 表示，要弄清它的作用以及能否像 CRISPR 一样用于基因药物，还需要更多研究。
全部动态 · 今日3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。
Anthropic · X62
NVIDIA Blog12 NVIDIA 验证工程师 Sakeena Fiza 如何让硬件大规模成功
NVIDIA 验证工程师 Sakeena Fiza 在数据中心系统工程实验室负责新产品量产前的硬件验证，她最早且最难忘的记忆之一是看到 NVIDIA Rubin GPU 首次在系统层面成功枚举。验证工作覆盖从托盘、机架、集群到产线和客户 AI 工厂的全流程，目标是在客户发现问题之前先发现问题。
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。
Latent Space精选78 小米发布 MiMo-V2.6-Pro 1T-A42B 开源全模态模型，训练成本 300 万美元
小米发布 MiMo-V2.6 系列，包含全模态模型 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash，并推出输出速度最高提升 20 倍的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由：小米首次进入前沿开源模型序列，其 RL 环境与训练配方开源，为观察后训练成本路线提供了具体样本。
Microsoft Research40 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，通过学习式集成对两者预测重排序，在常见与罕见反应类型上均表现强劲。盲测中化学家更偏好其单步反应预测，十个挑战性目标的完整路线中成功九个，对比 de novo 模型五个、编辑模型四个、NeuralSym 两个。
MIT Technology Review · AI22 MIT Technology Review 如何绘制首张美墨边境“虚拟墙”沿线死亡地图
MIT Technology Review 与 Times of San Diego 合作，用 15 个月调查绘制出首张美墨边境监控塔附近死亡事件综合地图与分析。
NVIDIA Blog17 NVIDIA 在纽约气候周展示 5 家用 AI 推进清洁能源的公司
NVIDIA 在纽约气候周上重点介绍了 5 家用 AI 推进清洁能源的公司。ThinkLabs AI 用数字孪生和智能体把电网并网申请评估时间从 30-45 天缩短到 2 分钟。
Google Research22 Google 推出 MilleMiglia：面向中段物流的真实实例生成器
Google Research 发布 MilleMiglia，一个用 C++ 编写的实例生成器，用于为中段物流配送问题生成真实且保护隐私的基准数据，源码与文档已在 GitHub 开放。
Google DeepMind · X38 AlphaGenome Atlas 助力疾病 DNA 变异识别
@BroadInstitute、@UniofExeter 及其他机构的研究人员已在用 AlphaGenome Atlas，更好地识别潜在的致病 DNA 变异并解读其作用。🧵
Latent Space62 AI 新闻现实检验：Yegge 关停 Gas Town，Databricks 用 Astra 成本增 60%
Latent Space 的 AINews 汇总 9 月 15 至 16 日动态，指出 Steve Yegge 已关停 Gas Town，并承认每月在编码智能体订阅上花费数千美元却只做出这一个项目。
NVIDIA Blog精选62 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf Inference v6.1 结果给出 Vera Rubin NVL72 与 GB300 NVL72 的吞吐、扩展效率和软件优化幅度，可用于判断推理基础设施的性价比走向。
OpenAI News22 Hex 用 GPT-6 Astra 将复杂分析变成可视化报告
Hex 的数据智能体借助 GPT-6 Astra，把分析答案转化为可交互的可视化报告，供员工分享。
NVIDIA Blog精选62 黄仁勋亮相 Dreamforce：Salesforce 首个 CRM 推理模型 Koa 基于 NVIDIA Nemotron 3 Super 构建
在 Salesforce Dreamforce 大会上，NVIDIA 创始人兼 CEO 黄仁勋与 Marc Benioff 同台，正值 Salesforce 发布其首个 CRM 推理模型 Koa，该模型基于 NVIDIA Nemotron 3 Super 构建。
推荐理由：黄仁勋在 Dreamforce 谈 AI 安全与开源模型占比变化，并交代 Salesforce 首个推理模型的训练方式与落地节奏。
Latent Space38 Good Start Labs 如何用游戏训练 AI 模型并迁移到真实工作
Good Start Labs 将《1830》铁路桌游改造成训练环境，用 30B 模型做实验：单轮问答与多轮终端智能体两种训练设计都提升了游戏内表现，但只有终端智能体设计在 Finance-Agent 基准上取得提升。这家从 Every 分拆、获 360 万美元融资的公司认为，游戏呈现方式决定模型学到哪些技能，以及能否迁移到游戏之外的工作。
Google Research36 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线 RL 发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归生成完整结果集，无需 CoT 推理 token。该方法在 Gemma3-4B 和 Qwen3-4B 上微调扇出语言模型，以集合级属性奖励缓解零样本 LLM 的同义复述坍缩与自回归延迟瓶颈。
NVIDIA Blog精选62 NVIDIA 详解 DSX 平台：MaxLPS 让同等电力预算多出 24% token 吞吐
NVIDIA 在 AI Infra Summit 上介绍其 DSX 平台，其中 DSX MaxLPS 在 Lambda 的五机架 19 节点 HGX B200 集群上验证，在相同电力预算下集群 token 吞吐提升 24%，从约每秒 400 万 token 升至 500 万，每瓦性能提升 23%。
推荐理由：原文给出 DSX MaxLPS 在 Lambda 集群上的实测数字，读者可据此判断固定电力预算下的吞吐提升空间。
NVIDIA Blog精选72 NVIDIA 在 AI Infra Summit 公布 Vera Rubin 与 DSX 平台能效进展
NVIDIA 在 AI Infra Summit 上公布 Vera Rubin 与 DSX 平台的多项进展，将 AI 基础设施的衡量指标从峰值性能转向每兆瓦有效 agentic token 数。
推荐理由：原文给出 Vera Rubin 与 DSX 平台在每兆瓦 token 产出上的多项实测数字，可据此判断 AI 工厂的能效衡量口径变化。
Google DeepMind · X22 WeatherNext 3 助力可再生能源预测
天气预报在向可再生能源转型中发挥着关键作用。 WeatherNext 3 为电网运营商以及风能和太阳能发电企业提供风机高度风速和太阳辐射的预测，助力更智能、更清洁的能源规划。🧵
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
Google Research42 Google Research 提出 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad，一种“先答案后问题”的工具调用数据生成范式：先生成 ground-truth 工具调用链，再反推用户提示词，只需一步 LLM 调用。
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。
OpenAI News22 一位研究员如何用 Codex 和 ChatGPT 寻找新型抗菌分子
César de la Fuente 的实验室利用 Codex 和 ChatGPT 在现存与已灭绝生物的基因组中搜寻抗菌候选分子，以对抗耐药性感染。
Hugging Face · X22 Hugging Face 智能体训练课：从奖励函数到环境
Training Agents 4：从奖励函数到环境。 https://x.com/i/broadcasts/1OxwbngOoXEJB
OpenAI News58 OpenAI 在 ChatGPT Work 中推出 Data agent
OpenAI 在 ChatGPT Work 中推出 Data agent，用户可连接公司数据、用自然语言让 AI 挖掘洞察并构建交互式仪表盘。
Hugging Face Blog49 Hugging Face Jobs 上用 LoRA 实现异步 GRPO：一个 Bucket、一个代理，无需 NCCL
TRL v1.14 的 AsyncGRPOTrainer 现已支持只训练并同步 LoRA adapter 到 vLLM，rank-1 adapter 仅几 MB，可通过挂载在多个 Hugging Face Jobs 上的 Storage Bucket 传输，无需 NCCL。
Google DeepMind精选71 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单字母变异预测
Google DeepMind 发布 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，规模达 1PB，是 AlphaFold Database 的 30 多倍，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 免费开放给学术研究使用。
推荐理由：原文给出 9 亿单核苷酸变异预测的规模与免费学术入口，读者可据此判断基因组解读资源的可用性。
Google Research精选62 Google 与 HHMI Janelia 等发布完整雄性果蝇脑连接组图谱
Google 与 HHMI Janelia 及剑桥等机构合作，在 Cell 发表论文，发布完整雄性果蝇脑与中枢神经系统连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计最大的脑图谱。
推荐理由：Google 与 HHMI Janelia 等机构发布迄今神经元数量最多的脑图谱，读者可了解 AI 在连接组学中的具体用法。
Google DeepMind精选71 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为目前最先进、最准确的全球天气模型，据 Brightband 的独立实时评测。
推荐理由：原文给出分辨率、更新频率和降水精度等具体指标，读者可据此判断 AI 天气预报在实时数据上的进展。
Hugging Face Blog47 用 100 步 GRPO 微调 LFM2.5-350M，提升结构化输出合规率
一份公开的低成本方案用 TRL 的 GRPO 对 LFM2.5-350M 做微调，仅约 500 条样本、100 个训练步，在 IFStruct 基准上把通过率从 22.6% 提升到 29.7%。训练可在免费 Colab 或 Kaggle GPU 上完成，评测则通过 llama.cpp 在本地 MacBook 上运行，代码已开源在 GitHub。
Hugging Face Blog48 用 TRL 和 OpenEnv 训练编码模型画水彩
Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩的想法，模型通过 p5.brush 写出约 150 行 JavaScript 来作画。
Hugging Face Blog36 Hugging Face 推出 BenchMIRT：审计 LLM 基准测试究竟在测什么
Hugging Face 发布 BenchMIRT，一种在单条提示词层面审计 LLM 基准测试的多维 IRT 方法，可分离同一基准中混杂的能力信号。该方法基于 100 个 LLM 在 16 个基准、超 34K 道题上的结果训练，在未被告知基准对应能力的情况下自行恢复出安全与通用推理两个主导维度。分析显示 BBQ、WMDP 等安全基准的得分与通用推理关联更强，单一基准分数可能混合多种信号。
Google Research36 Google 用深度学习从太空绘制全球甲烷排放地图
Google Research 提出 MAPL-EMIT，一个基于 Swin-S transformer 的深度学习框架，可从 NASA EMIT 高光谱卫星数据中自动检测、预测增强并定位甲烷羽流，在专家标注羽流上召回率达 84%。
Google Research50 Google 发布 TimesFM-3：面向多变量预测的零样本基础模型
Google 推出 TimesFM-3，一个原生预训练支持多变量预测的时间序列基础模型，参数规模 330M，在超 1 万亿个时间点上预训练，单次前向传播即可完成预测。它支持多目标、历史协变量和已知未来协变量，在 Gift-Eval、FEV-Bench 和 Time 三个公开基准上点预测与概率预测均排名第一。
Microsoft Research44 微软推出 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现
微软发布 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干大幅降低病理基础模型算力需求，均以 Apache 2.0 许可开源。
Thinking Machines · X46 Thinking Machines 发布伊利诺伊大学厄巴纳-香槟分校和桥水基金关于将任务专业知识融入 RLVR 的客座文章
为 RLVR 清理数据并校准奖励函数，需要前期投入专业知识和精力，但最终能让模型在一项复杂任务上达到最先进水平。 本文由伊利诺伊大学厄巴纳-香槟分校和桥水基金的研究人员与我们的团队合作撰写。 https://thinkingmachines.ai/news/putting-task-expertise-into-rl
Google Research精选62 Google 发布行星预测引擎 PPE，自动完成地理空间建模全流程
Google Research 在 Google Earth AI 下推出实验性研究能力行星预测引擎（PPE），可依据自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，并生成报告，把原本需要数周人工数据工程的建模流程压缩到数分钟。
推荐理由：原文给出 PPE 在公共卫生、粮食安全与疫情预测上的量化提升，可了解地理空间建模自动化的实际边界。
Google Research34 Google 推出 GlucoFM：面向连续血糖监测的双流基础模型
Google 发布自监督基础模型 GlucoFM，采用双流设计分离缓慢血糖趋势与短期波动，并保留时间与缺失信息。在四个队列、七项临床任务共 14 组评估中，其 PR-AUC 平均比最佳 GluFormer 变体高 5.8 个百分点，并在餐后血糖响应预测中取得最低 MAE。模型基于 109,066 小时无标注 CGM 数据预训练，跨数据集迁移与少样本适应表现最佳。
Hugging Face Blog49 用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，支持 ColBERT 式后期交互检索，并提供完整训练方案。
Hugging Face Blog精选62 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档
IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，基于 Granite-4.1 基座后训练而来，全部采用 Apache 2.0 许可。
推荐理由：原文完整披露了 Granite 4.2 的架构、SFT 数据配比与多阶段 RL 课程，可据此理解推理模型后训练的具体做法。