OpenAI 如何加强前沿模型训练与评估的遏制措施
OpenAI 介绍了如何加强前沿模型训练与评估的遏制措施，包括离线环境和高算力红队测试。
推荐理由
OpenAI 通过讨论离线环境和高算力红队测试，为前沿模型训练与评估中的遏制措施提供了背景说明。
当天头条03:32将基础模型带到结核病筛查一线Google Research 介绍了其结核病筛查研究如何通过 Nexus AI 以及 MedGemma、MedSigLIP 等开放模型逐步走向临床部署。超过 90 名临床医生已使用 Nexus AI 的工具评估了逾 25,000 张胸部 X 光片，将周级处理时间缩短至 45 秒以内。印度尼西亚卫生部正在使用本国胸部 X 光片对 MedGemma 和 MedSigLIP 进行微调，以支持其每年筛查 5,000 万名公民的目标，同时确保患者数据留在境内。读这件事 →
压力表 · 此刻最热
完整热点榜最新精选
一手
模型厂商、公司和研究机构自己发布的消息：官网、官方博客和官方账号。
OpenAI News精选63 Google Research精选75 将基础模型带到结核病筛查一线
Google Research 介绍了其结核病筛查研究如何通过 Nexus AI 以及 MedGemma、MedSigLIP 等开放模型逐步走向临床部署。超过 90 名临床医生已使用 Nexus AI 的工具评估了逾 25,000 张胸部 X 光片，将周级处理时间缩短至 45 秒以内。印度尼西亚卫生部正在使用本国胸部 X 光片对 MedGemma 和 MedSigLIP 进行微调，以支持其每年筛查 5,000 万名公民的目标，同时确保患者数据留在境内。
推荐理由
这项部署介绍展示了前瞻性临床验证、监管认证、离线运行和本地合作伙伴关系如何共同推动医疗 AI 在资源受限的医疗环境中落地。
AWS Machine Learning Blog精选73 在 Amazon SageMaker AI 上进行多轮强化学习：实操指南
AWS 提供了一份端到端指南，介绍如何在 Amazon SageMaker AI 上进行多轮强化学习，并使用托管在 Amazon Bedrock AgentCore 上的 Wordle 智能体。训练将 gpt-oss-20b 在留出集上的求解率从 61% 提高到 84%（采用服务配置），训练令牌成本约为 339 美元，运行时用量成本约为 79 美元。该指南涵盖部署、奖励设计、监控、评估以及训练中遇到的失败。
推荐理由
训练验证结果与服务结果之间的差距表明，多轮强化学习评估应与部署设置保持一致，因为解码选项会显著改变测得的成功率。
Hugging Face Blog精选73 将数据库评分转化为 RL 奖励：用 ThinkingBox 对智能体进行后训练
Microsoft 和 Hugging Face 在 GitHub 上发布了 ThinkingBox-Training，将对数据库最终状态的可执行检查转化为智能体后训练的奖励。在 ThinkingBox-Bench 之外的 187 项任务上进行 50 步 GRPO 训练后，Qwen3.8-27B 的基准测试平均成功率从 51.70% 升至 60.78%，20 次尝试中全部通过的任务从 38 项增至 107 项，而至少成功一次的任务从 453 项降至 446 项。该发布包含任务选择、rollout、奖励和 Verl 集成代码；报告中的训练运行所用私有训练池未包含在内。
推荐理由
选择基础策略有时能够成功的任务，提供了一种可迁移的方法来生成对比鲜明的 RL 奖励，同时减少那些无法带来任务奖励优势的 rollout。
AWS Machine Learning Blog精选69 Amazon Polly 升级其生成式引擎，改进语音并新增 14 种声音
AWS 已正式推出 Amazon Polly 生成式引擎的升级版本，以低延迟提供更自然、更富表现力且更准确的语音。此次升级在 9 种区域设置中新增 14 种声音，包括印地语和芬兰语，使目录涵盖 11 种语言、25 种区域设置中的 57 种生成式声音。现有生成式声音将原地升级，声音名称、API 调用和定价保持不变；服务范围扩展至 AWS GovCloud（美国西部），使覆盖范围增至 11 个 AWS 区域。
推荐理由
API 调用、声音名称和定价保持不变，因此这项升级与现有语音工作流相关；无需更改代码，即可获得更广泛的语言覆盖。
AWS Machine Learning Blog精选72 使用 Amazon SageMaker AI 上的 Kokoro TTS 流式传输 AI 代理的低延迟语音
AWS 展示了如何将 AI 代理生成的完整句子流式传输到 Amazon SageMaker AI 上的 Kokoro-82M，从而在完整回复生成之前开始语音合成。在隔离测试中，首次音频字节的平均耗时从 329.3 ms 降至 156.7 ms；通过已部署的 AgentCore 运行时，首次音频速度提升了 3.5 倍。本指南涵盖持久双向会话、二进制 WebSocket 帧，以及涉及 SSE 和 base64 的音频传输权衡。
推荐理由
本指南提供了一种可迁移的模式，用于将文本生成与按句进行的语音合成重叠执行，并说明持久会话和音频分帧如何影响延迟与集成复杂度。
AWS Machine Learning Blog精选77 Amazon SageMaker 训练会话 API 支持在托管 GPU 上运行自定义训练循环
AWS 推出了 Amazon SageMaker AI 训练会话 API，开发者可以编写自定义 Python 训练循环，同时由服务管理 GPU 基础设施、分布式执行、故障恢复和检查点。费用按处理的 token 数计费，不包括本地计算奖励所花的时间。随附的 Cookbook 提供了 SFT 和 RL 配方，其中包括一个竞赛编程示例：经过 50 个训练步骤后，GPT-OSS 20B 在 200 道测试题上的留出集准确率从 40% 提升至 50.5%。
推荐理由
这些示例展示了如何将本地奖励逻辑与托管 GPU 操作分开，为自定义训练循环提供可复用的结构；按 token 计费，且不包括本地计算所花的时间。
Hugging Face Blog精选79 OlmoEarth v1.3 发布全球卫星嵌入数据和基于浏览器的地图探索工具
OlmoEarth 团队发布了 OlmoEarth v1.3，提供预先计算的 10 米卫星嵌入数据，维度为 64 和 128，并推出无需账户或 GPU 即可使用的基于浏览器的 Embeddings Explorer。团队报告称，在与 AlphaEarth Foundations 和 Tessera v2 的 27 项评估中，其 128 维嵌入数据有 20 项表现领先。模型权重、预训练数据和代码均已开放；发布时，嵌入数据覆盖 2023–2025 年的全球范围，以及 2017–2022 年的部分国家。
推荐理由
预先计算的嵌入数据可让团队将卫星地图绘制转化为轻量级分类任务，减少为每种应用下载影像并运行 GPU 微调的需求。
AWS Machine Learning Blog精选60 停止猜测 Amazon SageMaker AI 上 TTS 的自动扩缩目标
AWS 工程师 Joseph Cottingham 演示了如何根据实测并发限制和扩容时间，为 Kokoro-82M 推导 Amazon SageMaker AI 自动扩缩设置。该演练测得 Q_max=50，并以 p95 首个音频字节时间 3,000 ms 的 SLO 为目标；扩容规划时间为 320.2 秒，其中包括有上限的策略检测延迟。相关工具可推导阈值和冷却时间、检查部署一致性，并指出突发容量余量有限，以及最小实例数为 1 时缩容存在不稳定性。
推荐理由
测量并发限制和扩容时间，提供了一种可迁移的方法来推导对延迟敏感的端点的扩缩阈值和冷却时间，同时揭示了备用容量与服务可靠性之间的权衡。
Microsoft Research精选67 Flint-interactive：用于创建交互式数据可视化的语言
Microsoft Research 推出 Flint-interactive。这是一种构建于 Flint 之上的语言，用户和 AI 代理可以通过语义事件和高级更新运算符来指定交互式图表。Flint 编译器负责处理视觉依赖和渲染更新，支持筛选、高亮、缩放，以及与表格、文本和应用状态的连接。用户可以通过 Flint-MCP 和 MCP Apps 在聊天中使用它，也可以借助其编程 API 构建应用和自定义交互。
推荐理由
将语义交互事件与编译器管理的渲染分开，为构建相互连接的图表、表格和文本提供了一种可复用的方法，无需代理管理底层视觉依赖。
NVIDIA Blog精选65 英伟达推出 Minerva，为 AI 工厂提供端到端可观测性
英伟达推出了 Minerva，这是一款 AIOps 平台，结合基础设施和工作负载遥测数据，帮助运营人员检测问题并维持 AI 工厂的生产效率。它会构建动态知识图谱，将异常与可能的根本原因关联起来，并配备 AI 助手，用于调查实时遥测数据并推荐修复措施。IREN 已在使用 Minerva，而 IBM、Jio、Lambda 和 Tesla 等合作伙伴计划部署该平台。
推荐理由
将工作负载变慢与基础设施拓扑关联起来，可以帮助运营人员根据受影响的作业和可能的根本原因来确定事件优先级，而不是只关注孤立的组件告警。
Google DeepMind精选78 Google DeepMind 与合作伙伴发布 ForTy 地图，追踪森林类型及其变化
Google DeepMind、Google Research、WRI 和 IIASA 发布了 2020 年森林类型图（ForTy），这是一幅全球 10 米分辨率地图，将土地划分为六种森林和土地利用类别；同时还发布了涵盖 2017 至 2025 年的初步时间序列数据。在 9,000 多个地点进行的验证显示，森林类型识别准确率为 90%，区分森林与非森林土地的准确率为 95%。这些数据集采用开放许可，可在 Google Earth Engine 上免费获取，并展示了自然森林转变为种植园或农田等变化。
推荐理由
区分森林类型有助于揭示树冠覆盖地图可能遗漏的土地转变：被砍伐的天然林可能变成绿色种植园，从而为评估森林砍伐和退化提供更具体的依据。
Hugging Face Blog精选62 IBM Granite Timeseries Ensemble：在一个预测界面中结合四个模型
IBM 推出了 Granite Timeseries Ensemble，这是一种采用宽松许可的方案，通过组合四个预训练的 Granite 模型来生成中位数和分位数预测，无需重新训练或拟合集成权重。它提供默认的等影响概率池化方法，以及一种自适应 IQR 替代方案。在 97 种 GIFT-Eval 配置中，默认方法的聚合 MASE 为 0.683，优于最强单个成员的 0.685；而 PatchTST-FM-r2 的聚合 CRPS/MWQL 仍然最低。加载四个检查点会增加推理时间和内存用量。
推荐理由
基准比较说明了该集成在略微改善聚合点预测与增加推理成本之间的权衡，同时也展示了概率预测准确度为何可能更有利于某个单独成员。
AWS Machine Learning Blog精选70 使用 torchtitan 在 AWS Trainium 上训练 Qwen3
AWS 提供了一份指南，介绍如何在单台 trn2.48xlarge 上使用 Transformers v5、torchtitan 原生的 Qwen3 实现和 NKI 混合专家内核训练 Qwen3。各项配置采用相同的 torchrun 启动模式和配置结构，并提供了加载和保存 Hugging Face 检查点的示例。指南还演示了自定义内核注册和 autograd 集成，并明确指出该示例旨在展示集成方式，而非提升性能。
推荐理由
本指南提供了一种可复用的模式，通过算子注册、autograd 和配置覆盖来集成自定义训练内核，并在训练前通过数值比较检查正确性。
Hugging Face Blog精选77 NVIDIA 推出 Kumo Relational，无需针对特定任务训练即可预测数据库数据
NVIDIA 推出了 Kumo Relational，这是一款预训练基础模型，可直接从关系数据库进行预测，并将最多 10,000 个历史样例用作上下文，无需针对特定任务训练或进行特征工程。NVIDIA 报告称，在 15 个数据库上的 41 项任务中，该模型的表现优于监督学习方法；在 SAP SALT 上，其 MRR 比 AutoGluon 集成模型高出 8%。用户可通过开源的 structured-data-models 库或 NVIDIA NIM 使用该模型，也可选择进行微调。
推荐理由
这些基准测试对比为评估关系型上下文学习何时能够取代经过工程设计的预测流程提供了具体依据，而任务规模和关系结构界定了实际应用的限制。
Hugging Face Blog精选74 VocabX 如何通过专门化 SLM 词汇将实测推理成本降低 77%
Dharma AI 介绍了 VocabX，这是一种按成本加权的词汇适配方法。在基于 Qwen3-4B 构建的葡萄牙语作文评分器中，该方法将实测推理成本降低了 77.0%。使用相同的基础模型、数据和训练方案时，平均回复长度从 350 个 token 缩短到 101 个，基准测试得分则从 0.703 提高到 0.810。这些结果来自一篇仍在评审中的论文，发表前可能会有所变化。
推荐理由
评分器实验说明了为什么词汇压缩应保留影响决策的 token：将评分与周围的 JSON 内容分离后，实测成本节省和评估质量均有所提升。
Google Research精选76 Google Research 评估 AI 辅助超声在不同临床环境中的孕龄评估效果
Google Research 报告了一项发表于《JAMA Network Open》的前瞻性研究，评估 AI 根据由新手操作员在芝加哥和内罗毕进行的盲扫超声检查来判断孕龄的效果。在 385 名孕期 16 至 36 周的参与者中，该模型的平均绝对误差为 4.18 天，专家超声医师为 4.48 天，达到了研究设定的非劣效标准。微调使用了芝加哥 120 名参与者的数据，未使用内罗毕的数据进行本地优化。
推荐理由
在两个临床环境和不熟悉的超声设备上进行测试，为模型能否推广到训练队列之外提供了证据；这也是扩大产前筛查覆盖面的实际考量。
Microsoft Research精选88 微软研究院与合作者借助人类指导的 AI 解决 KLS 猜想
微软研究院的 Xinzhi Zhang 与合作者 Zhao Song 报告称，他们证明了这个提出 31 年的 KLS 猜想，为对数凹分布建立了一个与维度无关的普适界。研究人员指导 AI 智能体探索了 100 多种候选方法，随后开发出递归改进方法，完成了证明。文中介绍了独立完成的证明，以及之后结合他们的关键判据与其他研究成果进行的 Lean 4 形式化工作。
推荐理由
这篇报道提出了一种可迁移的研究方法：通过人类反复筛选 AI 的搜索轨迹，并将其与使用大致相同总 token 预算、但缺乏引导且未能成功的尝试进行对比。
Hugging Face Blog精选69 IBM 推出 Granite Speech 5.0，并更新 Turbo CTC 和 4.1 2B Plus
IBM 推出了 granite-speech-5.0-2b，并更新了 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus，三者均采用 Apache 2.0 许可证并原生支持 Transformers。新的 2B 模型借助最多包含 2,000 个词条的关键词列表提升了转录和翻译效果；Turbo CTC 新增多语言转录功能，达到 19,870 RTFx，速度约为发布时的 1.6 倍，准确度保持在同一水平。更新后的 Plus 模型提升了说话人归属和时间戳表现，长篇内容的 WER 降低了 24%。
推荐理由
这项比较将准确度、吞吐量和说话人归属方面的改进对应到不同的录音工作流程，为用户依据三款模型公布的能力和评测结果进行选择提供了实用依据。
OpenAI News精选64 ChatGPT 广告拓展至 26 个新国家，广告商数量超过 10 万
ChatGPT 广告正拓展至 26 个新国家，已有超过 10 万名广告商使用该平台。从本地企业到全球品牌，更多广告商现在可以在用户通过 ChatGPT 探索、比较和决定购买商品时触达他们。
推荐理由
此次拓展让另外 26 个国家的广告商能够触达在 ChatGPT 中探索购买选项的人群，扩大了该平台面向企业的地域覆盖范围，服务对象从本地商店到全球品牌。