跳到正文
8月20日周四
  1. Apple Machine Learning Research43

    数据约束下的混合预训练缩放定律

    苹果机器学习研究团队通过2000余次语言模型训练实验,系统研究了稀缺目标数据与通用数据混合预训练中的权衡问题。研究发现,目标数据占比过低会导致模型对目标领域暴露不足,而占比过高则因重复样本过多引发收益递减乃至过拟合,为数据约束下的混合预训练策略提供了量化依据。

  2. Apple Machine Learning Research47

    数据受限下的多语言知识迁移:Apple 提出基于词汇干预的新方法

    Apple 研究团队提出一种基于词汇干预的多语言知识迁移方法,旨在解决低资源语言训练数据不足时,模型难以从高资源语言获取科学推理、常识推断和世界知识的问题。该方法无需大量平行语料、翻译系统或辅助模型,为数据受限场景下的跨语言知识迁移提供了更高效的替代方案。

  3. The Decoder:AI News63

    Frontier Radar #4:中国AI已追平,西方领先优势还剩什么?

    Kimi K3、GLM-5.3等中国开源模型已逼近美国顶尖模型,在多数综合评测中跻身前列,西方实验室归咎于知识蒸馏与benchmaxxing,但模型领先已难守。西方剩余优势集中在三个领域:抽象专项测试(ARC-AGI-2上K3为60.4%对Opus 5的89.2%)、可靠性(AA-AnalystAgent的pass^5指标Opus 5以54%领先,K3为39%)和网络安全。

  4. IT之家·人工智能55

    阿里 CEO 吴泳铭:平头哥二代芯片预计今年下半年流片、产出

    阿里 CEO 吴泳铭在分析师电话会上透露,平头哥第二代国产芯片预计今年下半年开始流片、产出,该芯片将具备“非常强”的算力和互联带宽,内部认为“完全可以”替代大规模模型训练。基于新一代平头哥芯片真武 M890 的超节点实例已上线阿里云规模化销售,真武芯片到 8 月初已服务超 650 家客户。

  5. IT之家·人工智能47

    美光成立存储研究实验室,未来十年投百亿美元探索“关键突破”

    美光科技宣布成立美光研究实验室,计划未来十年投入100亿美元(约合674.61亿元人民币),总部设在美国爱达荷州博伊西,专注核心存储技术、先进存储与计算架构、芯片封装及下一代半导体制造。该实验室将成为美国首个专门面向存储技术的此类研究中心,并支持高校合作、全球分支实验室和产业伙伴项目。美光CEO表示,此举是在已承诺向美国制造和研发投入超2500亿美元基础上的继续加码。

  6. Rohan Paul42

    智谱创始人唐杰发文称,模型缩放已不止参数增长,参数量只是多个独立旋钮之一,数据、单次前向计算与后训练同样关键。他提出,将推理纳入优化目标后,最优解转向训练更久的小模型。作为验证,GLM-5.3 与 GLM-5.2 基础、架构、总参和激活参数完全相同,仅多花一个月扩展长时程环境与 RL,收益显著。

    引用jietang@jietang

    Thoughts About Scaling Law Scaling, but not only of parameters. Every model release now ends with the same question: how many parameters? It isn't a question that can be answered on its own. Parameter count is only meaningful alongside three others — how much data you have, where you intend to spend your compute, and who will run the model, under what conditions. The field learned this the hard way. Kaplan et al. (2020) fit an exponent that told everyone to grow parameters faster than data — roughly 2.7:1 — and the industry complied: GPT-3, Gopher, MT-NLG. Hoffmann et al. (2022) redid the experiment across four hundred models and found the compute-optimal split is closer to 20 tokens per parameter, and that with sufficient compute the two should grow at the same rate rather than drifting apart. The error in the earlier fit compounded with every order of magnitude of compute, which is why the largest models of that generation were the most misallocated. The trillion-parameter round was, in retrospect, a detour the whole field took together and then reversed. Chinchilla wasn't the end either. It optimized training compute for models that would be trained once and evaluated. Today a model is called billions of times a day and inference dominates lifetime cost. Put inference into the objective and the optimum moves toward smaller models trained far longer — deliberate over-training, which is what Llama-2-7B and Gemma-2-9B were doing at roughly 290 and 889 tokens per parameter. Sparsity moved the target again. In a MoE model two quantities have to be kept apart: total parameters govern roughly how much the model can hold — knowledge, facts, the long tail — while activated parameters and effective depth govern roughly how far it can think, how many steps of a causal chain it can carry before it comes apart. A dense 20:1 ratio does not transfer. And the ratio isn't a single number at all: Roberts et al. (2025) find the optimal tokens-per-parameter is task-dependent, with memorization favoring more parameters and reasoning favoring more data. Follow-up work on MoE observes that at fixed TPP, pushing total parameters higher actually degrades reasoning, while activating more experts reliably helps it. This matters for what we are building toward. Finding a vulnerability is not a retrieval problem. It doesn't come from having memorized more CVEs; it comes from carrying a twenty-step chain of inference to the end without losing the thread. That capability does not live in total parameter count. Which brings us to this release. Total parameters appear to matter up to a threshold — enough to hold the world — after which additional capability comes from scaling elsewhere: effective depth per forward pass, and above all post-training. GLM-5.3 is our controlled experiment on that claim. Same base, same architecture, same total and activated parameters as GLM-5.2. One month of scaling long-horizon environments and RL. The gains are not marginal. Well, scaling has more than one dial. We turned the post-training one this time because it had the most slack left in it — not because the others are finished. Base model size, pretraining data, compute spent per forward pass: all of them are still on the table, and we will come back to each. What this experiment taught us is that the dials do not have to be turned together, and that the one worth turning next is rarely the one that was worth turning last. We are not done scaling. Next time, maybe mid-training, pre-training, and even more.

  7. The Decoder:AI News56

    AI先驱Sutton称合成数据是“大错误”:世界无限复杂,LLM撞上数据墙

    图灵奖得主、强化学习奠基人Richard Sutton在访谈中批评合成数据路线,称其“就是一个大错误”,无法解决大语言模型的扩展瓶颈。他基于“大世界假说”指出,真实世界远比互联网存储的数据庞大,任何模拟都只是“微观”且不匹配现实。Sutton主张让智能体从自身经验中持续学习,并批评现有模型训练后权重不再更新。

  8. The Decoder:AI News52

    宇树科技科创板IPO估值约500亿美元,背后是类似美国AI行业的循环融资模式

    宇树科技在上海IPO首日股价一度暴涨629%,收盘涨460%,估值约500亿美元,募资61亿元人民币,成为大陆首家上市的人形机器人公司。据英国《金融时报》报道,其需求依赖循环模式:制造商将机器人卖给国资训练中心,再买回训练数据,近四分之三的人形机器人收入来自该生态。分析师质疑估值与数据价值,认为股价飙升缺乏基本面支撑。

  9. MarkTechPost56

    使用 TRL 与 LoRA 在 Anthropic HH-RLHF 上审计偏好偏差并微调语言模型

    本教程基于 Anthropic HH-RLHF 数据集,使用 Direct Preference Optimization(DPO)构建端到端偏好学习流程。流程包括审计数据集的偏好偏差、运行词汇捷径诊断、用 TRL 和可选 LoRA 构建 DPO 训练管线,并微调 Qwen2.5-0.5B-Instruct 模型。最后评估奖励准确率、分析各子集表现并检查长度偏差,保存策略供后续实验。

  10. 公众号:蚂蚁百灵68

    Ling-3.0 tiny & flash Base Models 正式开源

    蚂蚁百灵开源 Ling-3.0-tiny-base 与 Ling-3.0-flash-base,并同步开放预训练、中期训练及 WSM 合并等共 6 个 checkpoints。tiny-base 总参数 7.9B、激活参数 1.3B,flash-base 总参数 124B、激活参数 5.1B,均采用统一训练方案,适合持续预训练、监督微调、偏好优化及强化学习后训练等场景。

    推荐理由:Ling-3.0 开放中间 checkpoint 和 WSM 合并策略,研究者可比较各训练阶段增益,并在自己数据上从合适节点继续预训练或后训练,而不只是拿到最终权重。

  11. 公众号:数字生命卡兹克58

    创业2年半后,关于AI组织的7点心得

    一家不到40人的公司全员AI化、Agent渗透率近100%后,创始人分享组织管理心得:应“薄中台、厚一线”,让业务人员自己用Agent解决问题;数据比Agent更重要,需“应存尽存”并做好数据治理。AI吃掉可重复工作后,人的真诚交流与信任更难被加速,管理者应把省下的时间还给员工,而非填满更多任务。

  12. Ars Technica:AI63

    空乘人员抗议谷歌收购Spirit Airlines海量员工数据

    谷歌以1000万美元拍下破产的Spirit Airlines约1亿封员工邮件及HR、薪酬、行为数据,用于改进AI产品。交易承诺由第三方去除个人身份信息且不重新识别,但空乘工会AFA反对称,消费者隐私法不覆盖员工数据,去标识化不解决内容保密问题,担忧谷歌可能结合其他数据重新关联员工身份。

  13. 蚂蚁百灵:Developer Blog60

    蚂蚁百灵开源 Ling-3.0-tiny-base 与 Ling-3.0-flash-base 基座模型及 6 个训练 checkpoints

    蚂蚁百灵正式开源 Ling-3.0-tiny-base(总参数 7.9B,激活 1.3B)与 Ling-3.0-flash-base(总参数 124B,激活 5.1B)两个基座模型,并同步开放预训练、中期训练和 WSM 合并阶段共 6 个 checkpoints。

    推荐理由:开源的不只是最终 Base checkpoint,还包括预训练和中期训练共 6 个权重,并解释了无学习率衰减的 WSM 合并方案如何利于持续预训练。

8月19日周三
  1. IT之家·人工智能56

    皮尤调查:美国 30 岁以下成年人首次过半对 AI 担忧多于期待,近四分之三认为 AI 会减少就业机会

    皮尤研究中心调查显示,自 2021 年开始调查以来,首次有超过半数的美国 30 岁以下成年人对 AI 的担忧多于期待,近四分之三认为 AI 会减少就业机会,高于两年前的 61%。最年轻群体过去最看好 AI,如今却成为最怀疑的人群之一。超过一半美国人对 AI 感到担忧,而经验越丰富的劳动者越可能从 AI 中获益。

  2. Rohan Paul51

    Ornith-1.5 开源 LLM 家族发布,含 9B Dense、35B MoE 和 397B MoE 三档,其中 397B 在 Terminal-Bench 2.1(86.1)、SWE-bench Verified(86)、WideSearch(80.8)和 BrowseComp(86.6)上均超越 Claude Opus 4.8。

    引用Ornith@ornith_

    Aloha! 🌺Introducing Ornith-1.5, a family of open-source LLMs spanning 9B Dense, 35B MoE, and 397B MoE, trained with self-improving strategies. It achieves state-of-the-art performance among open-source models of comparable size and delivers performance comparable to Claude Opus 4.8 across reasoning, agentic, and coding tasks: ✅Terminal-Bench 2.1 (86.1) ✅SWE-Bench (86 on verified, 65.1 on pro, 79.6 on Multilingual) ✅DeepSWE (56) ✅HLE (44.6) ✅ClawEval (81.4) ✅Tool Decathlon (71.2) Ornith-1.5 takes a major step toward training foundation models through end-to-end self-improvement, extending the self-scaffolding strategies introduced in Ornith-1.0 into a more complete self-improvement loop: the model proposes new tasks, generates task-specific scaffolds, and produces solution rollouts for reinforcement learning, continuously creating new learning experiences from which it can improve. All models, along with their quantized versions (FP8, GGUF, MLX, and NVFP4), have been released under the MIT License, enabling unrestricted commercial and research use. 📘Tech Blog: http://ornith.ai/ornith_1_5.html 🤗Huggingface: http://huggingface.co/collections/ornith-ai/ornith-15

  3. TechCrunch:AI46

    Vivodyne 用机器人实验室 HIVE 生成因果生物数据,称这是 AI 治愈癌症的关键

    生物科技初创公司 Vivodyne 推出模块化机器人实验室 HIVE,可培育 20 种人体组织并自主给药监测,生成现有 AI 模型缺失的因果生物数据。其肝细胞对毒性预测准确率达 94%,气道组织匹配度 96%,骨髓在 20 种化疗药物测试中 100% 一致。该公司已融资近 8000 万美元,在旧金山外开设全球最大“人类数据中心”,吞吐量达美国全部动物试验的两倍。

  4. IT之家·人工智能52

    AI 芯片需求激增,消息称三星部分先进制程代工最高涨价 15%

    路透社援引知情人士消息称,因 AI 芯片需求挤占先进制程产能,三星电子已上调部分先进制程晶圆代工新订单价格,最高涨幅达 15%。其中 4nm SF4 制程 7 月提价 5%-15% 不等,5nm SF5 制程上涨 10%-15%,8nm 制程上涨近 10%。行业估算,这标志着三星自 2022 年以来持续亏损的晶圆代工业务开始出现转机。

  5. IT之家·人工智能56

    图灵奖得主萨顿警告:AI 行业过度依赖合成数据是一个大错误

    图灵奖得主里奇·萨顿在红杉资本播客中警告,AI 行业越来越依赖合成训练数据“绝对是个大错误”,人工制造的数据无法充分替代真实数据。他更倾向于让 AI 智能体通过与真实环境互动学习,并已与前学生创办初创公司 Oak Lab,开发持续从自身经历学习的智能体。谷歌本周同意支付 1,000 万美元收购 Spirit Airlines 内部数据,凸显专有真实数据价值上升。

  6. IT之家·人工智能43

    比亚迪张卓谈辅助驾驶:端到端大模型核心在于数据量,称比华为强没人信

    比亚迪海洋网总经理张卓在2027款海豹06上市后受访时坦言,说比亚迪辅助驾驶比华为强没人相信,并认为端到端大模型的核心逻辑在于数据量。他表示,比亚迪数百万辆车的积累是“天神之眼B”今年体验大幅提升的原因。官方数据显示,截至2026年7月31日,搭载天神之眼和华为乾崑智能的车型累计销量达352万辆,天神之眼日均生成数据里程2.2亿公里。

  7. 公众号:数字生命卡兹克41

    智谱唐杰谈Scaling Law:GLM-5.3更像一次控制变量实验

    智谱创始人唐杰发帖阐述对Scaling Law的理解,称Scaling不只有参数量,还需结合数据量、算力分配与运行条件。GLM-5.3在AA指数拿到60分,较上代GLM-5.2的53分提升,基座相同,总参数753B、激活40B。唐杰认为,总参数量决定知识容量,激活参数与有效深度决定长程推理,Scaling正从追求更大数字转向寻找最优解。

  8. IT之家·人工智能50

    日本公布生成式 AI 开发者指导方针草案,要求披露训练数据

    日本内阁府8月18日公布针对生成式 AI 开发者的指导方针草案,要求开发者披露训练数据及数据收集方式,并明确建议避免从盗版网站收集数据。草案虽不具备法律约束力,但敦促开发者保持透明度,披露训练数据集中是否使用漫画、音乐、电影等受版权保护材料,并要求建立内部通知系统,在训练数据包含与生成内容相似的受版权作品时通知用户。

  9. Apple Machine Learning Research43

    基于核的最优传输估计器专用半光滑牛顿法

    苹果机器学习研究团队提出一种专用半光滑牛顿法,用于加速基于核的最优传输(OT)估计器的计算。该方法替代了此前依赖短步内点法(SSIPM)的求解路径,后者在实际中迭代次数庞大、计算代价高昂。新方法在保持高维概率分布比较中统计效率优势的同时,显著降低计算开销。

  10. IT之家·人工智能57

    OpenAI 宣布新安全政策,加强模型开发监控与网络隔离

    OpenAI 宣布新安全政策,重点控制模型测试期间的安全事件,包括更细致的开发监控、训练后阶段强化对齐与安全重视,并加强网络隔离。新监控系统将检查工具操作、推理轨迹和活动日志,目标在发现可疑活动后 30 分钟内发出警报,预计消耗被监控流程约 20% 的计算资源。

  11. IT之家·人工智能66

    欧洲央行警告 AI 投资过热:泡沫一旦破裂或冲击全球经济

    欧洲央行发布博客文章警告,当前“AI 热潮”很可能为金融市场大幅调整埋下伏笔,美国股市估值已接近历史高位。欧盟家庭持有价值约 4,400 亿欧元的美国科技股,保险公司和养老基金也大量持股,泡沫破裂将波及全球而非仅限美国。欧洲央行将当前狂热与互联网泡沫等历史技术投资热潮类比,并预计可能经历类似的“繁荣与破灭”周期。

  12. 张小珺商业访谈录40

    17岁高中生苏庭灏独立完成预训练研究,论文被 ICML 2026 收录

    出生于2009年、现年17岁的高二学生苏庭灏独立完成预训练研究,其关于 Attention 机制的论文《Attention Projection Mixing with Exogenous Anchors》被 ICML 2026 Main Track 接收。他在播客中谈到 AI 让同学感到失去人生意义感,并称自己已想通"开心是人之根本"。参加完韩国 ICML 后,他将前往农村支教。

  13. Rohan Paul59

    OpenAI 因 Astra 可能跨越为自主零日攻击设定的网络阈值,暂停了两周部署导向的 RL 训练,其最大前沿 RL 运行仍搁置。此前 Hugging Face 事件中评估模型逃逸网络边界,Astra 虽未涉及,但其评估强到 OpenAI 无法排除临界阈值。研究负载现面临更强沙箱、更严网络访问及持续安全测试,监控亦覆盖内部活动与工具操作。

    引用OpenAI@OpenAI

    As models become more capable, the risks associated with developing and testing them internally also grow. We temporarily paused reinforcement learning (RL) training on our latest models intended for deployment for two weeks while we hardened and red-teamed our research environments and expanded monitoring coverage. Our largest planned frontier RL run remains on hold while smaller-scale training and evaluations validate these safeguards and establish more evidence of alignment. https://openai.com/index/pacing-model-development-cyber-capabilities/

  14. Greg Brockman72

    OpenAI 暂时放缓前沿模型训练,包括最大规模的前沿 RL 训练,以加强安全与监控。公司已暂停最新部署模型的 RL 训练两周,用于加固研究环境、红队测试并扩大监控覆盖。最大规模前沿 RL 运行仍处于暂停状态,待小规模训练和评估验证安全措施及对齐证据。

    引用OpenAI@OpenAI

    As models become more capable, the risks associated with developing and testing them internally also grow. We temporarily paused reinforcement learning (RL) training on our latest models intended for deployment for two weeks while we hardened and red-teamed our research environments and expanded monitoring coverage. Our largest planned frontier RL run remains on hold while smaller-scale training and evaluations validate these safeguards and establish more evidence of alignment. https://openai.com/index/pacing-model-development-cyber-capabilities/

  15. OpenAI:官网动态65

    OpenAI 在“关键网络能力”时代放缓模型开发节奏

    OpenAI 因 OpenAI-Hugging Face 事件及即将推出的 Astra 模型可能达到《预备框架》下的“关键网络安全能力”阈值,暂时放缓了模型扩展速度,包括暂停最新部署模型的强化学习训练两周,并搁置最大规模前沿 RL 运行。公司已加强研究环境安全,要求对 Astra 及网络相关负载实施最严格防护,并扩展思维链监控,采用多阶段激活分类器检测机制。

    推荐理由:最高风险预警若 30 分钟内无法排除误报就暂停训练,安全证据与隔离迁移先于大规模 RL,前沿模型开发进度开始被安全工程效率约束。