Rohan Paul@rohanpaul_aiAI 评分6868#数据/训练
- Rohan Paul@rohanpaul_aiAI 评分6868
Karina@karinanguyenAI 评分5353引用Karina@karinanguyenThink there is a clear way to improve AI writing for non-fiction (we did that for one of the gpt4o version). Much of the gap comes from conflicting optimization objectives during RL: the traits that make a model pleasant to chat for consumer are often at odds with the qualities valued in academic / technical / research writing, where precision, info density, structure, and restraint matter more. Creative writing is a different problem entirely imo. It’s about building coherent worlds, developing characters, maintaining narrative consistency, and creating emotional arcs over hundreds of pages. Great novels were written over years of iteration on structure, theme, and character. And simply we don’t have much of the historical data to capture the entire process to train on within the current paradigm (eg hard to simulate Pixar’s braintrust process for AI), but I also think no lab has put in resources into it bc it’s almost impossible to measure + not much economic value I once gave a talk on this: https://docs.google.com/presentation/d/1d7fsWsVYnKy0zVZhYil-cJ7ONEpnKB9D4sVmWGrAnJI/edit?usp=drivesdk
- Rohan Paul@rohanpaul_aiAI 评分4949引用Manycore Tech@ManycoreTech
Our papers just got accepted at #ECCV2026 — and the one we're most excited about: SPEAR, our next-gen Physical AI simulation platform, built with multiple tech giants. SPEAR closes the loop from real-world space to robot training: digitize → simulate → train. Alongside Syn-GRPO and WalkerBench, this is our full-stack bet on the data, simulation, and evaluation infrastructure that Physical AI runs on. Built on OpenUSD. Designed for the age of Physical AI. Huge thanks to our SPEAR co-authors and partners: @ros_german, @StefanLeuteneg1, Kalyan Sunkavalli, Vladlen Koltun, Rushikesh Zawar, Rachith Dey-Prakash, and Quentin Leboutet. #PhysicalAI #EmbodiedAI #Robotics #Simulation #ECCV2026 #SpatialAI #OpenUSD
IT之家·人工智能AI 评分6464 高盛经济学家布里格斯：AI 将迫使 1500 万美国劳动者离开岗位，但不意味着“失业”
高盛经济学家布里格斯预计，AI普及将迫使约9%的美国劳动者（约1500万人）离开现有岗位，但劳动力市场可重新吸纳。在科技、管理咨询和平面设计等行业，AI每月使美国新增就业岗位减少1万至1.5万个。布里格斯指出，过去80年约85%就业增长来自技术进步创造的新岗位，美国每年创造约3000万个岗位并淘汰2900万个，岗位创造速度提高5%即可吸纳转岗劳动者。MIT研究员汤普森认为，AI对就业冲击不会迅速到来，多数职业更可能被部分自动化。美国6月就业报告显示新增5.7万个岗位，失业率降至4.2%。
Simon Willison 博客AI 评分5353 Current AI 发布 Open Source AI Gap Map v0.1
Current AI（2025年2月巴黎AI行动峰会成立的非营利组织，已获4亿美元承诺资金）发布了Open Source AI Gap Map v0.1，旨在索引开源AI生态现状。该地图详细列出421个产品：266个软件工具和库、85个模型、50个数据集、20个硬件项目，来自228个组织，按14类别和3层技术栈组织。另有24,400个未分类长尾项目。底层数据以MIT许可证公开在GitHub（currentai-org/os-ai-map），包含1,184个YAML文件及收集脚本，可通过Datasette Lite探索其中16,185个仓库。
MarkTechPostAI 评分5959 基于 lift-pdf 的 Schema 引导发票智能流水线：应付账款提取、验证与账目生成
本教程使用 lift-pdf 构建端到端应付账款提取流水线，将发票解析视为 Schema 引导的文档理解，而非简单 OCR。通过生成合成发票 PDF 作为测试文档，定义供应商身份、账单方、采购单号、行项目、税额、总金额、应付余额及支付状态等结构化字段，并处理实际财务流程中的常见陷阱（如区分 bill-to 与 ship-to、分离小计与税后总额、对缺失值返回 null、正确标记部分付款余额为未付）。支持 GPU 感知模型加载与可选 4-bit 量化，实现 PDF 生成、提取、评分和账目构建。
IT之家·人工智能AI 评分6363 桥水基金联合研究：前沿AI模型金融判断准确率仅50-70%，微调开源模型达84.7%
桥水基金旗下AIA Labs联合Thinking Machines Lab研究显示，GPT、Claude、Gemini等前沿模型在基础金融信息筛选任务中使用基础提示词平均准确率约50%，经专家优化后升至约70%，仍低于80%可信部署门槛。模型迭代进步有限，GPT-5.4比GPT-5.2贵43%但准确率仅略升。研究团队以阿里开源模型Qwen3-235B为基座，通过Tinker平台采用交错批次训练、CISPO损失函数及同策略蒸馏等方法微调，最终准确率达84.7%，优于最佳前沿模型的78.2%，错误率降低29.8%，推理成本仅为前沿模型的约十四分之一。研究认为企业通过微调开源模型可保留专有数据控制权，获得“差异化智能”。
The Decoder：AI NewsAI 评分5454 Bridgewater与Thinking Machines Lab微调Qwen3-235B，金融文档分析超越GPT和Claude
对冲基金Bridgewater与Thinking Machines Lab微调开源模型Qwen3-235B用于金融文档分析。内部评测显示，微调模型准确率达84.7%，而最佳前沿模型（Gemini、Claude、GPT变体）仅为78.2%，且运行成本低近14倍。前沿模型在基础提示下准确率仅约50%，加入专家指令和三档评级系统也未能突破80%阈值。Bridgewater利用内部专家知识纠正承包商标签错误，通过Tinker平台训练。这表明企业可利用专有数据开发强大AI方案，无需与大型提供商共享敏感信息。
IT之家·人工智能AI 评分4545 消息称 Meta 后续 MTIA 芯片将导入三星晶圆代工 2nm 制程工艺
据韩媒报道，Meta 将在其 MTIA 系列中导入三星晶圆代工 2nm 制程。此前两代 MTIA 芯片均由台积电制造。Meta 今年 3 月宣布 2 年 4 代自研 AI 芯片计划，其中 MTIA 300 已投产，MTIA 400 正部署，MTIA 450 和 500 预计分别于 2027 年初和 2028 年大规模部署。订单总量超 10 万亿韩元（约 437.8 亿元），合作深入到芯片架构设计阶段。
- Rohan Paul@rohanpaul_aiAI 评分7171引用Rohan Paul@rohanpaul_ai
Microsoft CEO Satya Nadella's new interivew: Explains how the next AI moat will not be the model you use, but the learning loop only your company can run. He is really asking what happens to the firm when intelligence becomes something you can rent. For a century, companies protected value through people, processes, data, routines, customer memory, and the tacit knowledge buried in daily operations. Foundation models threaten to flatten that advantage because the same general intelligence can be used by everyone. Nadella’s answer is that firms need their own “hill climbing machine,” a private loop where models learn from company-specific tasks, traces, evaluations, and outcomes. That means the real asset is not just the model. The asset is the environment that keeps improving the model in ways competitors cannot copy. Private evals become strategic memory. Workflow traces become training signal. Human judgment becomes a way to steer compounding, not just correct mistakes. This also reframes AI adoption: a company that only consumes a foundation model may gain productivity, but it may leak the deeper value of its operating knowledge. A company that builds a disciplined learning loop can turn everyday work into accumulating IP. The future firm may therefore be measured by how well it converts its unique activity into durable model improvement. The frontier will not belong only to whoever owns the largest model. It will belong to whoever owns the best loop. ---- From "Stanford Online" YouTube channel, (link in comment)
- Rohan Paul@rohanpaul_aiAI 评分5454引用Mira Murati@miramurati
Bridgewater used their unique financial knowledge and partnered with us on @tinkerapi to fine-tune a model that helps their analysts focus on what's important. Experts improving AI that empowers experts. https://thinkingmachines.ai/news/learning-to-replicate-expert-judgment-in-financial-tasks/
IT之家·人工智能AI 评分5151 Palantir CEO 卡普抨击 OpenAI 等 AI 公司“双重收费”，要钱还窃取数据
Palantir CEO 亚历山大·卡普在 CNBC 采访中指责 OpenAI、Anthropic 等前沿 AI 公司实行“双重收费”：既向客户收取高额 Token 消耗费用，又通过服务窃取客户业务流程数据（权重和阿尔法值）用于改进模型，使客户面临核心业务被复制或取代的风险。多家美国企业对此表示愤怒。
IT之家·人工智能精选AI 评分8080 阿里达摩院发布超导材料发现AI智能体Elements Claw
7月3日，阿里达摩院联合中国人民大学、中国科学院大学发布首个超导材料发现AI智能体Elements Claw。该智能体采用“专通融合”架构，基于1.25亿分子/晶体结构预训练的1B参数原子基础模型Elements，判断超导性AUC达0.996，预测临界温度平均误差小于1K。AI仅用28个GPU小时筛选240万晶体结构，预测出6.8万个候选材料，其中4种（Hf₂₁Re₂₅、Zr₄VRe₇、HfZrRe₄、Zr₃ScRe₈）已合成并验证超导性，临界温度最高6.5K。全部240万稳定晶体数据库已开放。
推荐理由：我认为这是 AI for Science 的标志性突破，AI 智能体第一次从头设计并实验证实了全新的超导材料，把 AI 角色从辅助推到「独立发现」，对做材料模拟和科学发现的团队是个转折点。
IT之家·人工智能AI 评分4646 中国发布全球首个地层学 AI 大模型，给地球建“共享数据库”
在第五届国际地层学大会上，中国发布首个地层学AI大模型及智能全球地层剖面对比系统，旨在为地球46亿年历史建立全球共享数据库。中国科学院院士沈树忠介绍将借助时间轴整合地质记录。目前中国已发现11颗“金钉子”，为地球演化标定国际刻度。本次大会首次走出欧洲落地亚洲，共33国700余名专家参加。
IT之家·人工智能AI 评分5555 韩国政府将利用 AI 税收红利加速主权人工智能发展
韩国政府计划利用三星电子和 SK 海力士等半导体企业因 AI 浪潮带来的额外税收，加速主权人工智能发展。近期 Anthropic、OpenAI 前沿模型遭遇出口/发布管制，使韩国意识到发展自有模型、减少海外依赖是保障 AI 供应链安全的关键。由于此前国内 AI 开发计划资源分散，韩国模型与世界前沿差距拉大。韩国科学技术信息通信部拟在补充预算到位后斥资 5 万亿韩元购入 10000 块 NVIDIA Rubin GPU，交由单一精英团队使用，目标 2027 年上半年完成先进模型开发。
IT之家·人工智能AI 评分5454 被三家 YouTube 频道指控非法抓取数百万段视频训练 AI 模型，苹果要求驳回诉讼
三个 YouTube 频道 h3h3Productions、MrShortGame Golf 和 Golfholics 今年 4 月起诉苹果，指控苹果为训练 AI 模型非法抓取数百万段受版权保护的 YouTube 视频，违反美国《数字千年版权法》。苹果本周要求法院驳回诉讼，称原告主动将视频公开上传至 YouTube，无需密码或付费，任何人都可观看，因此苹果有权访问；YouTube 的技术措施并未限制公众访问，原告未能提出能成立的诉讼请求。
Apple Machine Learning ResearchAI 评分4646 学习扩散语言模型的去掩码策略
研究人员提出使用强化学习训练扩散语言模型（dLLM）的采样策略。该方法将掩码扩散采样形式化为马尔可夫决策过程，以 dLLM 为环境，采用单层 Transformer 策略网络将 token 置信度映射为去掩码决策。实验表明，在半自回归（块）生成中，该策略匹配了最先进的启发式方法，在全扩散设置中则超越后者。
Simon Willison 博客AI 评分6565 使用 DSPy 评估和优化 Datasette Agent 的 SQL 系统提示词
Simon Willison 通过 Claude Code 中的异步研究任务（基于 Claude Fable 5）尝试用 DSPy 对 Datasette Agent 执行只读 SQL 查询时的系统提示词做评估与优化。Fable 选择测试 GPT 4.1 mini 和 nano，发现改进方向：模式列表仅给出表名，而“如果已有信息不要调用 describe_table”的建议导致列名猜测和错误重试循环。建议在提示词的模式列表中包含列名或软化该建议。
Apple Machine Learning ResearchAI 评分4646 通过可追踪轨迹控制学习结构化推理
大语言模型可涌现推理行为，但复杂推理轨迹在无约束采样中稀疏，标准强化学习难以保证多样性。Ctrl-R框架通过可追踪轨迹控制主动引导rollout，激励探索多样推理模式，并利用重要性采样实现无偏on-policy优化，引入重要性采样权重的幂缩放因子以选择性学习分布外轨迹。实验表明，Ctrl-R在语言和视觉-语言模型的数学推理任务上均取得一致改进。
Apple Machine Learning Research精选AI 评分5656 VideoFlexTok：可变长度粗到细视频分词
VideoFlexTok提出一种可变长度token序列的视频表示方法，采用粗到细结构——首个token捕捉语义和运动等抽象信息，后续token添加精细细节，生成流解码器支持任意token数量的视频重建。相比传统3D网格分词，该结构允许根据下游需求调整token数，在相同预算下编码更长视频。在类别和文本到视频生成任务中，VideoFlexTok以1.1B参数（5.2B的1/5）达到可比生成质量（gFVD和ViCLIP Score）。训练一个处理10秒81帧视频的文本到视频模型仅需672个token，比同等3D网格分词器少8倍。
推荐理由：把视频 tokenization 从固定网格改成变长 coarse-to-fine，训练效率提升明显，还能做更长的视频。研究角度挺漂亮，但离产品落地还有距离，做视频生成的可以追一下。
Ars Technica：AIAI 评分5757 马斯克的X对美国人隐私构成严重风险，倡导组织警告FTC
7月2日公众评论截止前，15个隐私与消费者保护组织联名致信FTC，要求拒绝X终止数据处理审计的请求。X主张因公司更名及已在欧盟GDPR下承担类似义务而终止。该命令源于Twitter时期将双重认证提交的联系信息用于广告定向。目前X需接受昂贵独立审计，FTC有权直接调取文件。倡导者警告，放任X逃脱监督将对美国人隐私构成严重风险。
MarkTechPost精选AI 评分7272 Google Health API 推出 CLI：ghealth 是一款针对 Fitbit 数据的开源工具
ghealth 是一款封装 Google Health API v4 的开源命令行工具，以单个 Go 二进制文件发布（Apache 2.0 协议）。它提供 40 种已验证的数据类型（包括步数、心率、睡眠、体重、血氧饱和度、心率变异性等）的结构化 JSON 输出。工具采用 Agent 优先设计，具备确定性退出码、--dry-run 和 --raw 标志，并附带两个 SKILL.md 文件供 AI 智能体使用。用户需自行创建 OAuth 凭据，通过 PKCE S256 认证。数据来源覆盖 Fitbit、Pixel Watch 及连接的第三方设备。
推荐理由：把 Google Health API 封装成终端和 AI 代理友好的 CLI，一次性解决了认证、JSON 输出和分页这些烦人细节，想用 Fitbit 数据做健康分析或喂给代理的人可以直接上手，但它的影响仅限于个人健康数据爱好者这个小圈层。
IT之家·人工智能AI 评分6161 Cloudflare 细化爬虫屏蔽管理，2026 年将默认禁止 AI 代理与训练爬虫访问广告页面
Cloudflare 7 月 1 日宣布细化网络爬虫屏蔽管理，为爬虫机器人赋予搜索、代理、训练等标签，计划在 2026 年 9 月 15 日默认禁止 AI 代理与训练爬虫访问含广告的网页。爬虫管理器会为混合型爬虫匹配所有行为模式，只要一种行为被网页所有者禁止，该多任务爬虫就无法在该网站爬取。Cloudflare 还将推出新版归因业务洞察仪表板，适配 SEO 到 GEO 再到 AEO 的变迁，提供页面变动监控以避免重复抓取，并推出按使用计价的抓取付费模式。
MarkTechPostAI 评分6969 使用 Lift 将研究 PDF 转换为结构化 JSON：受控的、模式引导的字段级评估
Lift 是一个 PDF 到结构化数据的提取工具，本教程构建了完整的受控评估工作流。通过 4-bit NF4 量化，约 10B 参数模型可在 16 GB GPU（如 T4/L4）上运行。教程生成含干扰项的合成多页研究论文，测试模型在真实文档布局中恢复标题、作者、数据集、指标、超参数、局限性和仓库链接的能力，并输出结构化 JSON，实现模式引导的字段级评估。
TechCrunch：AI精选AI 评分7272 Cloudflare新政策：默认屏蔽混合爬虫，推动AI公司付费
Cloudflare宣布，自2026年9月15日起，其默认设置将屏蔽同时用于搜索、AI智能体及训练的“混合用途”爬虫访问托管广告的页面，除非站点所有者手动调整。此举旨在保护出版商内容不被无偿使用。同时将原有的“Pay Per Crawl”模式升级为“Pay Per Use”，允许出版商在内容创造价值时向AI公司收费，初期合作方为Ceramic.ai和You.com。Cloudflare数据显示，AI爬虫超过50%的抓取流量浪费在重复获取未变更页面上。新政策适用于新客户、现有客户的新站点及所有现有免费客户。
推荐理由：Cloudflare用基础设施商的话语权重新划定了AI内容付费线，默认屏蔽混合爬虫这一刀切下去，从Google到创业公司都躲不开，出版商到底该分多少钱的讨论终于有了一个落地的支点。
Meta Engineering Blog精选AI 评分7171 Meta 大规模 AI 存储蓝图
Meta 运营数百 EB 级存储集群，基于 Tectonic 分层存储层构建 BLOB 存储架构，以应对两大挑战：最大化 GPU 利用率与研究迭代速度。传统 BLOB 架构的多层元数据查询可导致数百毫秒延迟，使 GPU 因 I/O 等待停顿。新架构将训练栈逐步迁移到 BLOB 存储接口上，利用闪存提供可预测的低 pMax 延迟，避免单 GPU 慢速拖慢整批任务。同时，统一的数据湖访问支持地理分布 GPU 间的数据高速注入与跨区移动，提升研究效率。
推荐理由：Meta的存储架构复盘给出了一条明确路径，从重写元数据到分层缓存，他们把GPU利用率和研究者迭代速度同时提升了一个档次，做AI训练平台的值得细读。
- Rohan Paul@rohanpaul_aiAI 评分5353引用Min-Kyu Jung@mkjung_
Introducing Ivo Benchmarks. Benchmarks reviews and redlines agreements by drawing upon your company's entire history of contract negotiations. We developed Benchmarks by working closely with some of the world's leading companies. They have literally millions of contracts, but no feedback loop for improving their negotiations based on what they've agreed to in the past. What they need is institutional memory for their negotiations. We're excited to support that by making Benchmarks generally available. The Ivo team is working on a lot of really cool things right now. Much more coming soon!
IT之家·人工智能AI 评分5757 OpenAI 推出 GeneBench-Pro 基准测试，评估 AI 模型生物学计算能力
OpenAI 发布 GeneBench-Pro 基准测试，评估 AI 模型在生物学计算中的真实研究能力。测试让模型面对模糊、不完整甚至带干扰的数据环境，自主完成数据探索、方法选择和策略修正。GeneBench-Pro 覆盖基因组学、定量生物学和转化医学等方向，共 129 道题，分布于 10 个大领域和 21 个子领域。为避免长流程评分偏差，OpenAI 采用合成数据构建题目。目前已在 Hugging Face 开源 10 道示例题并提供交互界面，后续将开放 50 道题给 Artificial Analysis 进行第三方独立评测。
IT之家·人工智能AI 评分5757 施耐德电气31亿美元收购工业AI公司Cognite
施耐德电气宣布以31亿美元全现金收购工业AI软件公司Cognite。Cognite成立于2016年，核心产品为工业数据平台Cognite Data Fusion，2025年营收超1.7亿美元，全球员工约800人。交易完成后Cognite将并入施耐德旗下工业软件业务单元AVEVA，旨在整合工业数据平台与AVEVA软件组合，增强工业人工智能和数据管理能力，预计未来几个季度内完成。
MarkTechPostAI 评分6969 Google Research 推出 TabFM：面向表格数据的零样本分类与回归基座模型
Google Research 发布 TabFM v1.0.0，一种面向表格数据的零样本基座模型，无需针对特定数据集训练、调参或特征工程即可进行分类和回归。TabFM 将整个数据集作为统一提示，通过上下文学习在单次前向传播中生成预测。其架构融合 TabPFN 风格的行/列交替注意力与 TabICL 风格的行压缩和上下文学习。模型在数亿个由结构因果模型动态生成的合成数据集上训练。在 TabArena 基准（38 个分类、13 个回归数据集，样本量 700 至 15 万）上，TabFM 及添加交叉特征和 SVD 特征、采用 32 路集成的 TabFM-Ensemble 均优于经过深度调优的监督算法。模型已开源在 Hugging Face 和 GitHub，Google BigQuery 即将通过 `AI.PREDICT` SQL 命令集成。
IT之家·人工智能AI 评分5959 美国能源部长赖特：公众对数据中心的担忧合理但被夸大
美国能源部长克里斯·赖特称公众对数据中心的担忧并非毫无根据，但程度被“夸大”。他呼吁支持者积极反驳反对声音，称数据中心好处远大于坏处，可降低电力成本，用水量相比创造价值“微不足道”。盖洛普5月调查显示，1000名受访者中七成反对在居住区建设AI数据中心，近一半“强烈反对”。截至去年底，美国已建成或获批超1400座数据中心，其水资源消耗、柴油发电机致空气质量问题及所有权缺乏透明度引发争议。
OpenAI@OpenAIAI 评分5858我们正在引入GeneBench-Pro，一个研究级基准测试，用于衡量一种更难的AI进步：智能体在混乱的生物数据中导航、选择正确分析路径、并做出真实计算研究所需的判断决策的能力。
Claude@claudeai精选AI 评分7676推出 Claude Science，一款面向研究每一阶段的全新应用。 构件可追溯至其代码，环境按需管理，并可连接 60 多个可选科学数据库。 现已开放 beta 版。
推荐理由：这不是又一个AI聊天界面套壳，而是把artifacts溯源码和60+科学数据库深度整合的科研工作台，实验室里被数据管理折磨的科研狗值得立刻看一眼。
The Decoder：AI NewsAI 评分6767 美团发布LongCat-2.0，1.6万亿参数大模型完全基于国产芯片训练
美团发布LongCat-2.0，参数规模达1.6万亿，完全基于超5万颗国产AI ASIC芯片集群训练，覆盖35万亿模型token。该模型在SWE-bench Pro（59.5）和SWE-bench Multilingual（77.3）上超越Gemini 3.1 Pro和GPT-5.5，但落后于Claude Opus 4.7和4.8。在IFEval（90.0）、IMO-AnswerBench（81.8）和GPQA-diamond（88.9）上则与Gemini、GPT-5.5存在差距。美团未透露具体芯片厂商，模型暂未在HuggingFace开放，独立验证困难。项目团队始于2023年，首个模型于去年底交付。