教程以 NVIDIA Nemotron-Pretraining-Code-v3 数据集为大规模元数据索引，采用流式方式而非完整下载，检查数据集 schema 并构建可管理样本。通过分析编程语言、文件扩展名、仓库频率及目录深度来理解索引结构，随后重构原始 GitHub URL 以获取真实源代码文件，并利用 tiktoken 估算所获代码的 token 规模。
SpaceX在得克萨斯州巴斯特罗普市新建1100万平方英尺（约102.2万平方米）卫星工厂，生产首款AI卫星AI1。该卫星长70米，峰值算力150千瓦，计划2027年底规模化量产。公司计划2027年底建成1吉瓦太空AI算力，届时每年需发射6000余颗AI1卫星；目标2030年年算力100吉瓦。工厂将垂直整合太阳能硅锭、硅片、电池、电路板等供应链。此外，SpaceX、特斯拉与xAI联合在奥斯汀打造Terafab芯片工厂，年产能可支撑1太瓦算力。
Rohan Paul@rohanpaul_ai精选AI 评分7676推荐理由：中国把AI基建当国家电网来建，2950亿美元砸进的算力网络会重塑国产芯片和运营商格局，做AI基建和国产替代的都该认真跟一下。
Microsoft Research@MSFTResearchAI 评分6363NeuroBait是基于Google gemma-3-12b-it微调的AI对话助手，旨在帮助ADHD患者克服“知道该做什么但无法开始”的执行功能障碍。采用16-bit LoRA（r=16, alpha=16）在Unsloth上训练3个epoch，学习率2e-4，最大序列长度2048，使用单张H100 80GB GPU。数据集为基于真实ADHD场景手工合成的少量数据。部署于Hugging Face Space（ZeroGPU），使用Gradio和标准transformers+peft，运行时以4-bit NF4加载基础模型并应用LoRA适配器。NeuroBait不生成待办清单，而是根据用户上下文给出3-6句温暖流畅的回复，引导用户找到一件微小可立即执行的动作，从而激发多巴胺、降低启动阻力。
推荐理由：对ADHD群体来说，这是一次真正从需求出发的AI尝试。它不做计划列表，而是用一个温暖的动感火花打破僵局，让AI从理论走向陪伴。如果你或身边人容易'卡住'，可以试试这个Space。
蚂蚁 inclusionAI 在 GitHub 上开源了 AReno，一个易用且快速的工具包，可在单节点上扩展强化学习后训练（RL post-training）。
vLLM 社区发布开源 RL 后训练框架 vime，基于 slime 训练栈，将 Megatron 训练与 vLLM 推理 rollout 接入统一管线，采用 Apache 2.0 协议。
Rohan Paul@rohanpaul_aiAI 评分7070New Science Blog: Why has AI advanced faster in coding than in biology? To agents, bio databases are like cities built before cars—maddening to drive in because they're designed for different traffic. How do we build infrastructure agents can use? https://www.anthropic.com/research/agents-in-biology
将AI比作一个闪耀着能力的星系，其核心存在一个肉眼不可见的巨大黑洞——数据。这个比喻揭示了AI模型惊人能力背后对海量数据的依赖，样本效率的瓶颈如同引力中心，将各色能力凝聚在一起。
推荐理由：Dwarkesh 把 AI 样本效率低的问题算透了，人类 2 亿 token 学会的事，模型要万亿级，缩放定律也补不上这个黑洞。做 AI 的该认真想想，数据驱动这条路有没有尽头。
微软研究院推出Lens，一个仅3.8B参数的文本到图像模型。依靠由GPT-4.1生成的8亿条详细图像标题，而非模糊的网页替代文本，Lens在基准测试上匹配了规模更大的竞品，训练成本仅一小部分。代码和权重以开源许可证公开可用。
ChatGPT@ChatGPTapp精选AI 评分6767将数据和比较转化为图表，直接在 ChatGPT 中完成。 现已支持移动端和网页端。
推荐理由：ChatGPT终于内置了图表生成，不用再复制数据到其他工具了。这个功能的真正价值是让分析更快闭环，做数据简报的人可以试试。
全永铉与黄仁勋在首尔举行闭门商务会议，就 HBM4、晶圆代工短期合作进行讨论。双方正在合作研发 4 纳米和 8 纳米节点的自动驾驶芯片及英伟达加速器芯片，并广泛讨论了 HBM4E、HBM5、代工业务等长期合作。三星将全力供应 HBM4 及低功耗内存模组 SOCAMM，计划从明年起通过 HBM4E 和 HBM5 延续合作。全永铉表示三星将作为英伟达最佳合作伙伴协助其成功。
月之暗面（Moonshot AI），Kimi 聊天机器人母公司，正寻求在新一轮融资中获得最高 300 亿美元的估值，这一数字是 2025 年底公司估值的 6 倍以上。
机器学习在天气与气候科学中的应用仍有局限，所谓“革命”并未真正到来。业界正在审视其实际使用方式，而非夸大其颠覆性。
AMD 宣布未来五年内向英国投资最高 20 亿英镑（约 181.27 亿元人民币），用于推动 AI 创新研究与前沿计算设施建设。CEO 苏姿丰在伦敦 Tech Week 大会上公布投资计划，将配合英国政府 AI 行动计划与硬件战略。AMD 将携手帝国理工学院，利用 AMD 计算平台和 ROCm 软件生态优化 AI 大模型及数据密集型应用，并支持剑桥大学建设“Zenith AI”国家级超算项目。
燧原科技科创板首发申请将于 6 月 15 日上会，拟募资 60 亿元，用于五代及六代 AI 芯片系列产品研发与产业化、先进人工智能软硬件协同创新等项目。财务数据显示，2022—2024 年及 2025 年前三季度，营收分别为 9010.38 万元、3.01 亿元、7.22 亿元、5.4 亿元；归属净利润分别为-11.16 亿元、-16.65 亿元、-15.1 亿元、-8.88 亿元。
据电讯报6月7日消息，英国技术大臣莉兹·肯德尔将在本周伦敦科技周上概述从英国公司“战略性采购”半导体设备的计划，旨在阻止初创企业放弃英国前往硅谷，确保AI产业部分领域的“主权”，避免过度依赖美国科技巨头。英国已投资数亿英镑建设AI研究资源，但绝大部分使用英伟达和英特尔芯片。政府将花费超10亿英镑将资源扩大20倍。此前Alphawave、Imagination Technologies、Graphcore等微芯片企业已被外国收购，Arm在美上市。
英伟达和韩国 SK 集团预计于周一公布合作计划。英伟达 CEO 黄仁勋表示，当前存储芯片供应紧张还将持续好几年，整个行业供应链从晶圆到封装再到硅光模块均处于短缺状态。合作覆盖 AI 超级计算机、CPU、新型 PC 和机器人技术等领域。SK 海力士发言人称，集团董事长崔泰源与黄仁勋将于周一上午向媒体简要介绍该计划。
小型语言模型在罕见任务上表现不佳，因为频繁任务不断覆盖已学内容。一项涵盖4百万到40亿参数模型的新研究详细揭示了这一机制，并提出实用解决方案：无需扩大模型规模，只需增加目标任务在训练数据中的出现频率。
特斯拉AI基础设施及信息安全副总裁拉吉·杰加纳坦在领英宣布离职，结束13年职业生涯。他自今年2月起逐步离任，将加盟云基础设施服务商Chronoscale任首席技术官。杰加纳坦直接向马斯克汇报，主导设计了全球顶尖GPU集群，为FSD神经网络提供算力，处理数十亿英里实车数据并开展大规模模型训练。他的离职是过去半年特斯拉多位资深高管离职的最新一例。
Hugging Face 发布 Job Searcher，一个基于 AI 的求职搜索工具。用户上传简历并设定偏好后，系统使用教师模型 DeepSeek V4 Pro 生成 LinkedIn 搜索查询，通过 JobSpy 抓取职位，再对学生模型 Qwen3-8B（8B 参数）进行 LoRA 微调，对每个职位从技能匹配、经验相关性、教育背景、行业领域契合度和资历对齐五个维度给出评分和推理。训练在 Modal 平台单张 A100 上完成。推理部署于 Hugging Face ZeroGPU Space，使用 llama.cpp 实现流式输出。项目开源。
推荐理由：这个 hackathon 项目把教师蒸馏和 LoRA 微调 8B 模型的流程全部开源在 HF 上，做模型定制和部署的开发者能直接抄作业，尤其是推理部署踩的坑（ZeroGPU 上下文重用）很实用。
xAI 数月来利用 Anthropic 的 Claude 输出训练自家编码模型，被 Anthropic 切断访问后仍通过私人账户及 Blackbox AI 服务继续使用。与此同时，xAI 预训练团队缩减至不到 5 人，多名负责人离职；马斯克购入的计算资源转而出租给 Anthropic 和 Google，未用于自研模型。
Anthropic通过数据标注公司Snorkel AI的“Marlin”项目，雇佣约1000名软件工程师微调Claude Code。外包人员编写提示词、审查代码，每项任务报酬280美元（约1小时），要求对两种模型输出进行A/B测试，选择偏好结果并判断是否达到提示词要求的细节程度，旨在训练Claude Code生成更简化、易维护的代码。外包人员不知所评模型版本，项目仍在进行。
微软MAI系列AI模型训练数据曝光，官方技术论文显示模型使用了包括Common Crawl在内的开放网络数据，而非此前宣称的仅依赖企业级、干净且商业授权数据。微软称训练数据为“公开可得数据”与“授权的人类生成数据”的混合，并采用自有爬虫遵守robots.txt。但未屏蔽内容默认可被抓取的逻辑被指类似“没有锁门就等于同意进入”，引发争议。
6月6日，中国科学院海洋研究所发布“琅琊”2.0，在1.0基础上从海洋状态变量预报拓展至台风、降水、风暴潮、海冰等六类复杂海洋现象，开发了6个垂直模型。台风模型融合大气海洋环境场、卫星云图和历史演变信息，提升24小时路径与强度预报；降水模型基于卫星数据学习时空演变预测未来变化；海冰模型面向北极航道，实现3公里分辨率、月尺度以上快速预测，支撑航道安全研判。
剑桥大学研究团队利用AI设计的“通用疫苗”完成首次人类临床试验，39名18至50岁健康志愿者接种后未发现明显副作用。该疫苗针对Sarbeco冠状病毒，关键活性成分为计算机设计的抗原，志愿者产生了针对SARS-CoV-2、SARS及相关蝙蝠病毒的保护性免疫反应。研究团队将全球Sarbeco冠状病毒基因序列输入AI模型设计抗原。下一阶段将进行更大规模、更多样参与者的试验。
微软向企业客户推销 MAI 模型时声称其训练数据仅使用“干净且经过商业许可的数据”，但实际部分依赖 Common Crawl 等未授权网络数据。与其它 AI 公司一样，微软援引合理使用原则，并将阻止其爬虫的责任推给网站所有者。
SpaceX正为IPO寻求1.77万亿美元估值，计划下周融资约750亿美元，或成史上最大IPO。摩根士丹利预测，其2040年营收可达3.4万亿美元，调整后EBITDA超2.7万亿。2025年营收187亿美元，亏损49亿美元。高盛和摩根士丹利均预计2028年营收接近1600亿美元；2030年预测存分歧：高盛预计超4700亿美元，摩根士丹利预计近3300亿美元。两家银行认为AI业务是关键，高盛预计2030年AI贡献约3220亿美元，摩根士丹利约1900亿美元。
Meta 在俄亥俄州新奥尔巴尼外搭建 6 座“快速部署结构”帐篷，每座约 11600 平方米，用于容纳数吉瓦级数据中心，建设周期缩短一半。此举借鉴特斯拉 Model 3 量产时的做法，供电则依赖附近 200 兆瓦模块化燃气轮机，思路来自 xAI。Meta 计划数据中心等资本支出最多达 1450 亿美元，股价今年下跌 5%。其最新 AI 模型 Muse Spark 已开发完成，但依赖的 API 多次延期。
DogeDesigner@cb_dogeAI 评分6161
Live from our global headquarters: Jamie Dimon and Elon Musk discuss SpaceX and more. https://x.com/i/broadcasts/1NGarrMYjBvJj
美团LongCat大模型启动全球人才校招，面向全球招募人才，目标是构建从数字世界到物理世界的全球标杆AGI，欢迎加入。
DogeDesigner@cb_dogeAI 评分6565
Live from our global headquarters: Jamie Dimon and Elon Musk discuss SpaceX and more. https://x.com/i/broadcasts/1NGarrMYjBvJj
DogeDesigner@cb_dogeAI 评分6363
Live from our global headquarters: Jamie Dimon and Elon Musk discuss SpaceX and more. https://x.com/i/broadcasts/1NGarrMYjBvJj
该教程展示了面向研究级数学问题的完整NLP流水线：利用ResearchMath-14k数据集，通过TF-IDF提取领域关键词、生成句子嵌入，使用UMAP进行问题景观可视化，并结合K-Means聚类。进一步构建语义搜索引擎，训练分类器预测每个问题的开放状态，并基于相似性发现近似重复问题。
