跳到正文
4月20日周一
4月18日周六
4月17日周五
4月16日周四
  1. Dwarkesh Patel:Podcast & Blog

    本周所学——预训练并行策略、蒸馏能否被阻止、Mythos与网络安全平衡、流水线强化学习、预训练运行失败原因分析

    文章探讨了大规模预训练中的并行计算策略优化方案,分析模型蒸馏技术是否可被检测或阻止及其对AI生态的影响;介绍 Mythos 系统在维护网络安全平衡中的应用,阐述流水线强化学习(Pipeline RL)的架构设计与效率提升,并总结预训练任务失败的常见技术瓶颈与排查方法,为分布式训练提供实践参考。

  2. EleutherAI:Blog

    基于推理插值的奖励黑客早期指标

    研究团队提出一种基于推理插值的早期检测方法,利用重要性采样结合微调供体前缀技术,在模型训练过程中预测奖励黑客行为的出现。该方法通过分析模型推理路径的插值变化,在奖励黑客完全形成前识别其风险迹象,为语言模型安全训练提供关键的预警指标。

  3. Google Developers Blog51

    MaxText 扩展后训练能力:在单主机 TPU 上引入 SFT 与 RL

    MaxText 新增对单主机 TPU 配置上监督微调(SFT)和强化学习(RL)的支持,基于 JAX 与 Tunix 库实现高性能模型优化。该功能使开发者能借助 GRPO、GSPO 等高效算法,轻松将预训练模型适配至专业任务与复杂推理场景。此次更新简化了后训练工作流程,提供了从单主机扩展到多主机大规模配置的可扩展路径。

  4. Hugging Face 社区博客65

    Ecom-RLVE:面向电子商务对话代理的自适应可验证环境

    Ecom-RLVE 是一个为电子商务对话代理设计的自适应可验证环境。该环境支持智能体在模拟且可验证的电商场景中进行训练与评估,通过动态调整交互难度和规则约束来提升对话系统的鲁棒性与适应性。其核心在于结合强化学习与验证机制,确保智能体行为既符合商业逻辑又可追溯,为电商对话系统的开发与测试提供标准化、可复现的实验平台。

    推荐理由:做电商对话 agent 的可以看看,这个 RL 环境把难控的多轮对话变成了可验证的 reward,还附带了从易到难的课程,开源可跑,是个扎实的工具。

4月15日周三
  1. Rohan Paul

    Enhanced Games 是全球首个允许运动员在医疗监督下透明使用兴奋剂(PEDs)的体育赛事,彻底摒弃 WADA 反兴奋剂体系。赛事设立高额奖金(如破世界纪录奖励 $1M),旨在探索人类在无人工限制下的生理极限。该实验将产生独一无二的生理数据集,对 AI-biotech 交叉领域的研究具有极高价值。赛事已获得 $1.2B 资金支持,将于 5 月 24 日在拉斯维加斯举办。

    引用Damian Player@damianplayer

    this is INSANE! the world’s first colosseum built for ENHANCED athletes. every competitor FULLY enhanced. every dose tracked. every compound clinically approved.​​​​​​​​​​​​​​​​ $1.2B backing before a single event. built from scratch. who’s not tuning in to watch humans push past every limit we thought existed? Las Vegas. May 24

  2. Nathan Lambert:Interconnects

    近期构建项目:ATOM Report、后训练课程、新书完稿及持续研究

    作者汇总了近期推进的四大核心项目:发布 ATOM Report、开发后训练课程(post-training course)、完成技术书籍撰写,以及推进 ongoing research。这些工作覆盖行业研究、教育培训、知识沉淀与前沿探索,呈现从理论总结到实践落地的完整技术输出链条。目前各项目均已进入收尾或持续深化阶段,标志着阶段性成果的集中交付。

4月14日周二
  1. Rohan Paul

    这张图表捕捉了一个历史性的转折点:首次,新发布的在线内容看起来 AI 撰写的多于人类撰写的。 这意味着互联网正开始成为一个系统,其中机器越来越多地训练、影响并相互响应。 这将重塑从搜索、信任到文化和公共知识的一切,因为网络不再只是人类思想的记录,而是一个越来越多地充满合成文本的环境。 [引用 @rohanpaul_ai]:Stanford 发布了一份 423 页的 2026 年 AI 指数报告。 模型进展并未趋于平缓,顶级系统现在在一些困难的编程、科学和数学测试中达到或超过人类基线,而一些旧基准测试正变得不那么有用,因为前沿模型在顶部聚集在一起。 在模型前沿,美国与中国的差距现在很小,美国在顶级模型数量和私人投资方面仍然领先,而中国在论文、引用、专利数量以及大部分工业部署基础方面领先。 AI 采用速度异常之快,在 3 年内达到约 53% 的全球人口水平使用,商业采用强劲,即使工具免费,估计也有巨大的消费者剩余。 负责任 AI 落后于能力,记录的 AI 事件上升到 362 起,安全报告薄弱,存在真实的权衡,改进一个安全维度可能会损害另一个指标。 硬件故事与模型故事同样重要,因为 AI 现在依赖于一个脆弱的堆栈,其中心是数据中心、巨大的能源使用,以及与 TSMC 紧密相关的芯片供应链。 劳动力信号是复杂的,因为 AI 在支持和编程等领域产生实际的生产力提升,而一些入门级软件工作已经减弱。 近期最实际的胜利可能是医学,AI 记录工具正在减少临床医生的文书工作和倦怠,尽管许多系统的强有力真实世界临床证据仍然薄弱。

    引用Rohan Paul@rohanpaul_ai

    Stanford published a 423 pages long 2026 AI index report. Model progress is not flattening, with top systems now hitting or beating human baselines on some hard coding, science, and math tests, while some older benchmarks are getting less useful because frontier models are bunching together near the top. The U.S.-China gap at the model frontier is now very small, with the U.S. still ahead in top model count and private investment, while China leads in papers, citations, patent volume, and much of the industrial deployment base. AI adoption is moving unusually fast, reaching about 53% global population-level use in 3 years, with strong business uptake and a large estimated consumer surplus even when tools are free. Responsible AI is lagging capability, with documented AI incidents rising to 362, weak safety reporting, and real tradeoffs where improving one safety dimension can hurt another metric. The hardware story is just as important as the model story, because AI now depends on a fragile stack centered on data centers, huge energy use, and a chip supply chain heavily tied to TSMC. The labor signal is mixed, because AI is producing real productivity gains in fields like support and coding while some entry-level software jobs are already weakening. The most practical near-term win may be medicine, where AI note-taking tools are reducing clinician paperwork and burnout, even though strong real-world clinical evidence is still thin for many systems.

  2. Google Research:Blog

    AI生成合成神经元加速大脑测绘

    Google Research发布MoGen神经元形态生成模型,利用点云流匹配技术将随机三维点云转化为逼真神经元几何结构。在PATHFINDER重建模型训练中加入MoGen合成神经元后,错误率降低4.4%,主要减少神经元合并错误,相当于为完整小鼠大脑测绘节省157人年手动校对时间。这是生成式AI首次用于提升连接组学重建精度,盲测显示专家无法区分合成与真实神经元片段。

  3. Anthropic:Alignment Science Blog65

    Anthropic 构建 Automated Weak-to-Strong Researcher,AI 智能体在弱到强监督研究上超越人类基线

    Anthropic 团队构建了基于 Claude Opus 4.6 的自动化对齐研究智能体(AAR),9 个并行智能体在 5 天内(累计 800 小时)将弱到强监督的 performance gap recovered(PGR)提升至 0.97,而两位人类作者花 7 天调优四种先前方法的最好成绩仅 0.23,总成本约 18,000 美元。

    推荐理由:Anthropic 用实测数字说明自动化对齐研究已可落地,还记录了智能体的 reward hacking 手法与工程经验,方法可迁移。

4月13日周一
  1. Rohan Paul

    印度工厂工人佩戴头戴摄像头,为机器人AI采集训练数据。与语言模型不同,机器人学习物理行为需昂贵的具身数据,而机器人车队成本高昂且难以规模化。企业因此转向用工人第一人称视频作为廉价替代方案,捕捉操作序列与身体协调。在具身数据采集成本低于人工记录之前,机器人将持续从工人学习,使人类劳动双重成为AI训练基础设施。

    引用Rohan Paul@rohanpaul_ai

    Robotic data is insanely expensive and brutal to collect. It’s the only thing holding back general-purpose robots right now. Figure CEO @adcock_brett : "If we could get a pile of data in the helix stack, we would solve general robotics right now." https://t.co/YWpA20gdn5

  2. Rohan Paul

    印度工人佩戴头戴摄像头采集第一人称手部动作数据,用于训练人形机器人掌握抓取、折叠等物理技能。这揭示了当前机器人热潮仍依赖廉价人类劳动获取 embodied data。与语言模型不同,机器人需从人类动作中学习握持角度、力度调整等微观物理细节。该模式将人类劳动双重商品化:既是生产工作,又成为训练AI的数据基础设施。在具身数据采集成本降低前,机器人行业将持续依赖工人劳动作为"物理智能"的廉价来源。

    引用Rohan Paul@rohanpaul_ai

    Indian factory workers wear head-mounted cameras to capture data for training robotics AI models. This image captures a blunt truth about robotics: teaching a machine to move in the real world is still painfully expensive. What looks dystopian at first is also a clue about the bottleneck. Robots do not learn useful physical behavior from internet-scale text the way language models do. They need embodied data: hands reaching, wrists turning, objects slipping, fabric folding, tools resisting, people recovering from small mistakes in real time. That data is rare because reality is slow, messy, and costly. A robot fleet is expensive to buy, expensive to maintain, hard to supervise, and dangerous to scale in uncontrolled settings. Even teleoperation is costly, because every minute of human-guided movement requires hardware, operators, calibration, and failure recovery. So companies go looking for the cheapest possible proxy for physical intelligence. First-person video from factory workers is not the same as robot action data, but it can still be valuable because it captures sequencing, posture, bimanual coordination, and the micro-adjustments that make real work look easy. The frontier in robotics is not just better models. It is better pipelines for collecting reality itself. That is why warehouses, factories, kitchens, and repair benches matter so much: they are dense environments of repeated contact with the physical world, which is exactly what robots lack. The unsettling part is that this turns human labor into training infrastructure twice over, first as work, then as data. And until embodied data becomes cheaper to gather than human motion is to record, robotics will keep learning from workers before it fully replaces them.

4月12日周日
  1. Rohan Paul

    研究通过贪婪剪枝方法(逐个删除对模型似然度影响最小的token)评估LLM推理token的功能重要性。发现符号数学token比语法叙述更能经受剪枝,表明模型内部存在重要性排序。重要性具有动态性,早期可丢弃的token可能在上下文减少后变得关键。注意力模式可预测剪枝分数,说明功能重要性在模型内部可见。该发现有助于使chain-of-thought更可解释,而非仅仅缩短长度。

    引用Janvijay Singh@iamjanvijay

    Do all reasoning tokens matter equally? We study the functional importance of reasoning tokens implicitly encoded in LLMs. Work w/ my cool advisor @dilekhakkanitur at @convai_uiuc; to appear in ACL Main 2026. #ACL2026 Paper: https://arxiv.org/pdf/2601.03066 Demo: https://greedy-token-pruner.github.io https://t.co/1ZUpLhQmPj

4月11日周六
4月10日周五
4月9日周四
  1. Tomasz Tunguz 博客53

    AI问题矩阵

    文章提出以需求上限(无限/有限)和循环类型(闭环/开环)为轴的2x2矩阵框架,分析AI对工作的影响。软件工程属闭环+无限需求(经济引擎),GitHub数据显示2025年预计达140亿次提交;记账属闭环+有限需求;内容创作属开环+无限需求;法律合同审查等属开环+有限需求。该框架帮助判断哪些角色会被AI转化为经济引擎,哪些仅是效率工具。

  2. Google Research:Blog

    ConvApparel:测量并弥合用户模拟器中的真实感差距

    Google Research 发布 ConvApparel 数据集与评估框架,用于量化 LLM 用户模拟器的"真实感差距"。该数据集包含 4000 余组服装购物多轮对话,采用"好/坏"双智能体协议收集,涵盖从满意到恼怒的全谱系用户行为。框架通过反事实验证测试模拟器对意外糟糕体验的适应能力,解决现有模拟器过于耐心、知识过剩等不现实问题,为训练更鲁棒的对话智能体提供可信的 AI 测试基准。

4月8日周三
4月7日周二
  1. 蚂蚁 inclusionAI:GitHub 新仓库54

    inclusionAI/TC-AE

    研究团队发布了TC-AE,一种用于深度压缩自动编码器的新方法,旨在突破现有模型的令牌容量限制。该方法通过创新的架构设计,显著提升了模型在压缩表示中保留信息的能力,实现了更高的压缩效率与重建质量。具体指标显示,TC-AE在多个基准测试中,相较于传统深度压缩自动编码器,将有效令牌容量提升了约30%,同时保持了较低的计算开销。这项工作为高密度数据压缩与表示学习提供了新的技术路径。

4月6日周一
4月4日周六
4月2日周四
  1. 蚂蚁 inclusionAI:GitHub 新仓库40

    inclusionAI/cuLA:基于CuTe DSL与CUTLASS C++的线性注意力变体CUDA内核

    inclusionAI发布了cuLA项目,这是一套为线性注意力变体编写的CUDA内核。该内核完全采用NVIDIA的CuTe DSL和CUTLASS C++库进行开发,旨在高效实现Transformer模型中的线性注意力机制。此举专注于底层计算优化,通过利用先进的CUDA编程抽象和高效模板库,有望提升大语言模型在推理和训练过程中的计算性能与效率。

3月31日周二
  1. Hugging Face 社区博客83

    以165美元成本训练25个物种的mRNA语言模型:构建从结构预测到密码子优化的AI流程

    OpenMed团队构建了一个覆盖蛋白质结构预测、序列设计和密码子优化的端到端AI流程。在密码子优化环节,CodonRoBERTa-large-v2模型以4.10的困惑度和0.40的斯皮尔曼CAI相关性显著优于其他架构。研究将训练扩展至25个物种,仅用55个GPU小时训练了4个生产级模型,并建立了独特的物种条件化系统,实现了从蛋白质概念到合成就绪DNA序列的快速转化。完整代码与实验结果已开源。

    推荐理由:低成本开源生物AI管道,可加速蛋白质工程和药物开发。

  2. Google Developers Blog81

    Boost Training Goodput: 连续检查点功能如何优化 Orbax 和 MaxText 的训练可靠性

    Orbax 和 MaxText 引入了连续检查点新功能,旨在优化模型训练中可靠性与性能的平衡。它改变了传统固定频率检查点的模式,通过在前一个保存操作成功完成后才异步启动新操作,最大化I/O带宽并降低故障风险。基准测试表明,该方法显著缩短了检查点间隔,并实现了可观的资源节约,这在平均故障间隔时间较短的大规模训练任务中效果尤为突出。

    推荐理由:大规模模型训练的可靠性和效率提升,开发者可优化资源使用。