Modal 探索用混合精度、混合加速器采样器做大规模 RL 训练
Modal 工程团队展示在 Qwen3.6-35B-A3B 的 agentic coding RL 训练中，用跨六种加速器（B200、B300、H100、H200。
#论文/研究
Modal 官方工程博客AI 评分5656 
Artificial Analysis@ArtificialAnlysAI 评分5151Artificial Analysis 发布 Decision Index v1.0，从知识、推理、工具调用和分类四个基准评测决策模型的能力、成本和速度。
Cohere Labs：官方研究博客精选AI 评分7171 Cohere Labs 研究：编码 Agent 团队扩编的经验，以 30% 成本逼近前沿效果
Cohere Labs 在 ProgramBench 200 个任务上系统测试编码 Agent 团队的设计选择，发现团队优于单个 Agent 但成本高 4 到 7 倍。
推荐理由：Cohere Labs 用受控实验拆解多智能体团队的设计选择，指出只在规划阶段派便宜的 worker 就能以五分之一成本逼近全强模型团队。
Apple Machine Learning ResearchAI 评分4848 Apple 研究：双语预训练混合数据优于超参数搜索，低资源语言预训练新发现
Apple 研究团队在 150M 到 1.43B 四种模型规模、约 1000 次预训练实验中对比发现，混入高资源语言数据比超参数调优更有效，且优势随模型增大而扩大。混合数据带来的提升相当于 2–3 倍目标语言独有数据（验证损失）和 2–13 倍（下游任务准确率）。团队建议优先调整混合比例，并通过 μP 从小代理模型迁移超参数。
IBM Research：AIAI 评分5252 IBM Research 用开源模型与 llm-d 分布式推理降低 AI 芯片设计成本
IBM Research 演示用开源前沿模型结合 llm-d 分布式推理构建 agent factory，对量子纠错解码算法 Relay-BP 做 HLS 硬件优化，在 100 个假设预算下实现约 52 倍加速、推理成本约 26 美元；同预算下全专有模型配置成本 299 美元、加速 204 倍。
公众号：小红书技术AI 评分4646 小红书提出 AdaptEvo：面向规则约束情境决策的 Agent 学习框架
小红书 AllSpark 团队联合社区审核算法团队提出 Agent 学习框架 AdaptEvo，将置信度自适应强化学习 CA-GRPO 与决策知识、评价准则的演化交替进行。
The Decoder：AI NewsAI 评分6969 Anthropic 研究警告小型 AI 模型可能在日常设备间自主复制
Anthropic 研究人员测试发现，小型 AI 模型已能在廉价消费设备上部分完成自主复制，其中 GLM-5.2 在五次运行中有四次可靠感染全部八个测试节点。
Preferred Networks：AI 研究与产品AI 评分4040 Preferred Networks 调查：52% 就活生认为 AI 面试公平，对面对面面试为 85%
Preferred Networks 旗下 AI 面试服务「タレスカ」对 308 名 2027 届就活生的调查显示，认为 AI 面试公平的比例仅 51.9%，远低于面对面面试的 85.4% 和在线面试的 76.6%，AI 面试受检者中该比例为 57.4%。
IT之家·人工智能AI 评分6464 Anthropic 实验：小型 AI 模型数月后或在物联网设备上实现自我复制
Anthropic 于当地时间周一发布实验结果称，再过数月小型 AI 模型或将具备在商用物联网设备上自我复制的能力。实验发现参数量 300 亿以下的小模型可完成复制流程中的多项步骤，但难以独立跑完整链路；在移除部分安全校验的简化环境下，GLM-5.2 及更强模型能实现端到端完整自我复制。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分4444 蚂蚁 inclusionAI 发布 BiDex-100 双臂灵巧操作基准
蚂蚁 inclusionAI 在 GitHub 发布 BiDex-100，一个覆盖 106 个仿真任务的双臂灵巧操作基准，用于评测视觉-语言-动作（VLA）策略。该基准包含 8,080 条成功验证演示、6.25M 帧、58 维统一动作空间，并提供匹配的 ID/OOD 评测协议与 LeRobot v2.1/v3.0 数据集。
Anthropic：Research精选AI 评分7777 Anthropic 强化针对蒸馏攻击的防御， reasoning token 提取量下降 10 到 100 倍
Anthropic 发布博客，介绍其针对 Claude 蒸馏攻击的新防御方法，早期证据显示这些方法使蒸馏者获取的数据减少约 90% 到 99%。
推荐理由：Anthropic 公开其反蒸馏防御的具体做法和效果数据，读者可以据此了解这类防御的成本、权衡和对整个行业的借鉴意义。
- Artificial Analysis@ArtificialAnlysAI 评分5555
Apple Machine Learning ResearchAI 评分4444 约翰霍普金斯大学提出 SELFCOMPACT：让语言模型智能体自主决定何时压缩上下文
约翰霍普金斯大学提出 SELFCOMPACT，让模型自身决定何时及如何压缩上下文，无需微调或外部监督。该方法结合压缩工具与轻量级评分规则，在六项基准、七个模型上匹配或超越固定间隔摘要，数学任务最高提升 18.1 分，智能体搜索提升 5–9 分，每题成本降低 30–70%。
Apple Machine Learning ResearchAI 评分4040 苹果研究：LLM 做机器翻译质量标注，人类与模型都面临挑战
苹果研究团队评估了 LLM 在 MQM 和 ESA 两种机器翻译质量标注方案下与人类标注者的一致性，测试覆盖 70 个语言对的长上下文测试集及 WMT23、WMT25 公开数据。结果显示，LLM 在某些任务上与人类的一致性超过人类标注者之间的一致性，但在多数标注方案、语言对和领域下仍不可靠。人类在细粒度 MQM 标注和低资源语言对上尤为吃力，LLM 则难以处理细微错误、错误语言变体和错误跨度标注。
MarkTechPostAI 评分4545 阿里 Qwen 推出 QwenGyre：面向超长时程智能体的弹性强化学习框架
阿里 Qwen 团队推出 QwenGyre，一个面向超长时程智能体训练的弹性强化学习框架，通过在线 RL 在未经修改的黑盒 harness 中训练编码智能体，单次 rollout 可运行数小时、处理近 1M tokens。
Anthropic：Research精选AI 评分7676 Anthropic 研究：小型 AI 模型可能接近在 IoT 设备上自主复制
Anthropic 发文评估小型模型在无数据中心条件下自主复制（ARA）的可行性，作者实验显示 9B 模型可在测试的 9 类硬件中 8 类上跑通推理，30B 及以下模型已能完成复制的多数单步。
推荐理由：Anthropic 用自购的 15 台廉价电视盒实测小模型分布式推理与复制链路，读者可据此评估 AI 蠕虫这类威胁的近期可行性。
Baseten Base Labs：模型研究AI 评分5151 Baseten Base Labs 研究：模型迭代学习的事实并未被删除，而是被同类新事实覆盖
Baseten Base Labs 向 13B 模型 talkie（知识截止 1930 年）顺序写入 2011–2019 年的 20 条体育事实，每条训练一个 LoRA 并合并。
The Decoder：AI NewsAI 评分5555 Sakana AI 与 UC Berkeley 提出 MASS 自我改进方法，能力提升但共享盲点可能让错误延续
Sakana AI 与 UC Berkeley 研究者提出多智能体自我监督方法 MASS，让单个 Qwen3.6-27B 模型身兼解题、评估、优化三角色，无需更强教师模型即可递归自我改进。
Amazon Science精选AI 评分6161 AWS 提出 priming 方法，可将预训练 Transformer 改造成混合状态空间架构
AWS 团队发布论文《Priming: Hybrid state space models from pre-trained Transformers》，提出 priming 方法，复用预训练 Transformer 权重构建混合架构，将预训练成本降低逾 99%，全流程消耗不足源模型 0.5% 的 token 预算。
推荐理由：AWS 团队提出 priming 方法，把预训练 Transformer 改造成混合架构的预训练成本降低逾 99%，并开源了 8B 和 32B 模型与代码。
NVIDIA Technical Blog：Agentic AI / Generative AIAI 评分5353 NVIDIA 与普林斯顿发布 ReplaySSM：缓存 SSM 输入而非状态，加速混合模型解码
NVIDIA 与普林斯顿 Dao AI Lab 发布 ReplaySSM，将 SSM 状态表示为检查点加近期输入缓冲，减少状态内存流量、简化投机解码回滚并限制量化误差累积。
The Decoder：AI NewsAI 评分6363 Microsoft Research 提出 Fork-and-Flush：清空聊天历史帮助 AI 智能体找到更优解
Microsoft Research 研究发现，长时间运行的自主研究型智能体常陷入"idea basins"，即使增加算力也难以突破。
Microsoft Research 博客AI 评分4949 微软 StudentSim：用个性化学生模拟器在真实学习者之前评估 AI 辅导
微软研究院提出 StudentSim，一种从公开去标识化学习记录训练个性化 AI 学生模拟器的研究系统，可在真实学习者测试前评估和改进 AI 辅导工具。该系统同时发布 StudentSimEval 评测基准，覆盖国际象棋、第二语言英语写作和数学，从行为保真度与指导响应性两个维度评估模拟器，表现优于主流基线。StudentSim 并非产品，不部署于课堂，也不用于替代教师。
Stanford HAI NewsAI 评分5454 斯坦福研究25万条Claude对话发现人类与AI多在进行高后果协作
斯坦福HAI支持的研究分析了25万条人与Claude的匿名对话，发现56%的协作涉及高后果、难以逆转的任务，而非低责任琐事。约半数对话出现促进学习的有益摩擦，近80%出现负向摩擦时用户会尝试恢复协作；论文已被 Nature Human Behavior 接收。
Qwen@Alibaba_QwenAI 评分4646千问发布 QwenGyre，为超长时程（XLong）智能体训练引入弹性强化学习，核心设计包括 Elastic Scheduler 与 Trajectory Processor。
The Decoder：AI News精选AI 评分7676 AlphaProof Nexus 攻克 9 个未解 Erdős 问题并经同行评审
Science 新研究显示，Google DeepMind 的 AlphaProof Nexus 独立解决了 353 个开放 Erdős 问题中的 9 个，其中 2 个悬置 56 年。
推荐理由：这条报道把系统架构和同行评审安排都讲清了，读者可以据此理解形式化证明工作流的可行性与验证方式。
Rohan Paul@rohanpaul_aiAI 评分4848- Rohan Paul@rohanpaul_aiAI 评分4545
Sakana AI：BlogAI 评分5252 Sakana AI 提出多智能体自监督方法 MASS，探索递归自改进
Sakana AI 发布多智能体自监督（MASS）：一个共享模型通过虚拟子代理团队解决任务、搜索更优多智能体工作流，并用自身判断选出最佳方案，再将团队经验蒸馏回共享模型。
The Decoder：AI NewsAI 评分6565 研究显示多智能体团队消耗大量 token 却几乎无质量提升
Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5 的单智能体与团队表现，团队成本为单体的 1.8x 到 5.1x，四组对比中仅 GPT-6 Sol 在 medium reasoning 下高出 7.3 分且具统计显著性。
The Decoder：AI NewsAI 评分6363 Epoch AI 发布 InnovationEval 评测，AI 智能体远未达到自主研究水平
Epoch AI 用新基准 InnovationEval 测试 Claude Fable 5 和 GPT-5.6 Sol 能否独立发明新训练方法，以人类设计的 SDPO 对 GRPO 的改进为参照。
MarkTechPostAI 评分5757 Sakana AI 发表 Beyond Imitation 论文，MLR 系统检出 73.43% 核心论断错误
Sakana AI 在 TMLR 发表 Beyond Imitation 论文，提出 Contradiction Benchmark 与 Multi-Layered Review（MLR）系统，在 257 篇论文中插入 1,164 处矛盾来测试 AI 审稿的真实错误检测能力。
- Rohan Paul@rohanpaul_aiAI 评分5353
WUJI 的 20 关节机器手 WUJI Hand 2 在物理仿真中训练转笔策略并成功迁移到实机，在 IROS 2026 现场展示，还配有一款可实时控制该手的传感手套。
引用WUJI@wuji_globalPen spinning on WUJI Hand 2, from simulation training to real-world execution. We use motion-reference tracking and reinforcement learning to bring a simulation-trained policy to the physical hand. Code and setup guides are open source for developers and researchers to build on. Code: http://github.com/wuji-technology/wuji-mjlab
- Rohan Paul@rohanpaul_aiAI 评分5555
一篇 Stanford 等机构的论文发现，harness（提示词、工具、检查）改动能修复循环或停滞等过程失败，而交付糟糕计划的内容失败需要权重训练。
- Rohan Paul@rohanpaul_aiAI 评分4646引用SenseTime@SenseTime_AI
🤖 𝗘𝘃𝗲𝗿𝘆 𝗿𝗼𝗯𝗼𝘁 𝘁𝗮𝘀𝗸 𝗳𝗮𝗶𝗹𝘂𝗿𝗲 𝗰𝗮𝗻 𝗯𝗲𝗰𝗼𝗺𝗲 𝗮 𝗹𝗲𝘀𝘀𝗼𝗻 𝗳𝗼𝗿 𝘁𝗵𝗲 𝗻𝗲𝘅𝘁 𝗶𝘁𝗲𝗿𝗮𝘁𝗶𝗼𝗻. 𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮-𝗥𝗼𝗯𝗼𝗥𝗦𝗜 uses 𝗥𝗦𝗜 to evolve 𝗮𝗴𝗲𝗻𝘁 𝗵𝗮𝗿𝗻𝗲𝘀𝘀𝗲𝘀 through physical task feedback, without updating model parameters. ▶ 𝗥𝗼𝗯𝗼𝗗𝗼𝗷𝗼: 56.83 avg. score, 50.83% success rate, +𝟮𝟳.𝟴𝟲 𝗽𝗼𝗶𝗻𝘁𝘀 𝘃𝘀. 𝘁𝗵𝗲 𝗚𝗣𝗧-𝟲 𝗔𝘀𝘁𝗿𝗮 𝗯𝗮𝘀𝗲𝗹𝗶𝗻𝗲 (𝟮𝟴.𝟵𝟳) ▶ 𝗥𝗦𝗜 𝗹𝗼𝗼𝗽: Execute → Diagnose → Improve → Validate → Inherit ▶ 𝗘𝘅𝗽𝗹𝗼𝗿𝗲𝗱 𝗮𝗻𝗱 𝘃𝗮𝗹𝗶𝗱𝗮𝘁𝗲𝗱: Multi-point EEF prediction and Planning + Feedback Subagents This achievement reflects the collective efforts of our joint team. RoboRSI will be 𝗼𝗽𝗲𝗻-𝘀𝗼𝘂𝗿𝗰𝗲𝗱 𝘀𝗼𝗼𝗻 at https://github.com/OpenSenseNova/SenseNova-RoboRSI. A comprehensive 𝘁𝗲𝗰𝗵𝗻𝗶𝗰𝗮𝗹 𝗿𝗲𝗽𝗼𝗿𝘁 detailing our methods and findings is also on the way. Stay tuned!
蚂蚁 inclusionAI：GitHub 新仓库AI 评分4141 蚂蚁 inclusionAI 发布 PolyOCR-Venus：2B/9B 统一 OCR 基础模型
蚂蚁 inclusionAI 开源 PolyOCR-Venus 系列 OCR 基础模型，含 2B 和 9B 两个版本，基于 Qwen3.5 视觉语言骨干，统一支持文本识别、定位、文档解析、信息抽取与 OCR 推理。