全部 AI 动态

导入AI 478：对齐数学；ProgramBench；以及Mirendil展示了RSI的含义

对机器而言，“夜晚”是什么？

Sebastian Raschka发布八视频课程《从零构建推理模型》

Sebastian Raschka于2026年10月24日在Ahead of AI杂志（magazine.sebastianraschka.com）发布一套共八讲、超11小时的Python与PyTorch实操视频课程，系统讲解推理模型的评估、推理时扩展、强化学习（RLVR）与知识蒸馏，基于预训练Qwen3-0.6B模型实现全部方法。

推荐理由：该课程是作者继《从零构建大语言模型》后推出的进阶技术教育内容，聚焦当前主流LLM的核心演进方向——推理能力增强，覆盖从基础环境搭建到GRPO强化学习、自蒸馏等完整技术链，且明确声明所有实现均‘从零手写’、可复现，具备强教学性与工程参考价值。

Amazon SageMaker AI推出多轮强化学习（MTRL）框架，支持端到端训练智能体完成多步任务

AWS发布Multi-Turn Reinforcement Learning（MTRL）功能，使用户可在SageMaker AI上基于完整任务轨迹与最终结果反馈训练大模型智能体，无需步骤级标注；以Wordle为示例演示全流程，涵盖AgentCore部署、数据准备、GRPO训练、奖励设计及成本分析。

IBM发布Granite时序集成预测模型：四模型零微调组合，提供稳健默认预测方案

IBM Research推出开源的Granite Timeseries Ensemble（v1），集成PatchTST-FM-r1/r2、FlowState与Tiny Time Mixers四类预训练架构，支持零微调下的概率性集成预测；默认采用等权概率池化（Probabilistic Ensemble），亦提供基于四分位距自适应加权（IQR Ensemble）；在GIFT-Eval基准（截至2026-10-20快照）上，其点预测误差（MASE=0.683）略优于最佳单模型，整体鲁棒性显著提升。

AI辅助“盲扫”超声技术助力基层孕产保健：多中心前瞻性研究验证跨地区泛化能力

谷歌研究团队联合临床机构开展前瞻性多中心研究，证实基于低成本便携探头、由非超声专科人员操作的AI驱动“盲扫”超声方案，在芝加哥与内罗毕两地均实现与专家级超声生物测量相当的孕周评估精度（平均绝对误差4.18天 vs. 4.48天），且无需本地数据微调，为资源匮乏地区扩大产前超声覆盖提供可行路径。

谷歌云与英伟达宣布NVIDIA Vera Rubin基础设施正式商用：A5X实例上线，聚焦大规模强化学习与智能体推理

谷歌云与英伟达宣布基于Vera Rubin架构的A5X实例将于下月起正式商用，首期覆盖美国，后续扩展至欧洲；该平台整合NVL72 GPU、ConnectX-9 SuperNICs、Virgo网络及第四代液冷技术，专为大规模强化学习、生成式智能体推理等高密度计算场景设计。

NVIDIA发布Kumo Forecast：融合预训练时序表征、历史模式检索与可解释性的多变量预测模型

NVIDIA推出开源时序预测模型Kumo Forecast（原NV-Tesseract Forecasting），基于MOMENT-1-large Transformer架构，支持直接预测与Domain-Aware Representation and Retrieval（DARR）双路径推理，并内置无需修改模型结构的可解释性框架。

GPT-OSS-20B多语言推理微调实验：SFT实现零基础行为习得，GRPO仅在存在概率头空间时有效提升

AWS团队在Amazon SageMaker HyperPod上对GPT-OSS-20B开展多语言推理微调实验，采用LoRA参数高效微调；SFT将五语种（英/法/德/西/意）推理语言正确率从22%提升至100%，但答案语言正确率仅达62%；GRPO在此基础上进一步提升答案语言正确率至70%，且未损害推理语言表现，但收益因语言而异（如西班牙语+30个百分点，意大利语-20个百分点）；实验明确指出GRPO无法从零启动新能力，仅能优化已偶发的行为。

“我们一直看错了”：Goodfire研究员提出神经网络可解释性新视角，引发AI界震动

Goodfire研究员Nick Cammarata发布26000字长文，主张大语言模型（LLMs）的内部机制可能远比学界预想的更结构化、更可理解；其核心论点基于对Inception v1等模型中‘多义神经元’的重新诠释——如‘猫/车共用神经元’实为响应V形视觉模式，而非无序超置。该观点尚未在现代LLM上完成系统验证，遭斯坦福大学Chris Potts、Alignment Research Center Jacob Hilton等学者质疑其普适性与技术深度。

[AINews] 智能体证伪多义性；显著提升可解释性与对齐性

尼克·卡马拉塔突然抛出了一些重磅言论！

[AINews] 智能体证伪多义性；显著提升可解释性与对齐性

尼克·卡马拉塔突然抛出了一些重磅言论！

Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline

Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline

Agent Lightning v1.0: A 3,500-Line Lightweight Agentic RL Framework for Training Agents with Real Harnesses

Training AI agents with reinforcement learning can be challenging because their tools, context, and decision-making are managed by complex frameworks. Agent Lightning connects existing agents to RL training, making it easier to improve them without rebuilding them. The post Agent Lightning v1.0: A 3,500-Line Lightweight Agentic RL Framework for Training Agents with Real Harnesses appeared first on Microsoft Research.

一个模范家庭,两个黄金层面的成果:为IOI和海事组织提供精益求精的Nemotron

一个模范家庭,两个黄金层面的成果:为IOI和海事组织提供精益求精的Nemotron

Fyxer如何建立一个AI的执行助理 人民信任

Fyxer 使用 OpenAI 模型,微调,内存和真实的用户反馈来组织每个用户声音中的收件箱和邮件草稿.

Paul Christiano加入OpenAI基金会董事会

保罗·克里斯蒂安诺加入了OpenAI基金会董事会及其安全保障委员会,带来了AI协调,安全和标准方面的经验.

精细调整350M模式,以100 GRPO步骤改进结构产出

精细调整350M模式,以100 GRPO步骤改进结构产出

培训和精细调整多变量嵌入模型,配有变刑器

培训和精细调整多变量嵌入模型,配有变刑器

NVIDIA NeMo AutoModel 加速变速器精细调试

NVIDIA NeMo AutoModel 加速变速器精细调试

超越洛拉:你能击败最流行的微调技术吗?

超越洛拉:你能击败最流行的微调技术吗?