⌘ K
… 读取采集状态 同步中...
雷

数据与训练

训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。

36条精选相关主题论文研究部署工程模型发布

最新精选

第 1–20 条 · 共 36 条
10月11日周日
  1. 机器之心65

    OpenRSI Index 发布：面向递归自我改进的大规模科研基准

    OpenRSI Index 发布，旨在评估 AI 智能体改进人类模型训练方案的能力。其任务覆盖预训练、后训练与视觉生成，单次运行规模达数千至上万 H100·小时。该基准通过隔离工作区与独立验收环境应对数据污染与不可复现问题，并提供 RSI-Anything 工具让研究者在约一小时内将课题转化为可运行的 RSI 任务环境。

    推荐理由：该基准通过隔离实验环境回应科研中的复现难题，展示了 AI 改进人类训练方案的具体路径。

10月9日周五
10月6日周二
  1. AI HOT75

    Anthropic 5180亿美元计算力支出中约4137亿美元无论使用与否都需支付

    Anthropic 计划未来数年在云计算和计算力上支出 5180 亿美元，其中约 4137 亿美元为不可撤销承诺，即使容量闲置也需支付，平均每年约 410 亿美元。该数据源自两家投资 Anthropic 的基金向 SEC 提交的官方招股说明书，显示其算力支出的固定成本占比约 80%。

    推荐理由：原文拆解了SEC招股书中的计算力支付结构，读者可据此判断这笔支出中多少不依赖实际使用。

10月5日周一
10月4日周日
  1. 量子位68

    openJiuwen发布X-Router自演进模型路由，实测降低50%+ Token消耗

    openJiuwen 开源了 X-Router 自演进模型路由技术，通过动态决策与反馈闭环优化模型选择，实测在 PinchBench 上将模型调用成本降低 44.6% 且得分几乎持平，在 Terminal-Bench 上成本降低 51.4% 且成功率达 Opus 的 95.2%。

    推荐理由：实测数据显示在接近顶配质量下，成本降低约44.6%，为Agent规模化落地提供了具体的路由优化路径。

  2. 机器之心78

    StartLux 发布开源决策模型 StartLux-Decision，决策测试综合成绩超过 Jev

    上海 StartLux 发布完全开源的 StartLux-Decision 模型，提供 0.8B、2B、4B、9B 和 27B 五个规格。在 Decision Index 0.2.1 的 38 项基准测试中，27B 版本综合得分 63.88，31 项成绩超过 Jev 1.13；在对 Jev 的国际象棋对弈 36 局中赢下 35 局。

    推荐理由：原文披露了五档模型规格及决策测试成绩，为判断这类模型在 Agent 中的适用性与本地部署成本提供了具体参照。

10月3日周六
  1. MarkTechPost76

    NVIDIA 宣布 DGX Spark 64GB 桌面版：面向本地 AI 智能体与微调的 Grace Blackwell 系统

    NVIDIA 宣布由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 生产 DGX Spark 64GB 桌面配置，搭载 GB10 Grace Blackwell 超级芯片，提供最高 1 PetaFLOP 的 FP4 算力和 64GB LPDDR5x 统一内存，10 月 23 日发售。

    推荐理由：文章拆解了 DGX Spark 64GB 的硬件配置、本地微调及 Agent 部署的实际能力边界，帮助读者评估端侧算力升级对降低 API 成本的真实影响。

10月2日周五
  1. 机器之心73

    AIBuildAI开源递归自进化PostTrain Agent，登顶PostTrainBench

    AIBuildAI开源了递归自进化PostTrain Agent（RSI Agent），该Agent能自主设计后训练算法、收集数据、写代码并跑实验，全程无人介入。在PostTrainBench基准测试中，RSI Agent以46.6分排名第一，超过所有前沿模型与Agent系统，接近人类专家水平。

    推荐理由：原文给出了递归自进化Agent在PostTrainBench上的排名成绩，展示了其在自主后训练任务中的实际应用效果。

9月29日周二
  1. 量子位70

    亚马逊和杜克大学研究发现删掉 99.95% 训练信号反而提升大模型推理能力

    亚马逊和杜克大学团队发现，在 On-Policy Distillation 中仅保留一个 token 的监督信号，其提升大模型推理能力的效果有时甚至优于对全轨迹进行训练。团队在 Qwen3 系列上验证了该现象，且极端稀疏监督还能超过教师模型本身的性能。

    推荐理由：研究揭示极端稀疏监督可媲美甚至超越密集训练，为提升大模型训练效率提供了新视角。

9月28日周一
  1. Mistral AI64

    Mistral 在慕尼黑开设德国枢纽，推动欧洲工业 AI 发展

    Mistral 在慕尼黑开设德国枢纽，设立专注于物理 AI 和工业 AI 的研究团队与应用工程团队，直接服务企业伙伴。公司计划到 2030 年建成 1 吉瓦的欧洲计算能力，并继续推进前沿模型开发。

    推荐理由：Mistral 宣布在慕尼黑设立枢纽并收购 Emmi AI，明确将物理 AI 与工业 AI 纳入欧洲主权计算战略。

  2. 极客公园68

    阿里云升级全栈 AI 基础设施，Agent 正在重写数据与计算链路

    阿里云在云栖大会升级了从数据处理到系统自优化的全栈 AI 基础设施，以应对 Agent 带来的新负载。MaxCompute 将 GPU 和模型 Token 纳入统一调度，EMR 方案使具身智能数据处理耗时减少 40%；PAI-DLC 3.0 引入 Xfuse 使多模态模型端到端训练速度提升 2.4 倍。

    推荐理由：阿里云在云栖大会展示了从数据生产到系统自进化的全栈升级，量化了数据处理耗时与训练速度的变化，为评估 Agent 对基础设施的重塑提供了具体参照。

9月26日周六
  1. 量子位83

    Colibrì框架发布：通过SSD分层加载让笔记本免GPU运行7000亿参数GLM

    GitHub开源项目Colibrì实现了通过NVMe SSD动态调度专家权重，允许在最低16GB内存的笔记本上运行744B的GLM-5.2。其核心技术是AI内存多层化，将高频使用的专家数据驻留在RAM中，低频数据按需从SSD读取，并引入LRU缓存与下一层专家预测机制提升I/O效率。

    推荐理由：文章详解了Colibrì框架如何通过SSD动态加载专家，实现无GPU环境下运行千亿级大模型的内存分层调度策略。

9月23日周三
  1. 极市平台78

    小米开源 MiMo-V2.6-Pro 与 Flash 双模型及 44 页技术报告

    小米发布并开源 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 两款原生全模态模型，支持 1M 上下文，Pro 约 1.02 万亿总参数、420 亿激活，Flash 约 3100 亿总参数、150 亿激活，权重已上线 Hugging Face 并标注 MIT 许可证。

    推荐理由：原文拆解了奖励作弊、评分器设计与训练中断等细节，读者可了解大规模 RL 训练的实际工程问题。

9月17日周四
  1. 甲子光年70

    腾讯、阿里、字节为什么都在给Agent造世界

    腾讯混元、阿里通义、字节Seed以及OpenAI、Anthropic都在为Agent构建训练环境，环境既是考场也是训练场。近半年混元至少4组研究人员发布6篇相关论文，累计76人次署名，覆盖长时任务、手机环境、自动生成与训练闭环等方向；阿里通义联合北大、浙大将Environment Scaling写入ACL 2026 Findings论文标题。

    推荐理由：梳理了腾讯、阿里、字节等大厂在Agent训练环境上的布局与遇到的质量瓶颈，可帮助读者理解这一新方向的产业逻辑。

  2. APPSO80

    小米 MiMo-V2.6 强化学习训练进展首次公开

    小米 MiMo 负责人罗福莉在 X 平台发布 MiMo-V2.6 实时训练面板，首次公开该模型强化学习阶段进展。Pro 版本 DeepSWE v1.1 得分 63.72，Flash 版本 60.77，单步训练规模达 2B tokens，累计训练成本已超 116 万美元。

    推荐理由：材料公开了 MiMo-V2.6 的实时训练面板与 RL 扩展策略，让外界首次看到强化学习在计算、环境和奖励机制上的具体演进。

  3. 夕小瑶科技说87

    小米 MiMo-V2.6 直播强化学习训练过程，两天花费超 113 万美元

    小米 MiMo 团队直播 MiMo-V2.6 模型的强化学习训练过程，仪表盘实时展示数据配比、算力花费及评测成绩，截至发稿累计花费超 113 万美元。该训练在多任务智能体强化学习场景下进行，单步处理约 20 亿 token，其中代码数据占比约三分之二。评测显示 MiMo-V2.6-Pro 在 DeepSWE v1.1 基准上得分 63.72，训练通过率提升至 61.4%。

    推荐理由：小米首次直播大模型强化学习训练过程，公开了每一步的数据配比、算力开销和实时评测成绩。

9月16日周三
  1. Cohere Blog68

    Cohere 与 Aleph Alpha 签署业务合并协议，打造首个跨大西洋主权 AI 解决方案

    Cohere 宣布与 Aleph Alpha 签署最终业务合并协议，双方将组成首家跨大西洋主权 AI 公司，总部位于柏林和多伦多，海德堡将保留为研究中心。合并后 Cohere 员工规模将超过 1,000 人，Aleph Alpha 共同首席执行官 Ilhan Scheer 将出任首席运营官，共同首席研究官 Samuel Weinbach 将出任首席研究官。

    推荐理由：交易细节包含双总部架构、高管任命及 STACKIT 云平台合作，读者可据此了解跨国主权 AI 的合规路径。

9月13日周日
  1. 机器之心75

    PyroDash 论文：小模型生成中决定何时求助大模型，推理成本降 96% 且性能反超

    PyroDash 是一种成本感知的大小模型协同推理范式，让小模型在生成过程中通过可训练的交接信号决定何时将任务移交大模型。论文使用 Qwen3.5-4B 作为小模型、GLM-5.2-FP8 作为大模型，在五个数学推理基准上验证：侧重低成本时总成本从 49.36 美元降至 1.78 美元；侧重准确度时平均准确率达 64.04%，超过纯大模型的 57.68%。

    推荐理由：原文提出小模型在生成过程中通过强化学习决定何时调用大模型的协同范式，并给出了成本降低九成且精度反超的实验数据。

9月11日周五
  1. 新智元73

    Maxinsights构建具身智能数据基础设施：5000人采集体系与算法闭环揭秘

    新智元报道了硅谷机器人公司背后的数据供应商Maxinsights，指出其为Dyna-2和GENE-26.5等具身智能模型提供了第一人称数据支持。Maxinsights依托5000余名采集员构建了覆盖全球多场景的数据采集网络，结合自研算法处理遮挡追踪、空间定位与动作标注，累计交付200万小时高质量数据，并通过Agent平台调度产能与质量管控，形成了具身智能领域的数据基础设施。

    推荐理由：原文揭示了具身智能数据供应链的隐形巨头，以及数据采集与算法处理如何共同决定模型训练效率。