MIT 新方法让 2D 设计更高效地转为 3D 模型，加速快速原型制作
MIT 等机构研究人员开发出 GIFT（Geometric Inference Feedback Tuning）系统，教视觉语言模型自动把 2D 设计转换为可直接执行的 CAD 程序，精度更高且只用约 20% 的算力。
#数据/训练
#数据/训练
今日 12 条MIT News · AIAI 评分3131 MIT News · AIAI 评分3838 MIT Media Lab 提出「神经透明」：让用户在聊天机器人开口前预览其性格
MIT Media Lab 的 Pat Pataranutaporn 与研究生 Anthony Baez、Sheer Karny 提出「神经透明」，通过对比模型内部激活得到共情、诚实、毒性、幻觉、谄媚等「行为方向」，把用户系统提示词对应的激活投影为旭日图，在对话开始前预览聊天机器人性格。
Hugging Face BlogAI 评分5757 IBM Research：模型路由看似简单，实为系统优化问题
IBM Research 分享将模型路由构建进智能体系统的经验，指出路由通常被当作分类问题，实际却是系统优化问题。
Hugging Face BlogAI 评分5959 Hume 发布 Real World VoiceEQ：衡量语音 AI 的人类质感
Hume 推出 Real World VoiceEQ 语音 AI 基准，覆盖 40 多个主流闭源与开源语音模型，横跨 ASR、TTS、S2S 与语音理解四类共 15+ 维度、60+ 指标。
MIT News · AIAI 评分5757 MIT JARVIS Challenge 测试 AI 副驾能否加速喷气发动机设计
MIT 航空航天系在 2026 春季学期举办 JARVIS Challenge，让 31 名本科生分成 7 队，用四周时间借助 AI 设计、制造、组装并测试一台推力 50–100 磅、使用 Jet-A 燃料的小型单轴喷气发动机。
Berkeley AI ResearchAI 评分3030 Intelligence is Free, Now What? 智能体时代的数据系统：为智能体、由智能体
UC Berkeley 团队提出近零推理成本将带来三类数据系统挑战：为智能体（Data Systems For Agents）、由智能体运行（Of Agents）、由智能体合成（By Agents）。文中举例指出，GPT-4 级能力在 2023 年初约 $30/百万 token，如今已降至 1 美元以下，部分厂商低于 $0.10，推理价格年降幅在 9 倍到 900 倍之间，中位数约 50 倍。
Hugging Face Blog精选AI 评分6262 SkyPilot 与 Hugging Face 打通：用 hf:// 挂载实现零出站存储
Hugging Face 与 SkyPilot 联合推出 hf:// 挂载能力，可将 Hugging Face Bucket 或模型、数据集仓库挂载进 SkyPilot 任务，在 20 多个云、Kubernetes、Slurm 和本地环境中运行 GPU 作业。
推荐理由：原文给出了 hf:// 挂载方式和跨云零出站读取的实测吞吐数据，读者可据此判断多云端 GPU 训练的存储成本变化。
Hugging Face Blog精选AI 评分7171 LeRobot v0.6.0 发布：世界模型策略、奖励模型 API 与六个仿真基准
LeRobot 发布 v0.6.0，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新一批 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT）以及统一奖励模型 API（Robometer、TOPReward）。
推荐理由：原文给出世界模型策略、奖励模型 API 与六个仿真基准的完整清单，读者可据此判断机器人学习闭环的现有工具面。
Hugging Face BlogAI 评分2222 PRX 第四部分：我们的数据策略
Hugging Face 发布 PRX 系列第四篇，详解其数据策略：从公开与内部数据集混合构建训练语料，用 VLM 重新生成图片长描述，并借助 Mosaic Streaming 与 Lance 完成流式训练和数据管理。PRX 将文本编码器换成 Qwen3-VL，改为训练时实时计算文本 latent，仅带来约 3–4% 吞吐损失。图片统一以 JPEG 质量 92 编码，实测首次重编码几乎无感知损失。
MIT News · AIAI 评分2424 MIT 专访：智能体 AI 今天是什么，我们又希望它成为什么？
MIT News 专访 MIT EECS 副教授、CSAIL 成员 Phillip Isola，解析智能体 AI 与 ChatGPT、Claude 等生成式 AI 的区别。
Hugging Face BlogAI 评分3434 DiScoFormer：一个 Transformer 同时估计任意分布的密度与 score
Hugging Face 团队提出 DiScoFormer（Density and Score Transformer），单次前向传播即可同时估计分布的密度与 score，无需针对新分布重新训练。
Interconnects · Nathan LambertAI 评分3636 开源模型生态新格局：Zyphra、Cohere 与 Poolside 扩展版图
最新一批开源模型发布显示生态日趋多元：Cohere 旗舰 Command A+ 以 Apache 2.0 开源，218B-A25B MoE 架构可在单张 B200 上以 4-bit 运行；Poolside 的 Laguna-M.1 同样采用 Apache 2.0，并宣布开源权重成为其默认发布方式。
Hugging Face BlogAI 评分5656 NVIDIA NeMo AutoModel 发布：MoE 微调吞吐提升 3.4-3.7 倍
NVIDIA 发布开源库 NeMo AutoModel，基于 HuggingFace Transformers v5 构建，为 MoE 模型微调带来 3.4-3.7 倍训练吞吐提升和 29-32% 显存下降，只需改动一行 import，无需修改其余 API 调用。
Hugging Face BlogAI 评分4141 MosaicLeaks：你的深度研究智能体能守住秘密吗？
Hugging Face 博客发布 MosaicLeaks 基准，用 1001 条交错公私信息的多跳研究链检验深度研究智能体的隐私泄漏，并区分意图、答案、全信息三类泄漏。其提出的隐私感知训练方法 PA-DR 将严格链成功率从 48.7% 提升到 58.7%，同时把答案/全信息泄漏率从 34.0% 降到 9.9%。测试显示仅按任务表现训练会加剧泄漏。
Hugging Face BlogAI 评分5555 Hugging Face 实测：LoRA 之外还有更好的微调技术
Hugging Face 在其 PEFT 库中新增统一的微调基准，对 40 多种参数高效微调（PEFT）技术使用相同基座模型、数据集和硬件进行对比，结论是 LoRA 并非总是最优选择。
Hugging Face BlogAI 评分2828 PyTorch 性能剖析（第二部分）：从 nn.Linear 到融合 MLP
PyTorch 性能剖析系列第二部分用 nn.Linear（bias=True）替换手写的 matmul-add，再堆叠三层并加入激活构成 MLP，在 NVIDIA A100-SXM4-80GB 上分析 profiler trace。
Google DeepMind精选AI 评分6565 Google DeepMind 公布塞拉利昂 Guided Learning 预注册试验结果
Google DeepMind 发布在塞拉利昂开展的预注册对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提高 0.258 个标准差，约相当于八周内取得 1.2 至 1.7 年的常规学习进步；教师将 Gemini 用于约一半课时目标 12 小时的班级增益更高，约 1.8 至 2.5 年。
推荐理由：Google DeepMind 在塞拉利昂的预注册 RCT 显示 Guided Learning 带来约 1.2 至 1.7 年数学学习增益，并公开了实现方法。
Ahead of AI · Sebastian RaschkaAI 评分2525 LLM 研究论文清单：2026 年 1 月至 5 月
Sebastian Raschka 发布 2026 年 1 月至 5 月的 LLM 研究论文精选清单，涵盖架构与模型设计、高效训练与扩展、推理效率与 KV Cache、稀疏注意力与长上下文、推理与测试时计算、强化学习与 RLVR、智能体系统与工具使用、编程智能体、扩散语言模型以及模型评测等类别。
Hugging Face BlogAI 评分3232 超越聊天机器人的直接偏好优化：用模型自身失败样本的拒绝对降低 OCR 文本退化
DharmaOCR 团队将直接偏好优化（DPO）用于结构化 OCR 而非聊天对齐，用模型自身失败输出构建拒绝对，在所有测试模型家族中均降低了文本退化，平均降幅 59.4%，最高 87.6%（Nanonets-OCR2–3B 从 1.61% 降至 0.20%）。监督微调（SFT）虽能降低多数模型的退化率，但很少达到生产可接受水平，因为其目标并不显式惩罚重复循环。
Hugging Face BlogAI 评分3232 超越 LLM：企业级 AI 规模化落地为何取决于 Agent 逻辑
企业 AI 试点普遍失败，症结在于智能体缺乏引导逻辑。IBM 用 Agent 逻辑（知识图谱、程序分析库等）在智能体层缩小上下文，测试显示：watsonx Code Assistant for Z 在百万行代码级遗留系统上保持略优理解性能，token 消耗降低约 30 倍；Aster 在 75+ Java 应用中使行、分支、方法覆盖率提升 20%-45%，token 消耗最多降低 15 倍。
Hugging Face Blog精选AI 评分6565 Hugging Face 在 TRL 中实现 Delta Weight Sync，用 Hub Bucket 同步万亿参数权重
Hugging Face 在 TRL 中提交 PR，用增量权重同步替代异步强化学习中的全量权重传输：两次 RL 优化步之间约 99% 的 bf16 权重字节完全一致，只把变化的元素编码成稀疏 safetensors 文件上传到 HF Bucket，再让 vLLM 拉取。
推荐理由：Hugging Face 把异步强化学习的权重同步从全量广播改成稀疏增量，并给出可下载运行的实现，读者可以据此判断跨机房训练的门槛变化。
Hugging Face BlogAI 评分3232 OlmoEarth v1.1 发布：更高效的地球观测模型系列
Hugging Face 发布 OlmoEarth v1.1 地球观测模型系列，通过将 Sentinel-2 各分辨率合并为单一 token 缩短序列长度，在保持 v1 性能的同时将计算成本最多降低 3 倍。该系列提供 Base、Tiny、Nano 三种规模，权重与训练代码均已开放，部分任务存在性能回退。
Google DeepMindAI 评分2929 Google DeepMind Co-Scientist 如何助力 Calico 破解衰老研究难题
Google DeepMind 的 Co-Scientist 被 Calico Life Sciences 用于衰老生物学研究，帮助其从质量参差的文献中筛选出值得验证的假设。
Google DeepMindAI 评分3535 Google Co-Scientist 加速肝病机制发现，提出 MASH 组合疗法新假设
爱丁堡大学团队用 Google Co-Scientist 筛选 MASH 肝病的潜在药物组合，并提出假设：NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁，解释了 resmetirom 为何仅对少数合格患者有效。该假设经实验验证，或为靶向双重疗法铺路。
Google DeepMindAI 评分3838 Google Co-Scientist 助力肝纤维化药物重定位研究
Google DeepMind 的 Co-Scientist 帮助斯坦福大学医学院团队筛选肝纤维化候选药物：它提出的 3 个候选中有 2 个在活体人肝细胞实验中阻断纤维化并促进肝细胞再生，其中抗癌药 vorinostat 阻断了 91% 的致肝纤维化损伤反应。研究者自行挑选的 2 个药物则未见效果，Co-Scientist 的推荐指向重塑基因活性的药物。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Co-Scientist：基于 Gemini 的多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体 AI 系统，可迭代生成、辩论和演化复杂科学问题的新假设。
推荐理由：DeepMind 在 Nature 公布 Co-Scientist 的多智能体架构与各阶段分工，并给出多个实验室已落地的合作案例，可据此判断科研智能体的实际工作方式。
Hugging Face BlogAI 评分1919 AWS 上基础模型训练与推理的构建模块
AWS 撰文解析基础模型训练与推理的系统架构，指出扩展已从预训练单曲线演变为预训练、后训练与测试时计算三条路线，三者对加速计算、高带宽低延迟网络和分布式存储提出趋同的基础设施需求。
Hugging Face BlogAI 评分3636 vLLM V0 迁移到 V1：RL 训练中先对齐正确性再改目标函数
PipelineRL 将推理引擎从 vLLM V0 迁移到 V1 时出现训练-推理不匹配，修复 logprobs 语义、V1 运行时默认值、inflight 权重更新路径和 fp32 lm_head 四处后 V1 与 V0 参考轨迹重新对齐。
Hugging Face Blog精选AI 评分6464 IBM 发布 Granite 4.1 系列 LLM 并详解训练流程
IBM Granite 团队发布 Granite 4.1 系列稠密解码器 LLM，包含 3B、8B、30B 三个规模，基于约 15T token 训练，采用五阶段预训练流程并将上下文窗口扩展至 512K token，全部以 Apache 2.0 许可开源。
推荐理由：原文披露了 Granite 4.1 从预训练到多阶段 RL 的完整训练配方，以及 8B 稠密模型追平上一代 32B-A9B MoE 的对比结果。
Google DeepMindAI 评分4242 Google DeepMind 宣布与韩国科学技术信息通信部达成合作
Google DeepMind 与韩国科学技术信息通信部（MSIT）建立合作，将在首尔办公室设立 AI Campus，面向韩国学界开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型。合作还探索韩国学生赴 Google DeepMind 实习机会，并与韩国 AI 安全研究所（AISI）共研安全实践。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo，一种将训练拆成多个解耦计算“岛屿”、异步传输数据的分布式架构，可在远距离数据中心间以更低带宽训练大语言模型。
推荐理由：原文用混沌工程和 12B 模型跨四区域实测说明解耦训练如何隔离故障并放宽带宽要求。
Hugging Face BlogAI 评分2626 QIMMA：首个先验证基准质量的阿拉伯语 LLM 排行榜
Hugging Face 发布 QIMMA，一个先对基准本身做质量验证、再评测模型的阿拉伯语 LLM 排行榜，整合 14 个来源基准的 109 个子集、超 52,000 条样本，覆盖 7 个领域，其中 99% 为原生阿拉伯语内容。
Berkeley AI ResearchAI 评分3636 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升为虚拟状态实现跨时间并行优化、在状态迭代上加入随机性做探索、并重塑梯度以避免经由高维视觉模型的脆弱"状态-输入"梯度，从而让长时程规划变得可行。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Hugging Face BlogAI 评分3232 Hugging Face 推出 Ecom-RLVE：面向电商对话智能体的自适应可验证环境
Hugging Face 将 RLVE 框架扩展到多轮、工具增强的电商对话，推出 EcomRLVE-GYM，包含商品发现、替代品、购物车搭建、退货、订单跟踪、政策问答、捆绑规划和多意图旅程 8 个可验证环境。
Hugging Face BlogAI 评分3636 如何用 Sentence Transformers 训练和微调多模态嵌入与重排模型
微调 Qwen/Qwen3-VL-Embedding-2B 做视觉文档检索（VDR），在作者评测数据上 NDCG@10 从基座的 0.888 提升到 0.947，超过其测试的所有现有 VDR 模型，包括体积达 4 倍的模型。
Hugging Face BlogAI 评分2424 OpenMed 训练跨 25 物种的 mRNA 语言模型：CodonRoBERTa-large-v2 困惑度 4.10，仅耗 165 美元
OpenMed 用 250k 条 CDS 对比多种 Transformer 架构后，确定 CodonRoBERTa-large-v2 在密码子级语言建模上最优，困惑度 4.10、Spearman CAI 相关性 0.40，明显优于 ModernBERT。
Hugging Face BlogAI 评分5757 Hugging Face 发布 TRL v1.0 后训练库
Hugging Face 发布 TRL v1.0，将这个始于六年前、目前每月下载 300 万次的研究代码库正式定位为生产级后训练库，并引入语义化版本稳定性契约。
Hugging Face Blog精选AI 评分6363 如何在一天内构建领域专用嵌入模型
NVIDIA 发布一套在单张 GPU 上不到一天完成领域嵌入模型微调的流程，基于 Llama-Nemotron-Embed-1B-v2，无需人工标注。流程用 nemotron-3-nano-30b-a3b 从领域文档生成合成问答数据、挖掘难负样本并做多跳展开，再用对比学习微调，实测 nDCG@10 与 Recall@10 均提升约 10%。
推荐理由：NVIDIA 给出了从合成数据、难负样本挖掘到 ONNX/TensorRT 部署的完整嵌入模型微调配方，附真实评测数字。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 2026 春季开源 AI 生态报告
Hugging Face 发布 2026 春季开源 AI 生态分析，基于平台数据复盘过去一年竞争格局、地理分布、技术趋势与新兴社区。2025 年平台用户增至 1300 万，公开模型超 200 万个，公开数据集超 50 万个；中国模型占过去一年下载量的 41%，行业开发占比从 2022 年前的约 70% 降至 2025 年的约 37%。
推荐理由：Hugging Face 官方以平台数据复盘开源 AI 一年变化，可用于判断开源生态的重心与集中度。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 SPEX 与 ProxySPEX，大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 和 ProxySPEX，用于在大规模 LLM 中识别驱动模型输出的关键特征、数据与内部组件交互。SPEX 利用交互的稀疏性和低阶性，将搜索问题转化为稀疏恢复问题，可扩展到比既有方法大几个数量级的规模；ProxySPEX 进一步利用层次结构，以约少 10 倍的消融次数达到与 SPEX 相当的性能。