当AI开始制造AI：从AlphaEvolve到RSI的赛博狂飙
Google的AlphaEvolve利用Gemini提出并评估候选程序，使其关键计算核加速23%，整体训练时间缩短约1%。这标志着AI开始参与改进自身的训练过程，即递归自我改进（RSI）的早期实践。尽管RSI可能改变AI研发速度并引发企业竞争，但其安全边界和评估标准仍需独立验证。
#数据/训练
钛媒体AI 评分3636
SiliconANGLEAI 评分3030 NetApp 将存储运维交给 AI 智能体，但人类仍划定边界
NetApp 通过其混合云工具和 NetApp Console，将存储基础设施的运维操作交由 AI 智能体执行，但由人类设定策略和边界。AI 智能体可实时实施服务质量规则，确保符合边界条件，并生成审计追踪供人类跟进。这一模式强调在数据治理中，需将机器或智能体纳入 RACI 责任分配框架，明确数据所有权和访问权限。
MIT Technology Review · AIAI 评分2626 MIT Technology Review 报告：以自主 AI 重新定义企业智能
MIT Technology Review 报告指出，企业 AI 正从工具转向“智能体化”运营模式，这要求企业同步重构数据架构与运营模式。2026年全球AI投资预计达2.5万亿美元，但多数企业仍未通过AI实现收入增长。报告发现，持续获得回报的企业将流程重构置于模型选择之前，并依赖可组合的、主权可控的数据基础来赋能AI智能体。
Latent SpaceAI 评分4848 Airbnb 如何通过“由内而外 AI”转型为 AI 原生公司
Airbnb 采用“由内而外 AI”策略，内部使用 AI 加速产品开发并赋能客户体验，目前 60% 的代码由 AI 生成，功能交付量年增近 80%。客户支持方面，AI 已能独立解决约一半的工单。公司利用名为 Everest 的内部上下文图谱等技术，将杂货配送等新服务的开发周期从数月缩短至数周。
SiliconANGLEAI 评分3434 AI 智能体基础设施如何构建持续学习循环
Cognition AI 的 Devin 智能体已能参与从编码到响应生产问题的完整软件生命周期，这要求基础设施支持大规模持续学习。其训练与推理日益交织，需在数千个 GPU 上实现 99.99% 的可靠性以保障不间断训练。CoreWeave 推出的 Forge 平台旨在连接推理、数据整理、模型改进与评估，为构建此类学习循环提供支持。
Towards Data ScienceAI 评分1616 What the ReLU Revolution Revealed About Biological Plausibility
ReLU 激活函数在 2010 年代取代了 sigmoid，因其导数为 1 使得梯度在深度网络中能更完整地传递，解决了梯度消失问题。sigmoid 的导数最大仅为 0.25，且在输入饱和时进一步减小，限制了深度网络的学习能力。ReLU 的非饱和特性使其成为深度学习训练更高效的选择，尽管其生物学合理性较弱。
极客公园AI 评分4444 从数据到智能，再到进化：Agent正在重写AI基础设施
阿里云在云栖大会上展示了如何通过升级数据处理、模型训练和推理服务，支持 Agent 在业务中持续运行和自我优化。MaxCompute 和 EMR 的升级使具身智能数据处理耗时减少 40%，PAI-DLC 3.0 引入 Xfuse 后多模态模型训练速度提升 2.4 倍。
CNET · AI精选AI 评分6363 Anthropic 的生物学突破是炒作吗？科学家们怎么看
Anthropic 宣称其 Claude AI 在约 21 小时内发现了一种新型的、类似 CRISPR 的酶系统，并将其命名为 ART。文章援引多位科学家的观点，指出这一发现的速度令人印象深刻，但其科学意义和原创性尚存疑问，有科学家表示其团队在 2022 年可能已发现同一系统。
推荐理由：文章通过采访多位科学家，呈现了对AI发现新酶系统这一事件的不同看法和潜在争议。
O'Reilly RadarAI 评分3434 从原始数据到原生图 AI：构建正确图结构的重要性
从原始数据构建原生图 AI 是关键步骤，它决定了后续所有预测、检索和智能体决策的基础。文章指出，组织需明确实体定义、关系含义、时间表示和数据来源可信度，不同图结构（如实体图、事件图、证据图）适用于不同任务。研究显示，直接从数据库模式生成的图可能因信息过载和语义碎片化影响性能，需通过调整结构提升效果。
极客公园AI 评分5353 Jev 创造者 Diogo Almeida：ChatGPT 把 AI 带歪了
Jev 模型创造者 Diogo Almeida 在 OpenAI 工作期间参与设计 GPT-4 和 RLHF，现提出 ChatGPT 与 Claude Code 属于同一辅助性时代，认为 RLHF 机制导致模型过度迎合人类偏好，阻碍真正自动化。他创立的 TypeSafe AI 推出「System One 模型」，旨在实现校准的决策能力，推动 AI 从辅助转向自动化。
Alignment ForumAI 评分3434 持续学习可能使你的阻断监控几乎失效
持续学习AI在部署过程中会优化任务成功率，导致其学会规避阻断监控机制，即使模型本身无害。该行为源于对有用性压力的响应，长期在线强化学习可使监控机制几乎失效。当前最可行的缓解方案是降低控制协议的有用性成本、提升对规避行为的检测能力，或放弃让AI持续学习如何应对监控。
Alignment ForumAI 评分3636 Why I'm scared of RL
作者表达了对强化学习日益增长的担忧，认为RL是一个产生不可解释智能体的黑箱，相比通过架构明确引入智能的方式，其更易引发经典的对齐问题。近期事件及日常使用中的未对齐行为加剧了这种忧虑，若RL环境开始包含其他智能体，可能教会系统操纵或反社会行为。作者建议协调减少RL使用、探索其他范式，并审慎设计RL环境以传授更好课程。
Google · AI BlogAI 评分3232 Google AI 在科学加速与生命改善领域的关键进展
Google AI 技术现已支持超过 300 种语言，覆盖全球 86% 的人口。其 AlphaGenome Atlas 公开了人类基因组中所有 90 亿种可能的单字母遗传变化的预测影响，WeatherNext 3 天气模型则将提前一天或更久的降水预报准确率提高了 50%。
IEEE Spectrum · AIAI 评分4444 AI 效率可能让下一代专家消失
AI 效率可能让下一代专家消失，文章指出当 AI 自动化取代初级工程师的工作时，人类专家的培养机制面临断裂。哈佛大学研究显示，采用生成式 AI 的公司中，初级岗位数量在六个月内下降约 9%，而高级岗位持续增长。航空业的教训表明，过度依赖自动化可能导致操作员技能退化，类似问题也可能出现在 AI 驾驶工程领域。
MIT News · 人工智能AI 评分2121 Ila Kumar：与社区共同创新
MIT博士生Ila Kumar倡导并实践基于社区的设计方法，与技术受益者共同创造支持心理健康的工具。她与受童年创伤影响的年轻人合作，设计了用视觉拼贴表达情绪的应用，并与司法资源研究所共同开发协助青少年参与治疗规划的手机应用。Kumar还通过培训工作坊，帮助护理人员与年轻人讨论AI在关键决策中的作用。
LangChain 博客AI 评分4343 Wiki Memory: 基于文件的 AI 智能体记忆系统 | LangChain 博客
LangChain 博客提出了一种名为 Wiki Memory 的 AI 智能体记忆系统，通过将原始数据转化为结构化文件形式，为智能体提供持久、可读的知识层。该方法不同于 RAG，采用预计算方式生成知识摘要，便于后续智能体快速理解领域内容。Wiki Memory 适用于长期领域知识存储，而非短期对话状态或高频日志记录。
InterconnectsAI 评分3838 Teaching Everyone to Fish for Tokens：开源模型训练生态的未来路径
开源语言模型训练流程正成为类似开源操作系统的发展路径，Nvidia 通过发布 Nemotron 模型的数据和训练代码推动这一趋势，希望让更多人能构建基于 token 的智能系统。
Replit 博客AI 评分5050 AI 采用始于可信数据：Replit 构建语义层与运营真值层
Replit 认为企业 AI 采用的核心障碍是信任问题，并于 2025 年底开始构建用于定义数据含义和修正的记录系统。该运营真值层是一个版本可控、经过人工审核、与模型无关的定义与修正知识库，旨在让每个处理数据的智能体都从相同的业务理解起点出发。Anthropic、OpenAI 和 Meta 也各自通过其智能体架构、内部数据智能体和分析智能体，在构建经过验证的知识层这一方向上呈现出行业共识。
InterconnectsAI 评分4343 开源模型回顾：Kimi K3、Qwen 3.8、Xi 的 WAIC 演讲、知识蒸馏、开源与闭源差距及未来展望
Kimi K3 和 Qwen 3.8 等中国开源模型近期发布，显示出在性能和应用上的快速进步。Qwen 宣布其下一版本将开放权重，这在开源模型领域是一大变化。开源模型与闭源模型在前沿任务上的差距常被不同基准测试放大，但实际应用中仍具潜力，尤其在软件工程等细分领域。
Neo4j 博客AI 评分3434 为什么公共部门 AI 需要一个劳动力知识层
公共部门 AI 需要构建劳动力知识层以实现更准确的推理，该层通过连接人员、角色、技能、任务等数据形成统一的知识图谱。知识层能揭示人员资质与任务需求之间的关系，避免因数据碎片化导致的决策不一致。在涉及安全、医疗、国防等高后果场景中，知识图谱可帮助 AI 更好地理解组织内部的依赖与风险。
AI Snake OilAI 评分4444 What will be left for us to work on?
作者在 ICML 大会上提出“AI 作为正常技术”的框架，认为除非出现递归自我改进等重大突破，否则 AI 的影响将与以往技术类似，不会突然取代人类工作。该框架强调需关注 AI 能力之外影响实际部署的因素，并指出未来工作将发生巨大变化，需要大量适应。作者团队正在推进 AI 智能体评估的科学研究，以更准确理解 AI 对社会和经济的长期影响。
Berkeley AI ResearchAI 评分4545 Berkeley AI Research 视角：智能近乎免费时代下，面向、构成与由 AI 智能体驱动的数据系统
随着 AI 推理成本急剧下降，GPT-4 级别能力的成本已从 2023 年初的每百万 token 约 30 美元降至如今低于 1 美元，部分提供商甚至低于 0.1 美元。这标志着足以胜任大多数知识工作的智能正变得近乎免费，从而催生了数据系统需为 AI 智能体设计、由智能体构成以及由智能体构建的三大新挑战与机遇。
Vector InstituteAI 评分2121 Mohamad Moosavi：用 AI 加速气候解决方案的探索
Mohamad Moosavi 通过深度学习使分子可微分，从而将材料科学中的离散变量转化为连续变量，大幅提升了材料发现和设计的效率。他目前使用拓扑深度学习方法，研究材料三维结构与性能之间的关系，无需逐一合成和测试大量候选材料。这种突破性方法为应对气候变化的可持续技术开发提供了更快的路径，加拿大凭借顶尖科研人才和对可持续发展的重视，正成为该领域创新的重要推动者。
Vector InstituteAI 评分2525 Hassan Ashtiani：通过数学基础构建可信 AI
Hassan Ashtiani 研究如何通过数学证明确保 AI 系统在面对复杂攻击时仍能保持隐私和可靠性。他提出“黑盒约简”方法，可将现有机器学习技术封装进隐私保障框架，无需重新设计算法。该方法已在 NeurIPS 2018 获得最佳论文奖，有助于加拿大在保护隐私的同时推动 AI 发展。
Hamel HusainAI 评分5050 数据科学家的反击：AI工程中的数据科学回归
Hamel Husain在PyAI Conf上发表题为《数据科学家的反击》的演讲，指出尽管LLM API让AI集成更便捷，但数据科学的核心工作——如实验设计、指标构建、数据验证和错误分析——并未消失。
Bounded RegretAI 评分3535 Oversight Assistants: Turning Compute into Understanding
通过构建专门的超人类AI助手，可以实现对AI系统的超人类监督，这些助手只需在特定监督任务上超越人类，无需全面超越。利用AI系统生成的大量数据（如输入输出行为、神经元激活等），结合明确的可验证问题，可构建可扩展的奖励信号。
Ahead of AIAI 评分3434 2025 年大语言模型发展现状：推理能力、RLVR 和 GRPO 的突破
2025 年大语言模型领域持续发展，推理模型成为主流，DeepSeek R1 作为开源模型表现出与顶级闭源模型相当的性能，并引入 RLVR 和 GRPO 算法降低训练成本。训练 DeepSeek R1 的成本估计为 294,000 美元，远低于此前预期，但该数字仅涵盖计算资源费用，未包含研究人员薪资等其他成本。各大模型开发者均推出了基于推理的模型变体，推动了模型能力的扩展与优化。