MIT 吴佳虹教授利用强化学习优化复杂交通系统
MIT 吴佳虹教授的研究团队利用强化学习解决交通优化难题，其设计的算法将训练效率提升了最高30倍。该团队还将强化学习应用于生态驾驶优化，证明智能控制车速可减少11%至22%的车辆排放。这项研究展示了强化学习在解决具有实际重要性的交通政策问题上的潜力。
#数据/训练
MIT News · 人工智能AI 评分2222 Databricks 博客AI 评分3333 如何选择首批 Genie Agents 以实现最大影响
Databricks 提出一个基于五个核心变量的框架，用于评估和选择应优先构建的 Genie Agents。该框架通过业务影响、需求频率、数据就绪度、范围清晰度和治理风险匹配度对候选工作流进行 1-5 分评分，总分 20-25 分的工作流适合立即构建。一个活跃的高管支持者对于将高性能 Agent 转化为被广泛采用的工具至关重要。
AWS Machine Learning BlogAI 评分4848 使用 Amazon SageMaker AI 多轮强化学习微调搜索智能体
使用 Amazon SageMaker AI 多轮强化学习（MTRL）微调 Qwen3.6-27B 模型，构建了一个自主使用 BM25 和向量搜索工具的搜索智能体。
Databricks 博客AI 评分3030 基于 Databricks Lakebase 与 AI 搜索构建实时电商推荐系统
Databricks 推出基于 Lakebase 与 AI 搜索的实时电商推荐架构，支持每秒 1,000 事件的点击流数据处理，实现毫秒级响应。系统通过 Zerobus Ingest 直接将用户行为数据写入 Unity Catalog Delta 表，实时推理路径绕过湖仓存储，确保 session 级上下文即时可用。
Anthropic 新闻AI 评分5050 Anthropic 投资 1 亿美元启动 Claude Frontier Academy 培养 AI 工程师
Anthropic 宣布投入 1 亿美元启动 Claude Frontier Academy，计划到 2027 年底培养 1 万名 Frontier Deployed Engineers (FDEs)。
Apple · 机器学习研究AI 评分2727 Apple 研究：语言区分能力提升多语言语音模型的语音学习效果
研究显示，在预训练中增强多语言语音模型的语言区分能力，能缩小其与单语模型在语音和词汇任务上的性能差距。在英语/法语 HuBERT 实验中，引入辅助语言分类器等方法后，phone-ABX 错误率从 11.6% 降至 10.4%（单语基线 10.8%），sWUGGY 词汇任务得分从 52.1% 提升至 56.7%（单语 58.5%）。结果表明，语言区分能力对降低多语言学习的额外成本具有因果作用。
Apple · 机器学习研究AI 评分2727 Apple 研究揭示扩散模型中置信度的局限性
Apple 的研究表明，在离散扩散模型中，基于逐位置置信度排序的采样方法无法匹配存在依赖关系的 token 联合分布。在合成任务 ScanAndAdd 上，该方法生成的分布与真实分布的总变差距离是采样噪声底限的 29 倍。研究揭示了逐位置分布与联合分布之间的根本差异。
Databricks 博客AI 评分3939 Genie One 如何重塑财务团队的工作方式
Genie One 作为基于企业业务上下文的AI协作者，帮助财务团队快速分析预算差异、现金流趋势、财务关账异常和支出模式，支持使用自然语言提问并基于已批准的指标定义和组织逻辑生成可信结果。该工具可将原本需数日完成的分析缩短至数分钟，支持创建可复用的工作流与自动化报告，结果可自动推送至聊天和邮件。目前已在Coty、Unilever等企业落地，提升财务洞察效率与响应速度。
Hugging Face · 每日论文AI 评分3434 MetaRubric：基于量规的强化学习奖励学习框架
MetaRubric 通过证据感知的策略优化与响应引导的量规适应交替进行，解决了基于量规的强化学习中的“空洞奖励”问题。该方法要求响应包含足够证据才能获得相应量规标准的分数，并在 PubMedQA 上比静态评判的 GRPO 准确率提升了 6.00 至 20.40 个百分点。
Hugging Face · 每日论文AI 评分4545 通过递归自重写扩展复杂任务轨迹：Qwen-3.8-27B 框架实现
递归自重写（RSR）框架使用 Qwen-3.8-27B 通过多样化的任务轨迹生成更丰富的训练数据，三类任务轨迹联合解决了 759 个终端任务，比最强单轨迹提升 34.3%。
Hugging Face · 每日论文AI 评分4141 LLM 智能体在真实场景中对来源存在偏好，且可通过信息补全或提示缓解
12 个 LLM 智能体在三个领域任务中均表现出对特定来源的显著偏好，即使来源较差的项目仍因来源偏好被选中约三分之二时间；隐藏来源信息可削弱偏好，而将项目重标为偏好来源可提升其被选中率；通过补全缺失信息或使用反偏见提示可有效降低来源偏好。
Hugging Face · 每日论文精选AI 评分5858 Skill2Real：基于智能体的零样本仿真到现实机器人操作技能学习
Skill2Real 提出一种基于智能体的策略框架，通过共享 API 学习可执行技能，利用 Proposer-Verifier-Governor 循环在仿真中诊断与验证更新，保持技能与公共观测及 API 语义一致。
推荐理由：该研究提出通过共享 API 实现零样本仿真到现实的机器人操作技能迁移，验证了框架在真实场景中的有效性。
AWS Machine Learning BlogAI 评分4141 Amazon Quick 为 AI 构建的应用引入实时治理数据查询功能
Amazon Quick 为其 AI 构建的 Quick Apps 推出 Live Data in Apps 功能，允许应用在每次打开时实时查询受治理的 Quick Sight 数据集，而非依赖构建时的静态快照。
AWS Machine Learning BlogAI 评分4646 使用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit (NAT) 可通过自定义插件将 Amazon S3 Vectors 集成为持久化记忆后端。该实现利用 Amazon Titan Text Embeddings V2 生成嵌入向量，并支持基于元数据的过滤和强一致性写入。此方案为需要弹性扩展至数十亿向量、具备成本效益的多智能体生产系统提供了记忆层。
AWS Machine Learning BlogAI 评分3030 AWS 博客：使用上下文多臂老虎机在 AWS 上通过个性化提升获客漏斗的转化率
Amazon Payments 在 Amazon SageMaker AI 上应用了基于多目标上下文多臂老虎机的个性化方案，以优化产品获客漏斗。一项为期七周的在线 A/B 测试显示，针对某一客户群体，漏斗最终转化率实现了较高的个位数百分比相对提升。该方案使用 LinUCB 算法，通过线性组合各阶段（申请开始、提交、批准）的 UCB 分数来同时优化整个漏斗，并提供了可在合成数据上测试的代码库。
AWS · AI 博客AI 评分1919 uniopen 如何定制 Amazon Nova 2 Lite 以符合其零售内容审核政策
uniopen 通过监督微调和提示词优化，将 Amazon Nova 2 Lite 适配至其零售内容审核政策。该方案在 Amazon SageMaker AI 中实现，保持了数据、训练、配置和操作控制的一致性。
Arize 博客精选AI 评分6161 Arize Alyx 智能体长时记忆架构：为何选择文件而非知识图谱
Arize AI 的 Alyx 智能体采用每用户每空间一个结构化文本文件作为长时记忆，文件大小限制为8000字符，每次请求加载全文。该设计避免了检索和知识图谱的高成本，通过后台任务总结对话并精确编辑文件，同时使用安全检查防止注入。
推荐理由：原文对比了知识图谱与文件式记忆架构，给出了具体设计选择和评估方法，读者可据此判断在限定场景下如何权衡成本与效果。
NVIDIA · 开发者博客AI 评分3434 微调 NVIDIA Nemotron 以适应沙特阿拉伯方言，并拓展至其他语言
NVIDIA 展示了如何微调其 Nemotron 自动语音识别模型以适配沙特阿拉伯方言。该方法旨在解决区域方言和本地录音条件在预训练数据中代表性不足的问题，确保模型能处理人们的实际口语，而不仅仅是基准测试中表现良好的主流语言。此微调路径也可应用于其他语言。
Apple · 机器学习研究AI 评分4545 强智能体在自主机器学习工程中需要多少“缰绳”？
研究发现，在同等时间预算和前沿大语言模型骨干下，复杂的多智能体编排系统相比一个具备读写和bash原语的最小化编码智能体基线，在公开排行榜上并未展现出优势。大规模系统消融实验表明，在编码智能体场景中，复杂的“缰绳”层变得冗余。这表明，围绕强大模型精心设计手工“缰绳”的努力，在当前机器学习工程基准测试中回报甚微。
Hugging Face · 每日论文AI 评分4545 Science Utopia？Closed-Loop LLM 模拟学术研究生态系统
Hugging Face 推出 SciUtopia，一个基于大语言模型的闭环模拟框架，用于研究学术研究生态系统的动态演化过程。该框架模拟了超过 40,000 名研究人员、8,000 家机构的长期科研行为，生成约 40 万篇论文决策和 120 万条 LLM 生成的同行评审意见。
Hugging Face · 每日论文AI 评分4949 Ego2Act：评估以第一视角生成视频中的目标导向操作
Ego2Act 是一个用于评估目标导向操作能力的基准，包含 110 个日常任务的 2,640 条视频，要求模型根据初始场景图像和高层目标生成第一视角的手部操作视频。Ego2ActJudge 作为无参考评估流程，比相关基线更贴近人类共识，发现模型常跳过或部分执行步骤，导致目标未达成，并在复杂物体操作和持久世界建模中表现不佳。该基准旨在推动视频模型向物理合理、目标导向的模拟方向发展。
Hugging Face · 每日论文AI 评分5050 Keyword 检测揭示小语言模型工具调用虚假正例：低成本诊断链可区分真实与幻觉能力
661.6M 参数模型在工具调用任务中得分0.660，而1,109M参数模型（经6B token工具微调）得分0.650，但前者在训练样本上可正确生成工具调用。
Databricks 博客AI 评分5050 Databricks 推出 ai_decide AI 功能，实现对受管数据的快速决策
Databricks 发布 ai_decide AI 功能，基于决策模型在毫秒级完成对受管数据的结构化判断，支持分类、评分与实时决策。该功能可在 SQL 中调用，也可通过 REST API 用于实时应用与智能体，延迟与成本显著低于传统 LLM。目前处于 Beta 阶段，兼容 TypeSafe AI 的 Jev 模型，支持在 Databricks 上直接运行开源决策模型。
Microsoft ResearchAI 评分4141 Microsoft Research 开发机器学习系统预测电网空间天气风险
微软研究院开发了一套端到端机器学习系统，可为美国本土 66,935 座变电站提供提前 30 至 60 分钟的位置特定空间天气风险预测。该系统结合太阳风观测、AE/Dst 指数预报、地质电导率与电网数据，在 2020-2026 年评估期内对重大事件的检测率达到 76.5%。
Google DeepMind精选AI 评分5757 Google DeepMind 发布 SynthID Bio 生物水印技术
Google DeepMind 发布 SynthID Bio，一种用于合成生物学的生物水印技术，可在不损害蛋白质生物功能的前提下，将不可见水印嵌入蛋白质序列与三维结构中。
推荐理由：原文给出了水印技术在生物序列和结构上的实现方式与实验验证结果，读者可据此评估其在生物安全中的实际应用潜力。
Hugging Face · 每日论文AI 评分4040 视频生成模型的后训练与对齐：一项全面综述
该综述首次系统梳理了视频生成模型的后训练与对齐方法，将现有策略分为监督微调、自训练与知识蒸馏、基于偏好与奖励的方法及推理时方法四类。研究指出，视频生成对齐面临时序误差累积、运动-外观耦合等独特挑战，需依赖非重新训练的后训练框架实现可控性提升。当前评估依赖MMLU、SWE-bench等基准，但长时一致性与安全生成仍是开放难题。
Hugging Face · 每日论文AI 评分4040 Honeycomb：基于 HexMemory 的固定大小场景记忆视频世界模型
Honeycomb 采用 HexMemory 架构，以六维空间与时空平面实现固定大小的场景记忆表示，支持长时视频生成中的持续一致性。该模型通过前馈写入器仅处理新生成片段，结合置信度加权融合与可学习残差修正，保持特征存储量恒定。在 WorldScore 和 RealEstate10K 上验证，生成质量高且重访一致性强，代码已开源。
Hugging Face · 每日论文AI 评分4949 Science or Slop?: Benchmarking and Mitigating Scientific Slop in AI-Generated Papers
Hugging Face 发布 SciSlopBench，通过结构、论点和成果六个维度评估 AI 生成论文中的“科学冗余”现象，准确率达 85.9%。该基准包含 390 篇 AI 生成论文及对应的人类撰写论文，发现科学冗余与 ICLR 评分下降及论文被拒相关。研究提出 SciSlopHarness 框架，无需人工参考即可减少 AI 与人类论文间的差距达 63%。
Microsoft Research精选AI 评分5454 微软研究院推出生物AI研究系统Quine
微软研究院推出名为Quine的生物AI研究系统，该系统包含一个多模态生物世界模型和一个连接模型、科学工具、文献与研究人员的工作平台。在与Broad Institute的合作中，Quine被用于预测和优先排序能驱动肿瘤细胞状态转变的化合物，其排名靠前的候选物在湿实验室实验中得到了验证。
推荐理由：原文展示了该系统在癌症研究中的具体应用案例和效果，为关注AI在生物科学领域落地的读者提供了实践参考。
Cloudflare · AIAI 评分3131 Cloudflare 如何利用 AI 规划后量子迁移路线
Cloudflare 正在开发名为 CryptoLabe 的内部 AI 工具，以推动其平台在 2029 年前实现全面的后量子就绪。该工具通过两阶段扫描，在代码库中发现并理解加密技术的使用情况，并生成迁移进度指标。CryptoLabe 高度定制于 Cloudflare 的内部系统，公司分享了相关经验以帮助其他组织进行后量子迁移。
MIT News · 人工智能AI 评分3030 算法单一化的影响取决于细节
MIT 研究人员指出，算法单一化（algorithmic monoculture）在招聘等场景中未必如部分学者担忧的那样负面，其影响取决于具体细节和算法准确性。他们通过数学证明，算法单一化可能形成信息回音室，限制候选人的多样性，但通过将多个算法整合为“集成系统”可缓解这一问题。研究还提到，算法单一化可能提升候选人的议价能力，甚至促使求职者优化简历以适应系统。
Hugging Face · 每日论文AI 评分3434 Triadic Linear Attention: Three-Dimensional Recurrent States for Long-Context Sequence Modeling
本文提出 Triadic Linear Attention，通过将键、第二个键和值的三元外积写入三维张量状态，从而提升长上下文序列建模能力。该方法在保持参数效率的同时，使状态规模增加 E 倍，仅需添加两个投影。
Hugging Face · 每日论文AI 评分4747 MemFold: 通过策略优化学习紧凑型软内存以实现长上下文个性化
MemFold 通过策略优化学习紧凑型软内存，用于长上下文个性化任务。该方法将查询条件下的文本记忆压缩为 K 个连续向量，作为读者的内存接口，并在任务结果的组相对奖励和置信度门控的策略蒸馏信号下进行训练。
Hugging Face · 每日论文精选AI 评分5555 研究发现 Transformer 过早停止思考，小规模 LoRA 可修复此问题
研究发现预训练 Transformer 模型在上下文引用任务中仅使用少量深度层，13个基础模型平均只能追踪1.4-3.6行引用。通过在早期层添加rank-8 LoRA微调，Qwen3-8B模型在24行引用链任务中的准确率从15.5%提升至99%。该方法还改善了MuSiQue任务表现，代码和交互演示已开源。
推荐理由：研究发现预训练 Transformer 模型在上下文引用任务中存在早期停止思考现象，并提出了一种简单的 LoRA 微调解决方案。
Hugging Face · 每日论文AI 评分3838 On-Policy 参数更新方向是 LLM 后训练泛化性能的关键
研究发现，On-Policy 后训练范式的泛化优势源于其参数更新方向，并据此提出了 On-Policy 方向约束的监督微调方法 OPSFT。OPSFT 将 SFT 的更新约束在 On-Policy 范式识别出的方向上，从而将后者的强泛化能力转移给 SFT。该方法结合了 On-Policy 的泛化优势与 SFT 的高训练效率及利用高质量轨迹的能力。
Mistral AIAI 评分3535 Mistral AI 在慕尼黑开设德国中心以推动欧洲最大经济体的工业 AI 发展
Mistral AI 在德国慕尼黑开设新中心，专注于工业 AI 和 Physics AI 研究与应用。该中心将组建专门研究团队，并与宝马、西门子能源等企业合作开发工业 AI 应用。Mistral 强调其开放权重架构和欧洲本地计算基础设施，以保障欧洲的 AI 主权。
MIT News · 人工智能AI 评分3535 MIT 研究人员利用 AI 算法开发出耐高温 RNA 疫苗新配方
MIT 研究人员借助 AI 算法优化了包裹 mRNA 疫苗的脂质纳米颗粒配方，使其耐热性显著提升。新配方疫苗可在室温下稳定储存长达一年，或在 37 摄氏度下储存两个月，并在小鼠体内引发了与 Moderna 类似疫苗同样强的免疫反应。该 AI 算法能基于小数据集进行预测，将配方筛选所需的实验次数和开发时间大幅减少。
Hugging Face · 每日论文AI 评分3131 PDE-JEPA: 预测性表征学习用于参数化偏微分方程的潜在动力学建模
PDE-JEPA 提出了一种基于预测性表征学习的参数化偏微分方程（PDE）动力学建模方法，通过掩码潜在预测训练编码器并引入几何投影器对齐潜在轨迹与物理场演化几何。该框架进一步开发了物理结构化的潜在预测器，将动力学分解为参数无关和参数相关的部分，在九个常用 PDE 基准测试中，其在分布内任务平均优于现有最先进方法 33.4%，在未见过的参数外推任务中平均提升 51.4%。项目页面已上线。
Hugging Face · 每日论文AI 评分3232 Llama3 与 Qwen2.5 在强到弱知识蒸馏中对比 on-policy 与 off-policy 学习效果
Llama3 与 Qwen2.5 在科学、医学和算术任务上进行强到弱知识蒸馏实验，发现 rollout policy 并非决定性因素，token-level KL 方向对性能与输出覆盖影响更显著。
Hugging Face · 每日论文AI 评分4040 PersonaDose 通过校准激活控制实现渐进式人格特质调节
PersonaDose 在 Llama-3.1-8B、Qwen3-8B 和 Gemma-3-4B 上实现渐进式人格特质控制，相比对比激活添加方法，核心特质表达提升 33.2、18.3 和 17.8 点，达到 75 的一致性基线。校准后设置在未见问题上仍保持表达优势，7 个训练特质的平均目标误差为 4.7–6.2 点，28 个目标中有 14–22 个可达到。