#数据/训练
#数据/训练
今日 4 条Magnetar：基于证明的通用计算
推荐理由：Magnetar 作为一种基于零知识证明的通用计算形式，在效率和安全性方面取得了重大进展，为可验证计算领域带来了新的可能性。
英伟达发布 1200 亿参数大模型 Nemotron 3.5 Super VL：单 GPU 智能体任务吞吐量最高提升 5 倍，74B 版本压缩至 24GB
推荐理由：英伟达发布 Nemotron 3.5 Super VL，参数量达 1200 亿，单 GPU 吞吐量提升 5 倍，可用于多种智能体任务。
数据中心成为战争目标：数据即新石油的现实与挑战
推荐理由：文章探讨了数据中心在战争中的角色，以及其对国际法和民用基础设施的影响，对理解当前技术战争趋势有重要价值。
跨语言模型的无训练事实通信：共享符号而非向量
推荐理由：该研究提出了一种无需训练的跨语言模型事实通信方法，通过共享词索引和接收器本地方向，支持模型家族之间的选择性事实使用，具有潜在的应用价值。
微软发布新机器学习工具改善天气预报
推荐理由：微软提出了一种新的概率偏差校正方法，该方法通过机器学习提高天气预报的准确性，对资源有限的气象机构具有重要意义。
Google 研究最新成果：新型能力和智能
推荐理由：原文介绍了 Google 在 AI 领域的最新研究成果，包括地理推理智能体、Deep Review、Google Earth AI 等技术，读者可以了解这些技术如何推动科学发现和改善人们的生活。
HiRO-ACEv2：以更低成本模拟极端天气事件
推荐理由：HiRO-ACEv2 模型在模拟极端天气事件方面表现出色，为研究人员提供了一种灵活且经济的生成高分辨率气候数据的方法。
HiRO-ACEv2：以更低成本模拟极端天气事件
推荐理由：HiRO-ACEv2模型在模拟极端天气事件方面具有高精度，且成本仅为X-SHiELD的1/300，为研究人员提供了灵活且经济的解决方案。
自然意志发布Natura-1：面向物理世界的通用基础模型
推荐理由：Natura-1模型在真实世界评估中展现出强大的灵巧操作和指令遵循能力，为通用物理智能的研究提供了新的方向。
AUGUstus：自动驾驶统一生成与理解视觉语言动作模型
推荐理由：AUGUstus 模型在自动驾驶场景中展现出强大的潜力，通过结合视觉语言动作模型和统一生成与理解，实现了低延迟和高精度轨迹规划。
《History Replays Itself: Unleashing Long-Context Capability in Linear Attention》论文发布：NoteBank 显著提升线性注意力模型长上下文检索能力
推荐理由：该研究提出了一种名为 NoteBank 的稀疏情景记忆方法，显著提升了线性注意力模型在长上下文检索方面的能力，同时保持了计算效率。
加州构建行为健康公共县概况平台
推荐理由：原文展示了如何利用数据平台提升政府透明度和公共服务质量，对数据驱动的政府治理有参考价值。
Databricks 推出治理数据共享方案，提升国防供应链可见性
推荐理由：原文介绍了通过治理数据共享解决国防供应链可见性的方案，读者可以了解该方案如何提高供应链透明度和效率。
BigCell：生成高分辨率全切片图像
推荐理由：该研究提出了BigCell，一种生成高分辨率全切片病理图像的新方法，对病理诊断领域具有重要意义。
Next-Concept Modeling：快速、并行粗到细文本生成
推荐理由：该研究提出了Next-Concept Modeling，一种加速扩散语言模型的方法，在保持质量的同时提高推理性能。
《自然》杂志发布：将语言模型改造为字节级操作
推荐理由：Bolmo 模型的发布为语言模型的研究提供了新的方向，读者可以关注其如何影响现有工作流和未来研究。
Google Research发布行星地理基础模型用于全球公共卫生
推荐理由：该研究提出了利用地球AI的行星地理基础模型来改善全球公共卫生决策，具有潜在的应用价值。
Google 研究推出基于 TEE 的联邦学习系统
推荐理由：原文介绍了基于可信执行环境（TEE）的联邦学习系统，读者可以了解其如何增强隐私保障和提升准确性。
北京人工智能研究院开发AREX研究智能体：逐个检查自己的工作
推荐理由：原文介绍了 AREX 研究智能体的工作原理和评测结果，读者可以了解其推理能力和训练策略。
Olmo-core 3：大型 MoE 模型训练的开源基础设施
推荐理由：Olmo-core 3 的发布为大型 MoE 模型的训练提供了开放且可扩展的基础设施，对 AI 研究和开发具有重要意义。
预测电网上的太空天气风险
推荐理由：该研究展示了如何利用基于物理的机器学习来支持更具体和及时的太空天气风险评估，对电力系统领域具有重要意义。
