LangChain 完成 1.25 亿美元融资，发布智能体工程平台新功能
推荐理由：LangChain 宣布完成 1.25 亿美元融资，并发布了 LangChain 和 LangGraph 1.0 版本，以及新的 Insights Agent 和无代码智能体构建器，读者可以了解这些新功能如何影响智能体工程领域。
数据与训练
全部主题训练侧的门道：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。
最新精选
第 41–60 条 · 共 108 条8月27日星期四周四
8月25日星期二周二
IBM 发布 Granite 4.2 推理模型家族：构建过程揭秘
推荐理由：Granite 4.2 模型在推理和工具调用方面表现出色，为读者提供了对大型语言模型构建的深入了解。
8月22日星期六周六
Google Research 发布生物标志物发现框架：从可穿戴设备数据中优先排序候选生物标志物
推荐理由：该研究提出了一种名为 Biomarker Discovery Framework 的多智能体系统，用于从可穿戴设备数据中优先排序候选生物标志物，加速生物标志物的发现过程，并保持严格的统计严谨性和人类监督。
8月21日星期五周五
移动性如何使语言模型对地点有更深入的理解
推荐理由：该研究提出了一个结合移动性和文本信息的框架，可以显著提高对现实世界属性如营业时间、价格水平和繁忙程度的预测。
递归自我改进：智能体如何通过自我改进提升性能
推荐理由：文章探讨了智能体通过递归自我改进来提升性能的方法，读者可以了解这一领域的最新进展和潜在应用。
Skala 1.1：扩展对 Skala 的访问以创建预测 DFT 的更快途径
推荐理由：Skala 1.1 在分子模拟方面取得了显著进展，其更高的准确性和更广泛的可用性对计算化学领域具有重要意义。
8月20日星期四周四
VeRL-Omni v0.2.0：更快的扩散强化学习和稳定的全模态训练
推荐理由：原文详细介绍了VeRL-Omni v0.2.0的功能更新和性能提升，读者可以了解其如何优化多模态强化学习。
8月17日星期一周一
利用智能手机图像估计身体成分：超越BMI评估心脏代谢风险
推荐理由：原文介绍了利用智能手机图像估计身体成分的新方法，读者可以了解其在健康和医疗领域的潜在应用。
8月6日星期四周四
Ai2 与 Hugging Face 扩展合作，加速开放科学
推荐理由：原文介绍了 Ai2 与 Hugging Face 的合作扩展，读者可以了解这对开放科学的影响。
Qwen3.5 在 Qwen3.5 上实现每 GPU 25K 总 TPS
推荐理由：原文详细介绍了 Qwen3.5 模型的性能优化和分片服务路径的成熟，读者可以了解其性能提升和最佳实践。
7月31日星期五周五
Science One 框架：通过证据链实现的可验证自主研究框架
推荐理由：Science One Framework 引入了一种新的可验证性框架，通过构建证据链来确保 AI 研究的可信度，同时保持了前沿基准上的高性能。
7月29日星期三周三
从 CUDA 到 MLX：K-Search 如何将数十年的内核专业知识带到 Apple Silicon
推荐理由：该研究展示了如何将 CUDA 优化知识迁移到 Apple Silicon，为跨平台 GPU 核心优化提供了新的思路。
7月23日星期四周四
谷歌研究：朝着从错误中学习的量子计算机迈进
推荐理由：该研究提出了利用强化学习控制量子纠错，为量子计算机的稳定运行提供了新的思路，读者可以了解其具体方法和潜在影响。
7月20日星期一周一
Kimi K3：开启前沿开放权重模型时代
推荐理由：Kimi K3 的发布标志着前沿开放权重模型时代的到来，读者可以关注其对中国AI发展的影响以及开放与封闭模型之间的竞争格局。
Import AI 465: 开源与闭源模型差距；Kimi K3；Demis 的重大政策计划
推荐理由：文章分析了开源和闭源模型在网络安全能力上的差距，并探讨了人工智能政策和安全问题。
7月16日星期四周四
揭秘扩散模型创造力之谜
推荐理由：原文深入探讨了扩散模型创造力的来源，揭示了神经网络训练过程中的数学原理，对理解扩散模型的工作机制具有重要意义。
7月9日星期四周四
SensorFM：面向可穿戴健康数据的通用智能与接口
推荐理由：SensorFM 模型通过学习大量无标签可穿戴设备数据，在多个健康领域展现出泛化能力，为可穿戴健康数据研究提供了新的思路。
7月1日星期三周三
Together AI 宣布 8 亿美元 C 轮融资，加速开源 AI 转型
推荐理由：Together AI 宣布获得 8 亿美元 C 轮融资，用于加速开源 AI 的转型，并介绍了其在 AI 应用和智能体方面的进展。
Google Research 发布 50 多个全球城市的热岛效应数据集
推荐理由：原文提供了关于城市热岛效应和屋顶反射率数据的新研究，读者可以了解如何利用这些数据改善城市规划和应对极端高温。
6月30日星期二周二
Google Research 发布 TabFM：表格数据的零样本基础模型
推荐理由：TabFM 作为一种针对表格数据的零样本基础模型，通过在上下文中学习，消除了传统机器学习中的瓶颈，为表格数据预测提供了高效准确的方法。