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。
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 1–20 条 · 共 108 条今天星期五周五 · 10月16日
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。
10月15日星期四周四
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。
10月14日星期三周三
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。
10月12日星期一周一
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。
10月11日星期日周日
《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。
10月10日星期六周六
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。
10月9日星期五周五
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。
10月7日星期三周三
《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。
10月6日星期二周二
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。
10月2日星期五周五
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。
10月1日星期四周四
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。