内容方向
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。
7 条精选近 30 天 7 条共收录 21 条
OpenAI 公开 722 篇数学手稿，归为 372 组结果，全部出自一个尚未发布的内部模型，论文、源码和部分 Lean 证明已上传 GitHub。手稿涉及准黎曼猜想、霍奇猜想、BSD 猜想、π 的无理性指数等，OpenAI 称模型共尝试约 4000 个研究问题，平均每项结果算力约相当于 ChatGPT Pro 思考 3 小时。
推荐理由：OpenAI 一次性公开 722 篇数学手稿，读者可据此了解这批成果覆盖的猜想范围与数学界的核验争议。
微软研究院开源 Agent Lightning v1.0，用约 3500 行代码实现完整的 Harnessed Agentic RL 控制平面，让部署时使用的 agent harness 直接参与强化学习训练。
推荐理由：微软研究院开源 Agent Lightning v1.0，读者可了解让部署用 harness 直接参与 RL 训练的思路与实测增益。
OpenAI 发布内部前沿模型在数学开放问题上取得的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果与 Lean 形式化证明，可了解其研究细节。
Google DeepMind 发布 SynthID Bio，把 SynthID 水印技术引入合成生物学，将不可感知的签名直接嵌入生物代码，在数字模型和合成出的实体蛋白质上均可验证，同时保持其生物功能。
推荐理由：SynthID 水印首次延伸到合成生物学，读者可了解其在蛋白质序列与结构上的实现方式及生物安全用途。
微软研究院推出 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学多模态世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。
推荐理由：微软研究院公开 Quine 的生物学世界模型与工具编排框架，并给出胰腺癌化合物筛选的湿实验验证结果。
微软研究院对移动机器人操作负载做了系统性测量，发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务表现并延长续航。
推荐理由：微软对机器人推理负载的系统性测量显示，把推理从机载 GPU 卸载到边缘或云端可同时改善任务成功率与续航。
Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组全部 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 倍以上。
推荐理由：原文给出覆盖 90 亿个单碱基变异的预计算数据集与 AVI 评分，读者可据此判断基因组变异解读的可用入口。