Google DeepMind Co-Scientist 加速细胞衰老逆转研究
Google DeepMind 的 Co-Scientist 正被用于加速细胞衰老研究，它扫描数万篇论文后提出 20 多个可测试的新遗传因子，其中数个经实验室验证能驱动细胞进入更年轻状态并改善整体功能。它还能将原本需长达六个月的筛选数据分析缩短至几天。
#数据/训练
#数据/训练
今日 4 条5月19日星期二
Cursor 发布 Composer 2.5 编程模型，长任务效率号称提升十倍
Cursor 推出了 Composer 2.5，一个专门做长代码任务的模型。官方说在连续几十甚至上百步的复杂编程里，效率最高能到之前的十倍。技术上的关键是用了文本反馈来训练，解决了十万 token 级别超长轨迹的学习问题，让模型能稳定跟完一长串指令。底座还是拿 Moonshot 的 Kimi K2.5 继续训出来的。另外 Cursor 宣布要和 Spa...
推荐理由：Cursor 发 Composer 2.5，说长任务效率最高能提 10 倍，背后是用 Kimi K2.5 做二训、处理十万 token 级轨迹。我会先打个折——10 倍是官方说法，没看到独立评测，实际效果还得等用户跑起来再看。但 Cursor 本身是编程工具里的头部产品，这次更新又绑定了 Moonshot 的模型，对开发者选工具和模型都有参考价值。正文没披露二训具体用了多少样本、成本如何，这点先别太激动。整体信息量够、时效性强，给 82 分放在 featured 里合理。
NVIDIA 用 LoRA/DoRA 微调 Cosmos Predict 2.5，让它能生成机器人第一视角视频
NVIDIA 发了一篇技术博客，教你怎么用 LoRA 和 DoRA 这两种轻量微调方法，去训练他们自家的 Cosmos Predict 2.5 视频模型。目标是让模型能根据文字指令，生成机器人看到的画面，比如机械臂在桌上抓东西。博客把训练数据准备、代码怎么改、训练命令都贴出来了，但没提用了多少数据、训练花了多少钱、也没给任何评测分数，所以效果到底怎么样...
推荐理由：我会先打个折：正文没给数据量、没给评测分数，所以没法判断效果到底多好。但这条信息本身挺实在——NVIDIA 把 Cosmos Predict 2.5 拿出来，用 LoRA 和 DoRA 两种轻量微调方法，教模型按文字指令生成机器人第一视角视频。LoRA 是只动一小部分参数来省钱省算力，DoRA 在 LoRA 基础上把权重拆成方向和大小分开调，理论上更稳。对做具身智能的人来说，这等于多了一条低成本造训练视频的路子，不用全量微调大模型也能试。不过正文没写用了多少条视频、什么机器人平台、生成质量怎么衡量，这些缺口让实用性打折扣。整体看，技术路线清楚、痛点...
5月18日星期一
华为 GTS 在 ICML 2026 发了一篇用推理熵值动态挑训练样本的方法，Amazon 和 Google 的作者也跟进了类似思路
这篇论文提出了一种叫 EDCO 的动态课程微调方法，核心是用模型推理时的“熵值”来判断样本难度，自动挑出当前模型最该学的数据，而不是靠人手动分阶段。他们搞了个前缀熵值估算，把每一条样本的评分时间从 2.24 秒压到了 0.37 秒，省了不少算力。文章本身因为微信环境异常没抓到正文，具体实验数据、在什么任务上验证的、以及 Amazon/Google 团队...
推荐理由：我会先打个折：这还是个训练方法论文，不是模型或产品发布，所以分数没给更高。但它的钩子很足——华为提出 EDCO，用推理熵动态挑样本，Amazon 和 Google 的人光速跟进，说明这个方向在圈内被盯上了。核心卖点是前缀熵估计，把单样本耗时从 2.24 秒砍到 0.37 秒，省了八成多时间，对做微调的人来说是实打实的成本优化。正文没披露这个方法在大规模多任务上的泛化验证，这点先别太激动，但思路本身对数据筛选和训练成本敏感的场景很有启发。
TIME：让 Qwen 模型只在需要时短思考，而不是一直过度推理
作者用 QLoRA 在 Qwen3 的 4B 到 32B 全系列上训练了一个叫 TIME 的方法，核心思路是当上下文发生变化时，模型才触发一段简短的中途推理，避免没完没了地“想太多”。帖子说数据集、notebook、训练脚本、课程学习方案和 TIMEBench 评测都公开了，24GB 显存就能训到 14B 规模。不过正文被 Reddit 的安全策略挡了...
推荐理由：我会先打个折：这是 Reddit 单帖发布，不是实验室论文，所以放在 featured 里 74 分比较合适。但内容本身挺实在——作者没去追长链推理，而是让模型在上下文切换时做短思考，避免“想太多”拖慢速度。用 QLoRA 在 Qwen3 四个尺寸上都训了，代码和数据全公开，24GB 显存能玩到 14B，这点如果是真的挺省钱。TIMEBench 评测也给了，不是空口说效果。整体对想自己动手调模型的人有直接参考价值，信息量够，判断也挂得住。
Cursor 发布 Composer 2.5，用文字反馈教模型改掉坏习惯，合成数据规模翻了 25 倍
Cursor 把代码助手 Composer 升级到了 2.5 版，底层还是基于月之暗面的 Kimi K2.5 开源模型。这次主要做了三件事：一是用“文字反馈强化学习”，在模型犯错的地方直接插一句提示（比如“提醒：可用工具有这些”），让模型在那个点上学会纠正，而不是靠最后的总分去猜哪里做错了；二是把合成训练数据的量提到了上一代的 25 倍，并且动态生成更...
推荐理由：HKR 三项都踩中了：Cursor 本身就是编程助手的核心入口，文章又给了 Moonshot 基座、25 倍合成数据、文本反馈 RL 和分片 Muon 这些实打实的训练细节。我会先打个折——正文没给基准测试、没提价格，也没说用户端能力边界，所以分数卡在 78–84 这个区间是合理的。
5月17日星期日
Google DeepMind 推出 Gemini for Science 科学工具集
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上三个实验性工具：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：Google 把 Co-Scientist、AlphaEvolve 等研究原型打包成可申请的科学工具，读者可据此判断智能体科研的落地形态。
TGO：不用人工挑好坏样本，靠一个分数就能把生图模型调得更听话
新加坡国立大学搞了个叫 TGO（阈值引导优化）的方法，被 ICML 2026 收了。它最大的好处是不需要提前构造“这张比那张好”的偏好对，直接拿一个标量分数（比如美学分、图文匹配度）就能做对齐。做法是先让模型生成一批图，算出分数的分布，定一个阈值：高于阈值的当正样本往上拉，低于的当负样本往下压。论文在 Stable Diffusion v1.5、FLU...
推荐理由：这篇 ICML 2026 的论文提了个叫 TGO 的方法，核心是把标量反馈（比如一个打分）直接转成模型的正负更新方向，不用像传统 RLHF 那样先构造偏好对。我会先打个折：正文没披露具体节省了多少标注成本或计算量，但思路本身挺直接——用分数分布的阈值来决定哪些样本该学、哪些该躲。实验覆盖了四个主流视觉生成模型，从 SD v1.5 到 FLUX 都有，说明不是单点特调。这点先别太激动，因为论文偏研究向，离工程落地还有距离，但对正在头疼对齐数据采集的团队来说，值得看一眼。
预训练并行策略与翻车训练笔记
这篇笔记聊了两件事：预训练为什么容易跑崩，以及怎么把训练拆到多张 GPU 上。跑崩的核心原因有两个——破坏因果性和引入偏差。比如 MoE 路由里用专家选择（expert choice）分配 token，会让 token n 的去向依赖 token n+k 的路由结果，训练时看到了推理时看不到的信息；token 丢弃也会让后面的 token 影响前面的处...
推荐理由：Dwarkesh 这期笔记把预训练里容易翻车的地方摊开讲：expert choice 和 token dropping 会破坏因果性，FP16 集体通信能把一万次累加算偏，这些坑不踩过很难意识到。我会先打个折——它更像从业者之间的经验交换，不是系统性的技术报告，但给的数字（6ND、288GB、参数量×3）对算成本和排故障都有用。正文没展开具体实验验证，所以别当定量结论用。
5月16日星期六
剑桥大学教授用 Google Co-Scientist 寻找跨物种传染病分子开关
剑桥大学 Clare Bryant 教授利用 Google Co-Scientist 研究流感等病原体跨物种传播时引发脓毒症等重症的分子开关。Co-Scientist 生成并排序假设，优先锁定一个她此前未关注的蛋白，并逐步将假设细化到具体氨基酸。Bryant 团队正构建含氨基酸突变的细胞系验证，原本需两到三年的工作预计六个月完成。
Google DeepMind Co-Scientist 如何助力 Calico 探索衰老生物学
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现，将其转化为可验证的假设。在整合应激反应（ISR）研究中，该工具帮助团队生成了一条关于代谢如何调控 ISR 的新假设，并协助优化实验设计。相关实验已产生新发现，团队计划发表这些结果。
Google Co-Scientist 加速肝病机制发现，提出 MASH 组合疗法新假说
爱丁堡大学团队用 Google Co-Scientist 研究 MASH 肝病，系统整合肝生物学与药理学证据，锁定值得关注的机制并筛选出候选组合疗法。针对 resmetirom 仅对少数合格患者有效的问题，Co-Scientist 提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁，该假说随后经实验验证，有望推动靶向双重疗法。
Google DeepMind Co-Scientist 如何连接两个实验室推进 ALS 研究
MIT 的 Ritu Raman 与波士顿儿童医院的 Ryan Flynn 借助 Google DeepMind 的 Co-Scientist，将各自不同的研究工具结合用于 ALS 研究。
斯坦福团队用 Co-Scientist 发现抗肝纤维化候选药物
斯坦福大学医学院遗传学家 Gary Peltz 团队在《Advanced Science》发表研究，用 Google DeepMind 的 Co-Scientist 从现有药物文献中筛选可重定位治疗肝纤维化的候选药。
5月15日星期五
用强化学习让 Qwen3.5 自己攻自己，再把失败案例喂回去加固防线
作者搭了一套全自动的红队演练循环：先训练一个攻击模型，用强化学习（GRPO）对着 Qwen3.5 不断尝试越狱，成功诱导出有害回答就给奖励。第一轮攻击很快塌缩成同一种“写小说”套路，翻来覆去就一招。后来他们把攻击按底层策略聚类，奖励除以该策略的使用次数，逼攻击模型去挖新花样，这才炸出 7 类不同的越狱手法，其中虚构创作类占比最高，达 34%。接着用这些...
推荐理由：我会先打个折：这是 Reddit 个人帖，没挂论文也没开源代码，数字只能当参考。但故事本身挺有意思——作者没靠人工写攻击样本，而是用强化学习让 Qwen3.5 自己琢磨怎么越狱，再把翻车案例拿来加固模型，形成一个自动红队闭环。防御率从 64% 跳到 92% 看着漂亮，不过良性准确率从 92% 跌到 88%，说明模型变保守了，正常问题也开始拒答。攻击器挖出 7 类策略，正文没展开细节，不知道覆盖面和实际危害有多大。整体像一份个人实验笔记，有启发但缺验证，先别太激动。
让 7B 小模型从自己的错误里学习，HumanEval 正确率从 15% 涨到 68%，跑一次训练只要 3.5 美元
作者拿 Qwen 2.5 7B 基础模型做实验，先让它自己写代码、自己跑测试，把跑不过的代码和报错信息收集起来，再让它根据报错改出正确版本，这样就自动生成了“错误-修正”配对数据。用这批数据微调后，7B 模型在 HumanEval 上的通过题数从 25 题（约 15%）提升到 112 题（约 68%），数学能力也超过了 GPT-3.5。14B 版本只用...
推荐理由：我会先打个折：标题说 80% 但正文是 112/164，约 68%，这点先别太激动。不过 hook 确实抓人——让模型自己写题、自己答、再自己改错，用这些修正对去微调，HumanEval 直接翻几倍。14B 版本只用了 100 对样本、一张 H100 跑一个半小时花 3.50 美元，成本低到可以复现。正文没披露数学 benchmark 的具体名称和完整分数，验证偏弱，但作为单人实验，信息量和可操作性都够。保留 78 分，因为它是单篇 Reddit 帖子，且 80% 的说法和实际数字有出入。
MOOSE-Star：用 7B 小模型和 10 万篇论文做科学假设发现，ICML 2026 接收
MiroMind 放出了 MOOSE-Star 系列，包含三个 7B 模型和一个叫 TOMATO-Star 的数据集，里面有 108,717 篇 NCBI 论文。其中 MS-IR-7B 在“灵感检索”任务上准确率到了 54.37%，底子是 DeepSeek-R1-Distill-Qwen-7B，fp16 跑起来大概占 14GB 显存，支持 llama....
推荐理由：我会先打个折：正文没披露 54.37% 这个准确率是在什么基准上测的、对比了哪些方法，所以这个数字先别太激动。但整套东西的钩子很实在——用 7B 小模型加 10.8 万篇 NCBI 论文搭一个科学假设发现的流程，fp16 才 14GB，本地就能跑。对想做科研 RAG 或让模型进文献分析流程的团队来说，这是个现成的起点，数据集和模型权重都公开了。
5月14日星期四
有人把 HuggingFace 的 AI 研究员搬到了本地，用 llama.cpp 跑通了一条自动微调流水线
HuggingFace 之前开源了一个叫 ml-intern 的自动化 AI 研究员，现在社区有人把它接上了 llama.cpp 和 ollama，让整个流程能在本地跑。帖子说用 Qwen3.6-35B-A3B 这个模型就能当大脑，指挥 CPU/GPU 沙箱和 HuggingFace Hub 上的任务，从头到尾完成一次 SFT（有监督微调）。正文没披露...
推荐理由：我会先打个折：这是 Reddit 出来的开源工具更新，不是大模型发布。但本地沙箱加 Hub 作业编排能跑通完整微调，对想在自己机器上做自动化实验的人挺实用。正文没披露具体延迟和资源占用，这点先别太激动。
田渊栋带队八人创业，估值 46.5 亿美元，要做能自己进化、自己搞研究的 AI
田渊栋和另外七位 AI 研究员一起创立了 Recursive Superintelligence，团队目前 25 人，拿了 6.5 亿美元融资，估值冲到 46.5 亿美元。他们想干的事是把模型评估、数据筛选、训练、后训练甚至研究方向选择这些环节全交给 AI 自己跑，让整个研发流程自动化。正文因为需要验证没加载出来，具体技术路线和验证结果还不清楚，所以这...
推荐理由：一家 25 人的公司，拿了 6.5 亿美元，估值冲到 46.5 亿美元，要做的事是让 AI 自己搞定评估、挑数据、训练、后训练甚至选研究课题——说白了就是让研究员自己卷自己。田渊栋带队，八人创始团，这个阵容和融资规模都不是常规操作。我会先打个折：正文没披露具体技术方案和验证结果，所以现在只能当一个大额押注来看，别急着激动。
灵初智能用10万小时人类操作数据训练机器人，但文章正文被验证页挡住了
这篇微信文章标题说灵初智能（PsiBot）用了10万小时的人类操作数据来训练机器人策略，还提到一个叫W0的世界模型只在训练时做迁移，实际部署只跑R2。但页面被环境异常验证拦住了，正文内容完全看不到，没法确认具体怎么采集数据、在什么任务上验证、效果到底怎么样。
推荐理由：这篇讲的是灵初智能用10万小时人类操作数据训机器人策略，W0世界模型负责训练时的迁移，部署时只跑R2，省算力。我会先打个折：10万小时这个数字挺唬人，但正文没披露数据怎么采集、覆盖哪些任务、成功率多少，也没给论文或开源链接，所以只能当公司说法看。对从业者来说，W0训练期迁移、R2部署这个架构思路有参考价值，但缺验证就不好判断实际效果。整体像产品发布稿，不是可复现的研究，所以放在featured但分数没往上拉。
阿里达摩院用信息瓶颈做自奖励，让模型做数学题时多试几条不同的路
阿里达摩院发了篇 ACL 2026 论文，提出 I²B-LPO，解决强化学习微调时模型解题思路越来越像的问题。做法是在模型生成答案时，碰到它犹豫不决的节点就分叉出多条路径，再用一个基于信息瓶颈的自奖励机制筛掉重复的、留下真正不一样的解法。论文在 Qwen2.5-7B 和 Qwen3-14B 上跑数学题，准确率最多提了 5.3%，答案的语义多样性提了 7...
推荐理由：我会先打个折：这还是一篇训练方法论文，不是新模型或产品发布，所以重要性给 78 合理。亮点在于它把 RLVR 的探索问题讲得很具体——不是泛泛说“多样性不足”，而是用高熵节点定位、分支采样、自奖励这套组合拳给出可操作的解法。数字也实在，准确率和多样性双涨，没有只挑好看的说。正文没披露训练成本和延迟数据，这点先别太激动。整体适合推荐给做推理微调的人看，不是那种看完就忘的刷榜文章。
5月13日星期三
商汤发 SenseNova-U1 技术报告，开源一个激活参数仅 30 亿的多模态模型
报告把训练一个原生多模态模型的全流程拆成了六步，从统一建模、无损接视觉信号，到用自回归加像素空间流匹配一起训，再到强化学习后训练和蒸馏，每一步都给了实操细节。开源版本 SenseNova-U1-A3B-MoT 用了混合专家架构，只激活 30 亿参数，主打跑得快、成本低。模型权重、代码和演示都放出来了，不过报告里没给具体 benchmark 对比，实际效...
推荐理由：我会先打个折：这是厂商自己发的技术报告，正文没给基准分数、开源协议和复现细节，所以别当第三方评测看。亮点在于把训练全流程讲清楚了——从数据配比、六阶段课程到 RL 后训练和蒸馏，每一步都给了操作说明。A3B-MoT 用 MoE 把激活参数压到 30 亿，推理时确实省钱，但报告没披露总参数量、专家数这些关键数字，也没说开源权重什么时候放出来。这点先别太激动，等代码和权重落地再判断。
清华系开源 MiniCPM-V 4.6：1.3B 多模态模型，一张 4090 就能全量微调
面壁智能、清华和 OpenBMB 放出了 MiniCPM-V 4.6，一个 13 亿参数的多模态模型。它最大的卖点是能在一张 RTX 4090 显卡上完成全量微调，不用再靠低秩适配这类折中方案。模型提供了两种视觉 token 压缩模式：4 倍压缩追求精度，16 倍压缩追求速度，让开发者自己按场景选。正文没披露具体的训练数据量和详细评测基准，这点先别太激...
推荐理由：HKR 三项都成立：一条具体的开源多模态模型发布，给了参数量、硬件条件和 token 压缩方案，把本地微调成本压到一张消费级显卡。不是前沿大厂的旗舰发布，但实用性强，82 分合理。
5月12日星期二
开放模型生态如何滚起雪球
作者 Nathan Lambert 从中国 AI 圈几乎全员开源的现状出发，聊了聊开放模型生态真正的省钱逻辑。核心判断是：造前沿模型的大头成本不在最终训练，而在研发试错，这部分算力开销可能占到 80%。中国各家实验室通过详细技术报告和刻意分享，相当于帮同行排了雷，避免重复烧钱做实验，形成了一种靠信息共享降低未来研发成本的复合增长。文章也指出，开源 AI...
推荐理由：这篇文章不是产品发布，而是一篇评论，核心观点是开源模型生态正在自我强化。我会先打个折：正文没披露下载量的绝对基数，200% 的环比增长到底是从 1 万涨到 3 万还是从 100 万涨到 300 万，差别很大，这点先别太激动。但它把开源模型的扩散、微调、再发布串成一个复合增长飞轮，这个框架比单纯报数字更有价值。对做模型选型和成本估算的从业者来说，这个趋势意味着国产开源模型的可用性在快速爬坡，值得关注。
Google DeepMind 发布 Co-Scientist 多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，推出基于 Gemini 的多智能体 AI 系统，可迭代生成、辩论和演化复杂科学问题的新假设。
推荐理由：原文披露了多智能体系统的三阶段协作机制与多个实验室的落地案例，可了解 AI 参与科学假设生成的具体路径。
上海 AI 实验室发现：有监督微调能跨领域泛化，但得满足三个条件
上海 AI 实验室、上海交大和中科大的团队拿 Qwen3-14B-Base 做长思维链的监督微调实验，发现模型在训练 8 轮后，跨领域的表现会先跌后涨，最终超过原始水平。他们总结出泛化要成立的三个条件：一是得把模型训得足够深，不能浅尝辄止；二是训练数据的质量和结构要过关；三是基座模型本身的能力得够强。正文没披露具体用了什么数据集，也没给出跨领域任务的具...
推荐理由：这篇论文的卖点很清晰：SFT 不是不能泛化，但得满足优化、数据结构和基模型能力三个条件。我会先打个折，因为目前只是 Reddit 上的一个帖子，没有看到论文全文或代码，没法验证他们说的 8 个 epoch 先降后升是不是稳定复现。不过这个发现对做开源微调的人确实有用，尤其是用 Qwen3-14B 这类模型时，怎么配长思维链数据、训多久，这篇至少给了一个可参考的曲线。HKR 三项都过得比较轻松，但因为没有独立复现和完整 benchmark，分数就停在 76，不往上拉了。
把 prompt 缓存用到强化学习训练里：长提示短回复场景下，Qwen3.5-4B 训练速度提升 7.5 倍
作者提出在强化学习训练时复用 prompt 缓存，专门针对那种提示很长、模型回复很短的任务。在 Qwen3.5-4B 上跑 16k token 提示、64 token 回复的例子，训练速度直接快了 7.5 倍。另一个 G=8 的例子更直观：1000 token 提示加 100 token 回复，原本要处理 8800 个 token，用这方法后实际只需处...
推荐理由：这是一篇 Reddit 帖子，作者把推理时常用的 prompt caching 思路搬到了 RL 训练里，在长提示短回答的场景下效果明显：Qwen3.5-4B 跑 16k 提示、64 输出 token 的任务，训练速度提了 7.5 倍。核心逻辑是 RL 训练时同一组 prompt 会被反复采样，把重复的 token 缓存起来不重复算，G=8 时实际要处理的 token 数从 8800 掉到 1800。这个数字说明去重效果确实好，但前提是 prompt 够长、回答够短，场景比较挑。正文没给代码或论文链接，也没有独立复现验证，所以分数先打个折，定在 78。
5月10日星期日
图灵奖得主 Sutton 搬出 1967 年的老公式，想让强化学习在流式训练里不再跑偏
Richard Sutton 团队给流式强化学习（就是来一条数据学一次、不存回放池的那种）开了个新方子，叫“意图更新”。核心思路很直白：先定好这次更新想让模型输出变多少，再反推学习率该设多大，用的还是 1967 年 Kalman 滤波里的一个公式。在 MuJoCo 机器人控制任务上，他们用纯流式、batch size 为 1 的训练方式，让 Inten...
推荐理由：我会先打个折：这篇是研究发布，不是产品级大新闻，所以分数不会冲太高。但 Sutton 的署名加上 Intentional Updates 在极端在线条件下的实验结果，确实给流式 RL 提供了一个很省算力的新思路。1/140 的 FLOPs 对比很直观，batch=1、无回放这些条件也贴近真实部署，对 RL 圈子来说信息量够硬。整体判断是强研究信号，但市场影响力有限，放在 78–84 这个区间合理。
大模型预测太短视？Next-ToBE 让模型多看几步，ICLR 2026 新方法在 36 项测试里赢了 35 次
华东师大和复旦的研究者发现，现在大模型训练时只盯着“下一个词”来猜，容易让模型变得自信但目光短浅。他们提出 Next-ToBE，训练时给模型一个“软目标”，让它同时参考未来几个词的信息，但推理时不用改，还是正常的逐词生成。在 Qwen2.5-Math-1.5B、Qwen2.5-Math-7B 和 Llama3.1-8B-Instruct 上跑了 36 ...
推荐理由：这篇论文的卖点很清晰：不碰模型结构，只把训练时“猜下一个词”的目标换成“看未来一小段窗口的软目标”，就在36组实验里赢了35组。我会先打个折——正文没披露用了多大的模型、什么规模的数据，也没给复现细节或生产环境的验证，所以目前只能当学术信号看。如果是真的，这种改目标不改架构的思路确实省钱，但别急着把它当成下一个训练范式。
5月9日星期六
英伟达、AMD、英特尔罕见联手，给 RadixArk 投了 1 亿美元种子轮
RadixArk 在 5 月 5 号宣布拿了 1 亿美元种子轮，投后估值 4 亿美元。领投的是 Accel，Spark Capital 跟投，更少见的是英伟达、AMD、英特尔这三家芯片厂同时出现在投资人名单里，联发科和 Databricks 也参与了。正文因为微信环境验证没抓到具体内容，没法展开说他们到底做什么、钱怎么花，但光看这个阵容，大概率是跟 A...
推荐理由：这条消息的硬核在于钱和站队：1亿美元种子轮、4亿美元投后估值，英伟达、AMD、英特尔三家芯片厂同时出现在投资人名单里，这在AI基础设施赛道不常见。我会先打个折——正文没披露产品性能基准、客户验证或开源项目的实际采用数据，所以目前只能当一笔高关注度的融资来看。对从业者来说，看点不是金额本身，而是三家互相竞争的芯片厂为什么愿意一起押注推理优化，这背后可能指向算力成本、模型部署效率的痛点。信息缺口也很明显：没写团队背景、技术路线和落地案例，后续如果有产品实测或客户名单，价值会更高。
5月8日星期五
SGLang 团队拿了 1 亿美元种子轮，成立新公司 RadixArk，要做开放的 AI 基础设施
SGLang 的团队新成立了一家公司叫 RadixArk，5 月 5 号宣布完成 1 亿美元种子轮融资，投后估值 4 亿美元。SGLang 是一个开源的模型推理框架，目前在 GitHub 上有超过 2.7 万颗星，部署的 GPU 超过 40 万张。不过，这篇微信文章因为环境异常被屏蔽了，正文内容没拿到，所以具体的产品方向、团队背景和这笔钱怎么花，暂时都...
推荐理由：这条消息的看点在于钱和团队背景。1 亿美元种子轮在 AI infra 领域不多见，而且 SGLang 本身有 2.7 万星和 40 万张 GPU 的部署量，不是凭空画饼。不过正文对 RadixArk 具体要做什么产品、跟现有 SGLang 项目怎么分工，讲得比较模糊，更像融资公告加路线图预告。我会先打个折，把它放在 featured 里但不到更高档，因为目前还缺产品细节和客户验证。
美国研究员 36 小时跑遍中国 AI 圈：字节让所有实验室紧张，DeepSeek 被所有人夸
Ai2 研究员 Nathan Lambert 在 36 小时内密集拜访了智谱、月之暗面、清华、美团、小米和零一万物。他观察到中国 AI 实验室普遍紧盯字节跳动的动向，同时对 DeepSeek 的技术实力和开源做法表示尊重。学生深度参与核心工作、开源习惯以及技术栈的自主掌控，是中美 AI 生态的几个明显差异。
推荐理由：这篇不是模型发布或大厂合作，属于一手见闻加行业判断，信息密度高但偏观察性质。我会先打个折，放在featured而不是p1。正文没给出具体数据验证，但研究员身份和走访名单让可信度不低，值得从业者花几分钟读。
5月6日星期三
Claude 团队拿 Qwen 试了一种新训练法，把模型乱说话的比例从 68% 压到 5%
Anthropic 提出在预训练和对齐微调之间加一个叫 MSM 的训练阶段。他们在 Qwen2.5-32B 和 Qwen3-32B 上做了测试，模型乱说话的比例分别从 68% 和 54% 降到了 5% 和 7%。核心点是 MSM 是补强对齐微调，而不是替代它。
推荐理由：我会先打个折：这不是新模型发布，而是训练方法研究，所以 82 分刚好。Anthropic 用 Qwen 做实验，把 MSM 放在预训练后、对齐微调前，相当于在模型学完通用知识之后、正式教它守规矩之前，先塞一批规范文档让它读。Qwen2.5-32B 的失准率从 68% 掉到 5%，Qwen3-32B 从 54% 掉到 7%，数字说明效果明显。真正值得盯的是 MSM 和 AFT 互补，不是替代关系——这点先别太激动，正文没披露更多消融实验细节。整体是扎实的安全研究，对做对齐的从业者有参考价值。
五大出版集团起诉 Meta 和扎克伯格，指控其大规模侵犯版权用于训练 Llama 模型
五家主要出版集团把 Meta 和扎克伯格告了，理由是 Meta 在训练 Llama 系列模型时，未经授权就用了他们受版权保护的作品。目前这篇 FT 报道正文被付费墙挡住，只显示了标题和摘要片段，所以具体涉及多少本书、索赔金额、在哪个法院起诉、以及 Meta 到底是通过什么方式把这些书喂给模型的，这些关键信息正文都没披露。
推荐理由：这条消息我会先打个折——正文只是 RSS 摘要，没披露涉案作品数量、索赔金额、具体法院和训练数据怎么被抓包的机制，信息缺口不小。但五家出版集团联手告 Meta 和 Zuckerberg，矛头直指 Llama 的训练语料，这事本身够硬。对做模型的人来说，训练数据到底能不能用、用了要付多少钱、会不会被告，是每天都在算的账。这点先别太激动，等起诉书细节出来再看授权边界怎么划，但眼下值得放进必读。
5月3日星期日
Reddit 网友用纯 C++17 手搓了一个 83 万参数的 Transformer，不用 PyTorch 也不用 BLAS，单核 CPU 训练 76 分钟
一个叫 Suspicious_Gap1121 的 Reddit 用户放出了 Quadtrix.cpp，一个用 C++17 从零写的 GPT 风格模型，总共 83 万参数。模型结构是 4 层、4 个注意力头、宽度 200 维，一次能看 128 个字符的上下文。他在单核 CPU 上拿 3140 万个字符训练了 76.2 分钟，验证损失降到 1.6371 n...
推荐理由：我会先打个折：这就是个个人练手项目，0.83M 参数离实用还远，别拿它跟正经模型比性能。但它的看点不在规模，而在把整个训练管线——LayerNorm、attention、Q/K/V、dropout、AdamW——全部手写反传，不用自动微分，不用 BLAS 加速，单核 CPU 跑通。正文没披露生成效果，也没给权重文件，所以只能当教学级实现来看。对 AI 从业者来说，这东西像一份可运行的底层教案，把平时被框架藏起来的细节全摊开了。
5月2日星期六
马斯克告奥特曼第一周：马斯克承认 xAI 蒸馏了 OpenAI 的模型
马斯克在法庭上说自己当年被忽悠了，给 OpenAI 捐了 3800 万美元，结果现在变成一家估值 8000 亿美元的公司。他要求法院把奥特曼和布罗克曼踢出管理层，并撤销 OpenAI 的营利性重组。最劲爆的细节是，马斯克当庭承认自己的 AI 公司 xAI 会拿 OpenAI 的模型来训练自家聊天机器人 Grok——也就是用大模型的输出当教材去教小模型，...
推荐理由：我会先打个折：审判才第一周，还没有判决，所以别当定论看。但信息量已经不小。马斯克说自己被忽悠了，投了 3800 万美元，现在要求法院把 Sam Altman 和 Greg Brockman 踢出局，还要撤销 OpenAI 营利子公司的重组。真正让从业者耳朵竖起来的是 xAI 当庭承认“部分”蒸馏了 OpenAI 的模型——用大模型的输出训练自己的小模型。OpenAI 之前因为类似操作指控过 DeepSeek，现在轮到自家投资人旗下的公司做同样的事，这就把蒸馏到底算不算抄袭、边界在哪的问题直接摆上台面了。正文没披露蒸馏的具体比例和用在哪些模型上，这点...
5月1日星期五
强化学习在 LLM 推理训练里的算法演变：从 PPO 到 MaxRL
这篇文章梳理了 2024 到 2026 年，让大模型学会推理的强化学习算法是怎么一步步改的。起点是 PPO，它需要同时跑一个策略模型和一个价值模型，训练成本高。后来的 GRPO、RLOO 这些变体，核心思路是砍掉价值模型，靠同一道题生成多个答案互相比较来算优势，省了显存和算力。再往后，DAPO、CISPO、MaxRL 等新方法在 GRPO 的基础上修修...
推荐理由：这篇不是新模型发布，而是一篇技术梳理，把2024到2026年推理RL算法的关键机制差异讲得很透。我会先打个折：它没有新实验数据，纯靠已有论文做对比，但胜在把PPO到MaxRL的取舍逻辑串起来了，对正在选RL路线的团队有实际参考价值。
马斯克在法庭上承认 xAI 用 OpenAI 的模型训练了 Grok
马斯克在加州联邦法院作证时，承认 xAI“部分”使用了 OpenAI 的模型来改进自家聊天机器人 Grok。用的方法是模型蒸馏，也就是让一个更聪明的大模型当老师，把知识“教”给一个更小、更省钱的模型。不过报道没说他具体用了 OpenAI 的哪个模型、喂了多少数据、跑了多少次训练。这点先别太激动，正文没披露细节，没法判断这到底是一次常规操作还是越界行为。
推荐理由：HKR 三项全中：马斯克法庭自曝用 OpenAI 模型训 Grok，机制是蒸馏，但模型名、规模、轮次都缺，信息有硬缺口，所以重要性停在 84 而不是更高。
马斯克在法庭上承认 xAI 用 OpenAI 模型训练了 Grok
马斯克在加州联邦法院作证时，被问到 xAI 是否用 OpenAI 的模型来训练 Grok，他回答“部分是”。这种技术叫“蒸馏”，就是拿大模型的对话结果当教材去教小模型。正文没披露具体用了哪些模型、蒸馏了多少数据、以及这种做法对 Grok 性能的实际影响。
推荐理由：我会先打个折：正文只给了“蒸馏”这个关键词，没展开训练规模、模型版本和诉讼背景，所以信息缺口不小。但 Musk 的证词本身就是一个新信号，把 xAI、Grok 和 OpenAI 的蒸馏嫌疑绑在了一起。对从业者来说，重点不是八卦，而是蒸馏证据链会不会被法庭或社区进一步扒出来——如果是真的挺省钱，但合规风险也摆在那。这点先别太激动，等更多细节浮出来再调判断。
4月30日星期四
Goodfire 发布 Silico，一个能让你像调试代码一样调试大模型内部参数的工具
Goodfire 推出了一款叫 Silico 的工具，让工程师可以在训练过程中直接查看和调整模型的参数，也就是决定模型行为的那些“旋钮”。它能把模型里的神经元和通路画成地图，比如他们在 Qwen 3 里发现一个神经元，激活后模型回答会变成电车难题式的道德困境。Silico 用智能体自动完成了大量原本需要人工做的可解释性工作，目标是让模型开发少点炼丹味，...
推荐理由：HKR 三项都成立：Silico 给出了一个可操作的机械可解释性调试手段。分数停在 76，因为目前只是一家创业公司的产品预览，正文没披露定价，也没有任何实际部署规模或客户数量的数据，所以我会先打个折，不往更高里推。