OpenTSLM 时序大模型上线 SageMaker JumpStart 并附部署微调教程
Aionic Labs 的开源时序语言模型 OpenTSLM 现已在 Amazon SageMaker JumpStart 上开放部署。本文结合 Nexthink 的 IT 运维场景,演示了如何利用该模型分析设备遥测数据以提供主动式支持。
Aionic Labs 的开源时序语言模型 OpenTSLM 现已在 Amazon SageMaker JumpStart 上开放部署。本文结合 Nexthink 的 IT 运维场景,演示了如何利用该模型分析设备遥测数据以提供主动式支持。
AWS 发布面向 WhatsApp 渠道的开源工具包 SMART,帮助开发者基于 Amazon Bedrock AgentCore 构建生产级 AI 智能体。该工具包提供 Python SDK 与 Terraform 架构,处理消息解析、多模态媒体处理、持久化记忆和模板合规等底层任务,开发者仅需编写智能体核心逻辑与业务规则即可通过单条命令部署。
GPT-6.2 Sol 和 Astra 正式发布,Sol 的 ultrafast 模式扩展至 Pro 200 计划,是作者日常使用的首选模型。
同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 和 Sol 模型》
OpenAI 推出 Astra for Law,其在涵盖 24 个法律领域的发布评估中排名首位。 所有 ChatGPT Enterprise 客户现可申请访问该服务。
OpenAI 发布 GPT-6.2 Astra 和 Sol 模型,重点提升了专业输出、编码和计算机使用能力。新模型在 ChatGPT Work、Codex 和 API 中提供更高效率并降低使用成本。
LoanPro 与 AWS 合作,基于 Amazon Bedrock AgentCore 构建多智能体贷款服务助理,客户通话时间最多减少 15%。 系统运行 Claude Sonnet 5.5、Claude Haiku 5.5 及 Claude Opus 5.5 模型,采用 Strands Agents SDK 并集成 MCP 服务器。
AWS Quick 作为专为工作打造的 AI 工作区,依托 AWS 企业安全构建,支持仪表盘、智能体及自动化流程在团队内共享。 该工具连接日常数据应用,支持租户级数据隔离、基于角色的访问控制及审计框架。Allianz 等客户将在 2026 年 11 月 30 日至 12 月 4 日的活动中演示部署经验。
Microsoft Research 专家在《The Shape of Things to Come》播客中探讨 AI 对医学未来的影响。 对话聚焦 AI 辅助诊断、医学影像、虚拟细胞及生物基础模型在科学发现中的作用。 他们分析了研究转化为临床应用的挑战,强调高质量生物数据与真实世界验证的必要性。
AWS 面向智能体 AI 平台提出三阶段责任 AI 成熟度框架,依次为治理基础、试点部署、评估与加固,帮助平台团队与业务团队在 12 周时间内落地负责任 AI 实践。
NVIDIA高管Ian Buck在SC26大会上宣布推出Nemotron for Science、Rubin HPC GPU和Vera CPU平台,并公布了与IBM及费米国家加速器实验室在量子计算领域的合作。
推荐理由:在SC26大会上,NVIDIA展示了面向科学研究的AI智能体工具与Rubin HPC GPU,读者可据此了解前沿计算与模拟领域的最新能力。
summary_zh: ArisGlobal 通过调整 Amazon Bedrock 提示缓存策略,将 6 个月内 150% 的前缀增长转化为成本控制优势,使单次推理成本增加控制在 200% 以内。
美团技术团队发布商家AI助手评测实践,针对KA巡检任务构建41个评测场景,设计确定性Grader与LLM Rubric协同判定。 评测器通过校准集及DAG规则修正假阴性,定位配置混杂、路由不唯一等根因。 优化使Agent能力上限与效率提升,瓶颈由“不会做”转为“不能稳定做对”。
论文通过归纳法证明了 DAG ReLU 网络 pathlifting 雅可比矩阵的秩,并提供了无需反向传播即可计算该矩阵的方法。 该方法利用编码网络路径的稀疏骨架矩阵,将隐层神经元表示转化为输出节点,从而在实验中量化了相较于传统方法的计算增益。
提出FDIR框架,在LIVE1和DIV2K数据集上,其PSNR超过最强感知基线1.3至2.1dB。 采用两阶段设计,利用LoRA微调潜在流模型生成结构先验,并预测像素残差以增强细节。 作为唯一方法,FDIR在保真度、人类感知及机器偏好三项指标中均保持前二平均排名。
Deep Adaptive Bayesian Screening (DABS) 是一种在紧预算下进行离散空间自适应因子筛选的方法,其性能匹配或超越最强非自适应贝叶斯基线。 该方法离线训练策略网络以摊销贝叶斯最优实验设计,并通过尖钉和板先验处理稀疏性与交互作用,最终发表于 2026 年 11 月的 TMLR 期刊。
该研究提出无学习率的组条件在线共形预测(G-OCP)算法,在较弱的假设下提供强组覆盖率保证。 实证结果显示,该方法能提供组覆盖,其区间长度与标准方法具有竞争力,且比固定学习率方法更有效地应对数据流变化。
研究者提出 Q-Learner 算法,将二元结果下的比率型条件平均处理效应(CATE)估计简化为两个倾向性分类任务。 在合成与真实随机数据基准测试中,仅对 Q-Learner 的 log-loss 进行标准超参数调优,即可比 S-Learner 更可靠地获取效应排名、水平及分布。 该特性使其特别适用于工业界实践,当倾向性已知时,仅需基于转化者训练单个分类器即可加速开发流程。
论文提出对抗性注水(AWF)问题,用于多运营商低轨卫星频谱共享中的非凸功率分配。 开发了一个包含置换不变通道表示和约束感知图神经网络(GNN)的无线基础模型。 该模型在未见过的实例上展示了泛化能力,速度较 Mirror-Prox 快一个数量级以上。
summary_zh: 提出RWOPD方法,利用SymbiYosys+Z3属性等价检查器对Qwen2.5-Coder-7B-Instruct学生模型进行奖励加权在线蒸馏,提升自然语言到SystemVerilog断言(SVA)生成的准确性。
VoxSafeBench 发布,联合评估语音语言模型(SLM)在安全、公平和隐私三个维度的社会对齐。 该基准采用两层设计,Tier 1 评估内容中心风险,Tier 2 评估音频条件风险,包含22个双语任务。 研究发现,前沿 SLM 能检测声学线索但常无法据此适当行动,揭示了普遍的语音接地差距,代码和数据已公开。
研究提出 QiMeng-PRepair 框架,通过 Edit-Aware Reward Optimization 缓解 LLM 代码修复中的过度编辑问题。该框架包含 Self-Breaking 和 Self-Repairing 组件,利用 EA-GRPO 训练模型进行最小且正确的编辑。
论文提出 LatentUM 模型,在共享语义潜空间表示所有模态,消除像素空间中介,实现灵活的交错跨模态推理与生成。 该模型在 Visual Spatial Planning benchmark 上取得 SOTA 性能,并通过自反思提升视觉生成、预测未来视觉状态,展示了世界建模能力。 代码和模型已在官方链接公开,该工作入选 NeurIPS 2026 Oral。
研究指出基于准确率的薪酬方案在AI精度提升时面临激励坍缩,即维持人力投入需无限成本。 研究者提出哨兵审计支付机制,可独立于AI精度以有限成本确保人力投入;结合该机制的主动统计推断框架在实验中优化了成本与误差的权衡。
该论文提出了一个用于因果推断的广义贝叶斯框架,直接对因果效应施加先验分布。通过利用基于识别的损失函数更新先验,该框架使现有的基于损失的因果估计器具备完整的不确定性量化能力。 在Neyman正交损失下,该广义后验分布收敛至其 oracle 对应物,并对第一阶段辅助估计误差保持鲁棒性。 这是首个为因果机器学习构建灵活广义贝叶斯后验的框架,该论文已被 NeurIPS 2026 接收。
研究建立离散时间算法与 O(s^r)-分辨率 ODE 间的稳定性联系,证明当单步误差相对均衡距离和 Lyapunov 衰减较小时,指数稳定性可转移。 该结果适用于 TT-GDA、广义外梯度及正则化阻尼牛顿等算法,显示小步长下非 TT-GDA 的鞍点具有局部指数稳定性。 框架为退化鞍点提供渐近稳定性及收敛速率,并确立可检查的相容性条件。
SInMT框架通过多任务学习和梯度反转层建模或移除说话人身份,在语音欺骗检测中将平均EER降低17%,针对A11等攻击最高降低48%。 该模型在四个数据集上评估,证明独立于说话人身份的嵌入假设有待验证。 方法验证了说话人信息对欺骗检测系统的影响。
NestRL 提出了一种嵌套训练机制,将人类-AI 协作建模为交互式部分可观测马尔可夫决策过程,通过在每一层级与下一层级的适应性智能体共同训练,避免了标准多智能体训练中不透明协作策略的产生。 该方法在 Overcooked 环境中进行验证,相较于现有基准,NestRL 在应对未知适应性智能体和真实人类队友时均展现出更高的任务表现及更强的交互适应性。
研究提出混合量子近端策略优化(Q-PPO)框架,用于堆叠智能超表面(SIM)辅助的安全通信。该框架通过嵌入参数化量子电路的演员网络,联合优化发射功率分配与SIM相位偏移,以最大化平均保密速率。 仿真表明,在不完全窃听信道状态信息下,Q-PPO方案比深度强化学习基线高出约15%的保密速率,且收敛速度快30%。该框架被确立为SIM启用安全无线网络中强大的优化范式。
提出一种变分生成方法,用于在数字化画作中自动检测裂纹(craquelure),以评估退化并指导修复。 方法将图像分解为无裂纹画作和裂纹组件,结合深度生成先验与 Mumford-Shah 型变分泛函,通过联合优化获得像素级裂纹定位图。 该方法解决了裂纹与笔触等艺术特征视觉相似导致的检测难点,支持非侵入性艺术作品分析与保护。
研究团队发布 Better Call Graphs(BCG),这是一个从近期 Android 应用中提取的大规模且唯一的函数调用图数据集。 BCG 包含正常和恶意样本,涵盖不同家族类型,并附带图级特征,旨在解决现有数据集过时且存在重复重打包导致过拟合的问题。 该数据集已在 IEEE BigData 2026 会议接受并公开可用,为基于图的恶意软件分类方法提供了可靠的评估基础。
提出基于物理信息神经网络(PINNs)神经切核(NTK)的加权自适应方法,解决平流-扩散方程在稀疏测量下的源与参数联合反演问题。 该方法将底层偏微分方程作为约束耦合未知量,提升有限测量信息的利用效率,并推导了已知速度与扩散系数下源函数近似误差的理论界限。 数值实验验证了该方法在二维和三维场景中对测量噪声的鲁棒性,证实了PINNs在此类逆问题中的有效性能。
论文引入邻近遗憾(proximal regret)及邻近相关均衡(PCE),指出经典在线梯度下降算法在未修改情况下即可实现 $O(\sqrt{T})$ 的邻近遗憾最优界。
研究者提出 PrefCVAE 框架,利用弱标记偏好对增强 CVAE 模型,赋予潜变量语义属性。 该方法以平均速度为属性示例,实现可控且语义明确的可控轨迹预测,且不降低基准准确率。 研究证明偏好监督是增强基于采样的生成式模型的高性价比方式。
提出DiD-BCF模型,处理DiD中的异质性效应和交错采用问题。 该模型通过结构化的回归森林嵌入条件平行趋势限制,提供ATE、GATE和CATE的统一估计框架。 在美国最低工资政策应用中发现传统方法掩盖的条件处理效应异质性。
LiteLMGuard 是针对小型语言模型量化漏洞的轻量级端侧护栏,部署后对有害提示词防御率超 85%,平均延迟约 135 ms。 模型基于 ELECTRA 构建,具备 97.75% 可回答性分类准确率,支持实时离线过滤且架构无关。 该机制有效防御 Open Knowledge Attacks,提升端侧 SLM 安全性。
ExclaveFL 提出了一种利用 Exclaves(仅完整性执行环境)为联邦学习生成可验证声明的系统,通过细粒度运行时证明确保模型训练符合数据清洗和聚合等要求。
提出结合前景与背景证据指导局部监督的CB-LNL方法,旨在应对噪声标签下的实例分割挑战。 该方法基于COCO和LVIS标注审计,并引入覆盖人类标注及SAM2弱提示掩码的基准测试。 实验显示,相较于直接教师掩码替换,CB-LNL在程序化轮廓噪声训练上性能更优且有害编辑更少。
基于 Qwen3.5-9B 的 Pac-Man 空间智能体通过课程学习将文本迷宫清空率从 0% 提升至 81.25%。 模型适配与 harness 改进使固定地图清空率从 26.6% 升至 96.9%,证实 harness 设计是决定智能体性能的关键因素。
研究者发布 GameReplica 基准,用于评估视觉语言智能体在黑盒条件下复刻网页游戏的能力,该基准包含 125 个实例,覆盖 25 款游戏。 基准要求在容器隔离下通过动作-截图接口交互,并从规则一致性、实现一致性及视觉保真度三个维度进行评分。 实验表明,Claude Opus 4.8 取得 71.6% 的最高综合分,而模型在视觉保真度上得分普遍高于规则一致性。
外部观察者可通过监测 NVIDIA H200 的功耗,无需配合即可识别 AI 工作负载类型。 研究记录了 930 条 10 MHz 功耗轨迹,区分训练与推理的准确率达 97%。 该物理侧信道为 AI 算力验证提供了可落地的国际政策治理切入点。