Handshake AI:前沿实验室数据采购与强化学习环境深度解析
Handshake AI 训练业务收入一年内达 10 亿美元年化总额,Garrett Lord 团队展示前沿实验室如何采购数据并构建强化学习环境。 节目演示了金融、生物、编码及对齐四大场景下的 Agent 任务,包括银行邮件处理、脑组织图像识别及文件访问审计,并引入 VIALS 与 ATLAS-Finance 基准测试模型在专业领域的能力短板。
Handshake AI 训练业务收入一年内达 10 亿美元年化总额,Garrett Lord 团队展示前沿实验室如何采购数据并构建强化学习环境。 节目演示了金融、生物、编码及对齐四大场景下的 Agent 任务,包括银行邮件处理、脑组织图像识别及文件访问审计,并引入 VIALS 与 ATLAS-Finance 基准测试模型在专业领域的能力短板。
腾讯首席 AI 科学家姚顺雨指出,AI 即将具备开发生物武器能力,纯开源或闭源模型均无法单独解决安全难题。他主张混合模式,并援引 Hugging Face 事件中 GLM-5.2 被用于日志解析为例,说明开放模型的实用价值。
Elith 与 NVIDIA 联合发布 Nemotron-Personas-Finance-Japan 数据集,这是首个基于日本官方统计的大规模开源金融合成数据。
Physical Superintelligence 使用 Anthropic 模型证明了 Aaronson-Ambainis 猜想,系统运行第三天即生成被 Lean 接受的完整证明。
尽管有 Workings 等工具通过追踪写作过程来为作家提供版权保护,但这类“书面记录”工具并非万能。 Pangram 等 AI 检测工具存在误报风险,且作家可通过手打 AI 文本等方式绕过追踪;作者公会认为强制作家自证清白是负担,且 AI 生成内容在出版界远比想象中罕见。
挪威政府宣布限制数据中心快速扩张,国家电网运营商Statnett暂停为新建项目预留电网接入容量。 Statnett今年收到2.6万兆瓦新增用电申请,其中数据中心占75%,规模超现有发电能力。政府将建立许可制度,优先支持国防、医疗等关键领域,并限制云计算及加密货币企业获取土地电力。
层级贝叶斯轨迹主流形采样方法 HB-TPM 通过从有序源任务学习平滑曲线族,适应稀疏目标的重建与采样。在 30 个保留向量任务中,HB-TPM 相比源适应 VAE 将平均切片 Wasserstein 距离降低 21.0% 至 41.8%。
针对离散扩散模型采样奖励倾斜分布时序贯蒙特卡洛推理计算成本高的问题,提出对比分布匹配(CDM)框架。 CDM 通过正负样本学习参数化扭转函数,利用离散扩散模型的闭式正向核重构梯度估计器。 评估学习到的扭转函数的计算开销比基础模型单次前向传播增加不足 5%,在等耗时下性能优于现有基线。
CompleteRXN 提出大规模反应补全基准,针对 USPTO 数据集缺失副产物、共反应物等问题,通过映射至机理反应构建对齐且原子平衡的困难数据。 评估中,Constrained Reaction Balancer (CRB) 表现优于 SynRBL,在随机划分达到 99.28% 等价准确率,极端分布外划分达 91.71%。
V-STORM 将视频转化为 Spatio-Temporal Scene Graphs 并推导 Grounded Chain of Thought,构建了 260K 训练集和 3K 人工验证 benchmark。
研究揭示了 Transformer 在离散马尔可夫链任务中的上下文学习机制,发现其通过多层子电路实现四种算法阶段,分别对应记忆与泛化能力及 1 点与 2 点统计量的使用。
ToolDex 发布,这是一个大规模 Ego-Exo 人类演示数据集,旨在支持创意物理工具使用。 数据集通过同步第一视角相机与八个多视角相机捕获高保真多视角观察,并为手、工具及目标物体提供丰富标注。 它确立了涵盖物理工具使用推理、稀疏视角重建及机器人策略学习的基准测试套件。
FoundaRF 框架结合自监督编码器与物理感知解码器,实现射频无源组件的少样本迁移。 实验显示其预测误差比基线降低 3.3 倍,标注数据需求减少 4 倍,显著缩短设计周期。 该方案被发表于 2026 年 ICCAD 会议,为射频设计提供了可扩展的自动化路径。
针对测试时强化学习(TTRL)中多数投票伪标签可靠性不足的问题,研究者提出 Prompt-Conditional Distributionally Robust DPO(Prompt-Conditional DRO-DPO)。
研究者发布 SPDMX,这是基于公有领域 PDMX 乐谱渲染的开源分轨语料库。该数据集包含 253,982 首歌曲、490,159 个单声道分轨及 5,469 个歌曲小时,采样率为 44.1 kHz,采用 CC BY 4.0 许可。
提出梯度调制Adam(GMAdam),利用任务特定的二阶矩估计调节梯度,在预测精度上优于AdaTask且计算成本相当。 基于慢流形分析发现Adam任务贡献重分配受曲率对齐差异与预处理梯度分布影响,该机制揭示了优化动力学。 在高频Poisson、Allen-Cahn方程及Re=100,400的顶盖驱动腔流中验证了方法的有效性。
自适应调度流水线(ASP)作为离线 rollout 调度器,通过单次预处理将端到端吞吐量提升 3.22 倍,迭代时间最多降低 76.8%。 相比 MindSpeed-RL 和 verl,ASP 更有效地克服了单实例推理的早期扩展瓶颈,并在有界策略滞后下保持收敛无退化。 该调度器已在电信领域 RL 后训练工作流中应用,将训练周期从 3 个月以上缩短至约 2 个月。
ENGRAM框架将训练准入与记忆释放分离,通过验证智能体经验来优化模型权重,从而降低外部检索依赖。 该方法利用演示感知门控和验证门控,在保留基准测试中表现优于固定权重控制组,并显著减少可检索足迹及输入token消耗。
PHISHREV+框架提出后置可废止机器学习方法,用于改进钓鱼网站检测。该框架利用回答集编程(ASP)的非单调推理层,修订SVM、KNN、DT和RF分类器的初始预测,通过四条可废止规则在保持假阴性持平的同时降低假阳性(如SVM从41降至39)。系统提供基于XASP的实例级可解释性,生成形式化推导图以展示规则触发原因。
提出一种针对概率测度优化的固定点加速方法,利用 Riemannian Anderson mixing 避免计算 Hessian 矩阵。 该方法通过近似二阶信息加速迭代,在多模态采样、生成建模等任务中减少了自然梯度迭代次数。
论文提出 e-means 算法,采用指数移动平均优化 k-means 小批量更新。该算法在 1.4 至 2.6 个 epoch 内达到 Lloyd k-means 25 个 epoch 的损失水平,实现 10-45 倍 GPU 加速。 示例显示 e-means 仅需 2.5 个 epoch 即可将 100 亿个 DINO embedding 划分为 1600 万个簇。
研究在 22 个 TDC ADMET 数据集上对比了 11 种校准不确定性量化流水线,旨在评估基准的可分辨性。 采用嵌套五折交叉验证,MC dropout 平均排名最佳,但 TDC 性能上未显著优于其他集成方法,LightGBM 在部分指标未落选。 小型评估易得出不同结论,需通过多化学分割的统计检验校验比较声明。
针对非IID数据下联邦学习通信开销问题,论文评估了Power-of-Choice、Fisher information和Centered Kernel Alignment三种客户端选择策略。
该综述系统阐述如何借用统计物理语言,如平均场、相变和自由能景观,解释深度网络在高维非线性系统中的学习与泛化机制。 文中梳理了宽网络的平均场分析、损失几何视角、基于随机梯度的动态过程,以及将过参数化和表征变化归纳为相类比的近期进展。 作者将这些分散的线索整合成统一的物理框架,旨在厘清各类近似适用边界,并解释确定性优化与随机优化之间的关联。 ```
COMBIO 管线将机器学习模型蒸馏为闭式复合生物标志物,由五项实验室测量值以 -2 至 2 的整数幂相乘构成。 Shapley 值辅助筛选候选项,跨六项任务评估中 AUC 与逻辑回归差异不超过 0.03,医院死亡率外部验证 AUC 达 0.698。 该表示法侧重紧凑性而非精度提升,临床使用前需进行本地验证与校准。
视觉语言模型少样本适配面临梯度估计噪声大的问题,SignSparseSGD 和 DynSignSparseSGD 通过仅保留少数梯度符号进行更新,无需优化器状态。 在 11 个数据集、3 种 CLIP 主干和 5 种 shot 水平上,这两种优化器表现优于或持平现有基线,且对长训练周期不敏感。 方法具有强通用性,无需任务特定模块,单一配置即可跨场景适用,代码将随论文发布。
该研究提出了 SZO-κ 方法族,通过推导来自前向传播激活几何的零阶搜索方向,替代了传统的盲随机噪声。 SZO-κ 的方向在显式随机假设下解决了基于局部响应的梯度猜测目标,探索了更可能产生信息性损失响应的特征支持方向。 实验在多层和卷积神经网络中分析了该方法与标准扰动基准及反向传播相比的梯度对齐、偏差-方差结构和训练稳定性。
研究提出针对 VLM 蒸馏的 Hide to See 框架,通过掩码技术解决长思维链中的视觉遗忘问题。 该框架包含 token 级显著前缀掩码和自适应性掩码预算调度策略,实验结果显示其在多模态推理基准测试中优于近期开源 VLM 及自蒸馏方法,有效增强了视觉信息利用率。
研究引入 Negation Neglect 现象,指出在标记为虚假的文档上微调 LLM 会使其相信该虚假声明为真。实验显示 Qwen3.5-397B-A17B 的平均信念率从 2.5% 激增至 88.6%,且该偏差延伸至虚构标签和恶意行为模仿。
推荐理由:揭示了模型微调中否定信息失效的系统性偏差,并展示其对恶意行为仿真的安全隐患。
研究表明,通过放大模型规模(upscaling)比标准继续预训练更高效地适应该语言,尤其能缓解容量限制,显著提升资源较丰富语言的目标性能。 对于低资源语言,在英语基础上先进行初步放大步骤有益;而在高资源场景下,直接在目标语言上进行放大计算效率更高,但可能牺牲数据效率。 该文发表于 Findings of AACL-IJCNLP 2026,系统验证了不同放大策略在多语言场景下的效率与性能权衡。
ResQAdam 提出残差保持自适应优化,将 QAT 优化器状态内存降低 71% 至 74%,训练吞吐量损失低于 2%。 该方法保留单 BF16 动量,对主子空间应用 Adam,并对残差执行归一化符号更新。 ResQAdam 支持 2 位权重量化,在多种 QAT 方法中表现接近 AdamW。
视觉语言模型中存在“潜意识学习”,教师模型的隐藏偏好可通过无关任务数据传递给学生模型。在 2B 至 7B 参数的模型中,学生模型在无关任务上的偏好转移最高达 10 个百分点,且随训练数据增多而增强。
该方法在图文指令、文本推理等任务上显著超越随机选择与全量数据训练,有效降低大语言模型及多模态大模型微调中的算力与存储成本。 论文已发布,代码将在论文被接收后公开。
研究提出RuACT框架,将非活跃评分标准转化为自适应教师或批评者,解决RL中评分标准失效问题。 在Qwen3-4B医疗训练中,非活跃观测占比60.88%;引入框架后,不可达评分标准的无引导恢复率从35.02%提升至42.86%。 代码已开源,该框架在医疗与科学基准测试中全面超越GRPO等基线方法。
递归自训练使英语 GPT-2 词汇量减少但常用虚词主导性降低。在 9 代训练中,随着采样温度升高,最小熵、碰撞熵、Shannon 熵和观察丰富度依次发生从损耗到增益的交叉。第 9 代词汇类型减少 24%,但碰撞熵高出 0.91 bits。研究建议在固定预算下报告熵轮廓及独立质量指标。
OpenAI 在 2026 年 5 月证伪单位距离猜想,9 月宣称解决 Navier-Stokes 整体正则性问题,10 月发布包含近 800 个新颖数学结果的 GitHub 仓库。作者基于这些事件指出 2026 年是数学的“奇迹年”,并探讨如何将 AI 生成的数学突破转化为研究数据集。
推荐理由:作者将2026年数学界连续被AI解决经典难题的事件定义为数据集构建窗口,为理解AI与纯数学的交互提供独特视角。
Mercatus Center 研究指出,2024 年 Q1 至 2026 年 Q1,AI 相关行业无雇员创业申请从 22.2 万增至 28.1 万,上升 26.8%。 同期有雇员标志的申请下降 6.4%;AWS 研究显示,79% 单人创业者在招聘前使用 AI,AI 原生创业公司平均营收增长 156%。
MIT CSAIL 提出 Weight-Space Programming,让 GPT-6 Astra 修改 Qwen3.5-0.8B 约 0.016% 权重,宣称将 MATH-500 成绩从 7.9% 提至 48.1%。无涯智远团队用超网络工具开展对照实验,发现关闭思考模式即可获得 48.95% 相近表现,且 Astra 在知识、风格与技能任务上无法稳定内化新信息。
推荐理由:文章用对照实验拆解了权重编辑在知识、风格和技能内化上的局限,读者可据此判断其能否替代专门训练的超网络作为模型持续学习的手段。
中国 AI 模型凭借低成本优势成为行业常态,竞争焦点已从单纯降价转向同价位性能提升甚至进一步降本。DeepSeek V4.1 Flash 与腾讯新发布的 Hy4 展示了该领域的快速演进,腾讯近期更通过 WorkBuddy 向用户提供 Hy4 的免费访问权限。 若此趋势持续,高端 AI 模型定价模式及免费访问作为获客标准手段的行业格局将面临重构。
富士胶片宣布投资约 100 亿日元扩建 LTO 磁带产能,旨在满足生成式 AI 带来的海量数据归档需求。 新代 LTO-10 磁带单盒原始容量达 40TB,理论压缩容量最高 100TB。在保存 100PB 数据且周期为十年的条件下,磁带方案相比机械硬盘可大幅降低总体拥有成本。 AI 驱动下冷数据激增,使传统磁带技术因成本与能耗优势重获市场关注。