OpenAI 详述对抗性蒸馏防御与受保护推理防护进展
OpenAI 分享其检测与打击对抗性蒸馏的防御体系,并强化了 GPT‑6.2 Astra 与 GPT‑6.2 Sol 的受保护推理防护,内部自适应黑盒评估中攻击成功率从 GPT‑6 Astra 原有防护下的 54.0% 降至 0.2%。
推荐理由:原文给出了对抗蒸馏的攻击路径与多层防御设计,读者可了解保护推理痕迹为何成为模型安全的关键环节。
OpenAI 分享其检测与打击对抗性蒸馏的防御体系,并强化了 GPT‑6.2 Astra 与 GPT‑6.2 Sol 的受保护推理防护,内部自适应黑盒评估中攻击成功率从 GPT‑6 Astra 原有防护下的 54.0% 降至 0.2%。
推荐理由:原文给出了对抗蒸馏的攻击路径与多层防御设计,读者可了解保护推理痕迹为何成为模型安全的关键环节。
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B,用 Miles 强化学习框架在长程智能体任务上训练,会话最长 1M tokens。
推荐理由:原文给出以 1,200 个任务、18 天、144 张 H200 完成长程智能体强化训练的完整做法,可作类似训练方案的参考。
Amazon SageMaker AI 宣布上线 AI 数据准备功能,覆盖自动标注、人工审核、合成数据生成、数据质量评估和数据转换,已在 US East (N. Virginia) 和 US West (Oregon) 区域正式可用。
推荐理由:原文把每项能力拆成可独立调用的模块并给出组合模式,读者可据此评估它能否接入现有数据工作流。
NVIDIA 的 Ian Buck 在芝加哥 SC26 开幕演讲中发布 Nemotron for Science、Rubin HPC GPU 和扩展的 Vera CPU 平台,并宣布与 IBM、费米实验室共建量子计算协同设计平台。
推荐理由:原文把科学智能体的落地案例与配套硬件、量子进展放在一起,读者可看到仿真、AI 与量子如何叠加。
AI2 联合 Carnegie Mellon、NVIDIA 和 Johns Hopkins 的研究者发布 XYBench 基准,包含 8115 条来自 Stack Overflow、Stack Exchange、WikiHow 等的真实问题,衡量模型能否识别用户请求中的隐含误解并引导其转向真正目标。
推荐理由:该基准提供了一种衡量模型识别用户误解能力的框架,实验显示五个主流模型在误解识别上仍落后于人类参考答案。
AWS SageMaker HyperPod 团队在 PyTorch DDP 训练循环中加入三项检查来捕捉静默数据损坏(SDC):非有限梯度检查、环形重放审计和权重指纹比对,报警后把嫌疑 rank 映射到节点并由 HyperPod 替换。
推荐理由:原文给出了一套可直接落地到 PyTorch DDP 训练循环的 SDC 检测与节点替换流程,并附上注入故障的实测开销和误报数据。
Google DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2,可预测遗传变异对数百种人类细胞类型的影响。模型改为条件化架构,在超过 100 million 个细胞档案、68 种组织上训练,在 TenK10K 数据集上识别出的因果变异数量接近上一代的两倍(30% vs. 16%),还能泛化到未见过的细胞状态而无需重新训练。
推荐理由:原文给出新模型相对上一代的条件化架构改动和近两倍变异识别提升,读者可判断它如何用于定位疾病相关细胞类型。
Google DeepMind 开放两套基础数据集 SatWeave 与 PARDIG,供全球研究者与开发者构建天气、水文和气候应用,二者均为 WeatherNext 3 模型的关键支撑。
推荐理由:原文交代了两个数据集的来源、分辨率与开放方式,读者可据此判断它们能否支撑自己的天气或气候应用。
NVIDIA 在 CoRL 大会发布一系列开源机器人技术,包括 GR00T 2 世界动作模型、Isaac Lab 3.0 仿真框架及 DexBench、VABAR 等工业基准。
推荐理由:原文汇总了 GR00T 2、Isaac Lab 3.0 与新基准的能力数据,读者可比较仿真训练方案在工业场景的落地进展。
Google Research 联合 Beth Israel Deaconess Medical Center 和 Harvard Medical School 在 Nature 发表研究,提出多模态 AI 系统 AI-PPG-ACC-HTN,利用消费级智能手表的 PPG 光学信号与加速度计信号,无需袖带校准即可被动检测高血压迹象。
推荐理由:研究以 24 小时动态血压监测为金标准验证,智能手表筛查准确度可比传统袖带流程,为可穿戴医疗级检测提供方法参考。
OpenAI 宣布将遵守共享 robots.txt 信号,帮助网站运营者向参与的服务商表达其 AI 训练偏好。网站可通过这一统一信号向各参与方传达 AI 训练意愿。
推荐理由:OpenAI 明确将遵守共享 robots.txt 信号,网站运营者可据此向参与方表达 AI 训练偏好。
Amazon SageMaker AI 的 serverless 模型定制推出 training session APIs,把 forward_backward()、optim_step()、sample() 等 GPU 操作封装为 API 调用,模型常驻托管 GPU,服务负责分布式执行、梯度同步、容错与检查点,训练循环由用户在本地 Python 进程中编写。
推荐理由:原文把新 API 与 SageMaker 现有模型定制方案逐项对比,并给出可迁移的 GRPO 训练循环写法,读者可套用自己的奖励函数。
AI2 在 Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型,同时开放全球预计算嵌入(10m 分辨率、64 与 128 维)及浏览器工具 Embeddings Explorer,无需登录或 GPU 即可使用。
推荐理由:原文给出 27 项评测的横向对比、训练成本与开放入口,读者可据此判断卫星嵌入能否替代现有微调流程。
Google DeepMind 联合 Google Research、WRI 和 IIASA 发布 Forest Typology (ForTy) 2020 全球地图,把地球上每个 10×10 米地块划入六类森林或土地类型,并同步公开 2017-2025 年逐年变化的时间序列。
推荐理由:ForTy 把森林细分为六类并追踪逐年变化,让 EUDR 合规和供应链审计有了可直接使用的 10 米级基线数据。
NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真检查点和 Cosmos Data Factory 蓝图,帮助物理 AI 开发者构建、评估和部署世界模型。
推荐理由:原文把数据、训练到部署各环节的工具与落地案例写得较具体,读者可据此评估其中哪些方法能迁移到自己的世界模型开发流程。
NVIDIA 推出预训练关系型基础模型 Kumo Relational,可直接对企业数据库做预测,无需任务特定训练、特征工程或表扁平化。它在 15 个数据库的 41 个任务上超越监督关系深度学习模型和专家构建的梯度提升树流水线,在 SAP SALT 基准上比 AutoGluon 集成的平均倒数排名高 8%。
推荐理由:原文给出 41 个任务上的对比数据,读者可据此判断关系型数据基础模型能否替代现有 XGBoost 流水线。
Hugging Face 推出 SimReady Central,汇集超过 2,000 个仿真就绪的 OpenUSD 资产,为机器人仿真和 AI 工厂数字孪生提供免费开放起点。
推荐理由:原文说明了 SimReady 资产如何补齐碰撞几何、质量与摩擦等物理属性,读者可据此把现成 3D 模型直接用于仿真工作流。
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1,约 2.8 万亿 token 覆盖 22 种印度语言,同时开放生成该语料的 GPU 加速数据管线。
推荐理由:语料覆盖 22 种印度语言并开放完整生成管线,读者可参考其翻译、质检与修复流程复用到自己的多语言数据构建。
Project Apertus 发布 Apertus 1.5 的 8B 与 70B 模型(2026 年 7 月 24 日上线 Hugging Face,Apache 2.0 许可),在 Apertus 1.0 基础上新增图像与音频理解、可选思考模式,上下文窗口扩展至 262,144 tokens。
推荐理由:原文完整公开了从数据、训练配方到中间检查点的全流程细节,可作为复现开源多模态模型训练的参考样本。
Ai2 发布高分辨率气候模拟器 HiRO-ACEv2,整套系统生成全球 3 km 气候数据的成本约为 X-SHiELD 的 1/300。
推荐理由:原文把 HiRO-ACEv2 的精度和成本与 X-SHiELD 逐项对比,读者可据此判断高分辨率气候模拟的可用边界。