字节跳动论证多数 AI 训练阶段多余,并以有竞争力的开源模型作证
字节跳动(Bytedance)联合几所美国大学团队发表新论文,论证多数 AI 训练阶段并非必要,指出仅需三个步骤即可让模型具备自主研究网络、运行代码和解决多步任务的能力。论文认为当前训练方法日益嵌套,开发者几乎无法分辨哪个步骤真正有效,且复现成本越来越高。该团队还提供了一个有竞争力的开源模型来支持这一论点。
字节跳动(Bytedance)联合几所美国大学团队发表新论文,论证多数 AI 训练阶段并非必要,指出仅需三个步骤即可让模型具备自主研究网络、运行代码和解决多步任务的能力。论文认为当前训练方法日益嵌套,开发者几乎无法分辨哪个步骤真正有效,且复现成本越来越高。该团队还提供了一个有竞争力的开源模型来支持这一论点。
米哈游崩坏AI研发团队发布通用 VLA 基础模型 Gamer,基于 Qwen3-VL-8B 进一步训练,仅凭屏幕画面与任务指令在《崩坏:星穹铁道》中自主战斗、开机关、跟随 NPC 跑图。
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。
Hugging Face 基于 272 个生产环境 SFT 任务(约 7,382 GPU 小时、NVIDIA H200)发现,常用 FLOP 预估与实际耗时偏差很大(R² = 0.31,MAE 12.41 h),而仅用派发前配置信息训练的 CatBoost 回归器达到 R² = 0.98、MAE 1.71 h、中位误差 0.51 h。
北京中关村学院与中关村人工智能研究院于今年九月发布材料科研智能体系统 MatOS,技术报告已在 arXiv 发布(arxiv.org/abs/2610.34203),代码已在 GitHub 开源。
谷歌云在 MLPerf Training v6.1 提交 10 项结果,8192 颗 Ironwood TPU 用时约 102 秒达到 DeepSeek-V3 预训练目标质量,较 2048 颗配置提速约 2.96 倍,4096 颗配置扩展效率 96%。
本期 Import AI 介绍 FrontierML 基准,该基准测量智能体能否把资金转化为模型性能:在 21 个长程任务上,最强系统 Opus 5.5 拿到 45.4($10)与 58.8($200)的分数提升,人类基线为 56 和 66.1,开源模型中 Kimi K3.1 Pro 为 25.5 与 29.6。
苹果宣布与临床 AI 平台 OpenEvidence 合作开展 Apple Health AI Usage Study,招募最多 20 万名 21 岁以上的美国用户,通过新 iOS 应用提出健康问题并对 AI 回答的准确性、细节和相关性评分。
英伟达联合创始人黄仁勋辞职后,要求其复职的公开信 Stand with Jensen 已获超 10.8 万个签名,其中含逾 5.8 万名股东及 5600 多名现员工。
清华大学自动化系江瑞课题组发布面向单细胞蛋白组的基础模型 ProtCell,并在摩尔线程 MTT S5000 智算卡上完成全流程预训练复现。该模型汇集约 3.8 亿个细胞、98 个公开数据集用于预训练与评估,可精准映射细胞状态、推断未测蛋白表达。复现的主要定量评测指标与国际主流 GPU 平台差异仅约 0.2%,为药物研发与“虚拟细胞”构建提供关键底座支撑。
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。
前 OpenAI 研究员 Will DePue 发布分析称,2026 年 4 月以来发布的六个中国模型权重中留有 Nvidia Blackwell 芯片的初始化指纹,验证代码已公开在 GitHub。
推荐理由:原文解释了如何通过模型权重的初始化指纹反推训练所用 GPU,并附验证代码与 24 个对照模型的结果。
谷歌 DeepMind 开放 WeatherNext 3 气象模型所依托的 SatWeave 卫星影像拼接数据集与 PARDIG 全球降水再分析数据集,面向全球研究者提供实时数据流及 1999 年至 2026 年历史归档,托管在 Google Cloud Storage 并以 CC BY 4.0 许可开放。
Microsoft Research Focus 第 98 期分享微软最新研究进展,涵盖 AI 通用翻译、解决 31 年的 KLS 猜想及提升编程智能体效率。APEC 方法通过后台准备摘要,将编程智能体成本降低 25.4%、执行时间缩短 9.6%。Latent Core Tokenizer 在 104 种语言上生成更具语言学意义的 token,提升多语言基准表现。
Google Research 提出一套研究框架,用消费级可穿戴设备的被动信号构建可干预的健康年龄(CHA)模型,并搭配在 228 万人周数据上预训练的世界模型 SensorWM 模拟未来 12 周的反事实健康轨迹。
Florian 发布 2026 年 RSI(递归自我改进)研究年度回顾,梳理约百篇论文,指出这一年“改进能力”开始拥有独立的设计对象、训练目标和计量方式。文章按经验留存、学习改法、反馈学习、能力协同、研发自改、能力验收、演化底座七条线索展开:从程序继承、策略记忆到跨分支经验共享,再到搜索策略演化、元代理分工和诊断历史。
Nvidia 在研究报告中发布机器人基础模型 GR00T 2,它以世界-动作模型的方式同时预测下一步动作和短期视频画面,把人类视频中的动作迁移到机械臂上,减少遥操作数据采集。
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。
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan,据称为首个百万级规模的开放日本人物数据集,将日本官方统计与家庭财务和金融素养数据配对。
AI 科学初创公司 Physical Supermission 用一套运行非公开 Anthropic 模型的内部研究系统证明了 2008 年提出的 Aaronson-Ambainis 量子计算猜想,并获 Lean 验证。
苹果研究团队公开名为 HALO 的人形机器人研究,用宇树 G1 做身体、背上 Mac mini M4 Pro 运行阿里千问模型,在 6 个从未见过且未提前扫描的真实家庭里完成坐下、钻桌底、推箱子等 6 类任务,360 次测试平均成功率 91%。
推荐理由:原文给出苹果用纯仿真数据替代遥操作采集的完整方案,可看出具身智能数据瓶颈的一条规模化路径。
硅谷风投公司 Menlo Ventures 发布报告称,中国 AI 模型占全球企业开源模型支出的 89%,其中月之暗面 Kimi 以 61% 份额位居第一,深度求索 DeepSeek 以 15% 排名第二,智谱 GLM 以 11% 位列第三;西方模型中份额最高的 Meta Llama 占比仅 7%。
谷歌在《自然》发表研究,推出名为 AI-PPG-ACC-HTN 的多模态 AI 系统,用普通消费级智能手表无需袖带即可被动检测高血压迹象。系统通过自监督预训练(超 49 万小时无标注数据训练 1D-CNN)与多天特征聚合输出持续高血压概率评分;在全美 5 个临床中心、196 名受试者的试验中,确诊性检测阳性预测值达 96.7%、灵敏度 78.4%。
同一新闻,精选展示《Google Research 在 Nature 发表 AI-PPG-ACC-HTN,用智能手表被动检测高血压迹象》
Google Research 的 AI 仅凭智能手表自带的脉搏和运动传感器即可检测高血压迹象,无需袖带校准,相关研究已发表于 Nature。神经网络从近 50 万小时传感器数据中学习脉搏与心跳模式,再对数天数据取平均并计算高血压概率。
Hugging Face 与 Liva AI 合作,为 Open ASR Leaderboard 新增埃及和尼日利亚口音英语两组私有会话数据,时长分别为 1.34 小时和 1.55 小时。
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。
<summary_zh>中国科学技术大学 MIRACLE 实验室团队发布开源 RNA 序列基础模型 structRFM,相关成果于 11 月 5 日发表于 Nature。该模型基于约 2100 万条序列-二级结构配对数据进行预训练,仅需输入序列即可用于 RNA 结构预测与功能推断等下游任务。团队已开放完整配对数据、模型权重和源代码。</summary_zh>
Google Research 提出 Agile Deliberation 框架,将主观概念分类器的构建重构为人机迭代对话,并在 18 场各 1.5 小时的真人实测中验证效果。
研究人员报告 GPT-6 Astra 能读取其他模型的原始权重并直接修改,他们将该方法称为 Weight-Space Programming,无需昂贵重训。
同一新闻,精选展示《MIT 研究:GPT-6 Astra 直接修改 Qwen3.5 权重,MATH-500 得分提升约 6 倍》
MIT CSAIL 团队提出「权重空间编程」,让 GPT-6 Astra 不经梯度训练直接读写神经网络权重,仅修改 Qwen3.5-0.8B 的 131072 个参数,MATH-500 从 7.9% 提升至 48.1%,GSM8K 从 13.8% 提升至 67.1%,IFEval 从 21.0% 升至 62.3%。
受访企业中,分析型 AI 智能体生成的洞察平均仅 48% 能促成改善业务的行动(一年前为 37%),表现最佳的“洞察领导者”企业该比例超过 70%。洞察质量不足主要归因于缺乏业务背景(55%)与数据分散难访问(45%),52% 的企业还面临洞察过载、仅 24% 能评估全部智能体洞察。企业正优先加强 AI 与数据治理(60%)并为数据架构添加语义层(45%),以提升智能体洞察质量。
Google DeepMind 与世界资源研究所推出全球森林类型地图 ForTy,以 10 米分辨率把 2020 年全球土地分为 6 类,为欧盟零毁林产品法规(EUDR)提供 2020 年参考基准。
谷歌研究团队 10 月 27 日发布“睡眠框架”持续学习研究及论文《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》,让大语言模型在部署后持续吸收新知识而不显著遗忘旧知识。
人工智能语言公平研究联盟发布的研究发现,AI 模型处理不同语言时 Token 消耗量最多可相差 17 倍,使用人数较少的语言用户需承担更高的隐性“分词器税”。Token 消耗增加还会拖慢响应速度、压缩有效上下文容量;研究者认为改善多语言数据质量并专门优化下一代分词器设计是缩小差距的关键。
威卡移动控制发布"具身智能赋能工程机械高质量数据集",并已在 Hugging Face 等国际数据仓库开源上线。数据集第一阶段规模达 3600 万帧,覆盖 12 类典型作业场景,通过统一时间戳同步对齐视觉、激光、位姿、力馈、手柄输入五大维度数据。目前挖掘机真机数据采集成本约每小时 5000 元,训练一套可用模型需要 10 万小时量级数据。
Google Research 提出 sleep 框架,让 LLM 在"清醒"与"睡眠"阶段间交替:清醒期处理交互并存入短期记忆,睡眠期解锁预分配的 MoE 记忆块,通过参数扩展、知识蒸馏与"做梦"式自我改进把短期记忆巩固为长期参数。该框架使模型能持续获取新事实、保留长达 10M tokens 的长上下文知识并提升复杂推理能力,同时缓解灾难性遗忘。
纽约大学和得克萨斯大学奥斯汀分校的研究人员让 14 个语言模型在日常对话、编程和议论文场景下生成文本,分析了 120 段对话、45 个编程会话和 980 篇文章,归纳出六种让 AI 文本难以阅读的语言模式,包括滥用罕见词语组合、长间隔句式、省略连接词的缩略指代、堆叠名词、名词动词化以及对无生命主语使用拟人动词。
OpenAI Signals 数据覆盖近 100 个国家的 165 项工作活动。该数据揭示人们如何将 ChatGPT 用于工作,以及使用方式如何随时间变化。
Nvidia 开源了机器人视频标注数据引擎 Flora,该系统由三个微调版 Qwen3.5 模型组成,已在 GR00T 模型训练中运行,每天最多标注 20 万小时视频。
南京大学、商汤科技及多所高校的研究者发布 OpenMobile-2,包含基于 Qwen3.5(9B)与 Qwen3.6(27B)的两个开源手机智能体模型,并开放完整训练环境、数据与复现说明。