#数据/训练

原文发布 10月14日 08:00

更快完成 RL 训练：位级一致、高性能、智能体驱动

vLLM 团队提出让训练前向直接调用 vLLM 推理 kernel 并修改这些高性能 kernel，使 rollout 与训练对每个采样 token 产生位级相同的 logprob（diff = 0）。

研究人员改进两到六周后的天气预报

MIT 等机构的研究团队开发出一种机器学习后处理层，通过学习历史数据修正现有预报模型的误差，将两到六周（次季节）预报的准确率提升一倍，并在 ECMWF 的预报竞赛中夺得第一。该成果发表在 Nature 上，首次让这一时间尺度的预报优于气候学平均值，同时显著提升了对极端天气的预测能力。模型为开源、低成本的外挂式 wrapper，可叠加到任意预报模型上，肯尼亚气象部门已联系希望用于改进季风预报。

Anthropic 加强对蒸馏攻击的防御

Anthropic 公布针对 Claude 蒸馏攻击的新防御方法，早期证据显示这些方法使蒸馏者获取的数据量减少约 90% 至 99%。防御分三部分：通过 preserved thinking 限制推理内容在账号、模型和对话间流转；用两阶段分类器拦截提取尝试，误报率低于 0.1%；对反复尝试提取的账号施加更严格限制并封禁。

通过集体智能实现递归自我改进

Sakana AI 发布论文提出多智能体自监督（MASS）：一个共享模型通过虚拟子智能体团队解题，搜索更优的多智能体工作流，再用自身判断选出最佳方案，并将最佳团队的执行轨迹蒸馏回共享模型。

NVIDIA 承诺未来五年投入 10 亿美元推动美国科学发展

NVIDIA 宣布未来五年投入价值 10 亿美元的承诺，用于建设美国在超智能研究与量子计算等领域的能力，覆盖量子计算、医疗健康和能源安全。该承诺在华盛顿 Science: A New Golden Age 活动上公布，NVIDIA 同时参与当天宣布的多项 Genesis Mission 第二阶段项目，涉及量子计算、聚变、加速器设计与微电子。

缺失的星空地图

约翰斯·霍普金斯大学天体物理学家、Anthropic 研究员 Brice Ménard 与 Claude Science 合作，制作出首张完整的紫外波段全天图，其中约三分之一天区（含银河系盘面大部分）此前从未被紫外望远镜观测，由 Claude 用 inpainting 方法预测补全。

用 Claude 构建实时仪表盘并制作动画讲解

Claude 推出 Dashboards 和 Motion 两项新功能，Dashboards 可连接 BigQuery、Databricks、Snowflake 或 Salesforce 等数据源。

Agent Lightning v1.0：一个 3500 行的轻量级智能体 RL 框架，用真实 harness 训练智能体

微软亚洲研究院开源 Agent Lightning v1.0，提出 Harnessed Agentic RL 训练范式，让部署时使用的同一套 agent harness 直接参与强化学习，无需在训练框架内重新实现智能体。

Reflection 发布 501B 开放权重模型 Beam

Reflection 发布首个开放权重模型 Beam，这是一个总参数 501B、激活 23B 的稀疏 MoE 模型，面向编码、推理和智能体任务。Beam 在 23.8 万亿 token 上预训练，并用 10.5K 块 NVIDIA GB300 GPU 进行了 4 周高算力 RL 训练，生成超过 1 亿次 rollout。

Anthropic 投入 1 亿美元培养 1 万名工程师，应对企业 AI 人才缺口

Anthropic 推出 Claude Frontier Academy，承诺投入 1 亿美元，计划到 2027 年底培养 1 万名 Frontier Deployed Engineer（FDE）。

Claude 形态的科学

物理学家 Matthew Schwartz 在 Anthropic 客座文章中提出“Claude 形态”问题思路，即寻找最适合当前 LLM 能力的问题，而非让模型像人类科学家那样工作。他据此构建开源工具包 BootLoops，用于定量科学中的精确计算，并在生态学、群体遗传学、语言学等领域与专家合作取得进展。文中还给出应对模型虚报完成、时间估计失准等失败模式的具体经验。

Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质加水印

Google DeepMind 推出 SynthID Bio，将水印技术用于合成生物学，把不可感知的签名嵌入生物代码，使其在数字模型和合成出的实体蛋白质上均可验证，同时保持生物功能。

机器人能做什么工作？

Anthropic 发布机器人暴露指数研究，用 Claude 评估现有机器人对 O*NET 约 19000 项工作任务的执行能力。研究发现机器人已能完成美国 74% 的体力任务、占全部工作时间的 34%，但大多限于受控环境；仅 0.3% 的工作任务上机器人具备成本竞争力，若按历史降价速度需 40 年才能升至 10%。

InternLM/InstantFusion

上海人工智能实验室 InternLM 开源 InstantFusion，通过共享隐空间把不同扩散模型的隐变量对齐，使去噪轨迹可以组合。方法用 Sigma 条件编码器与解码器把两个模型的隐变量映射到共享空间，训练结合重建、交叉重建、隐空间对齐和去噪速度对齐损失，可实现不同步数预算模型间的接力加速、多偏好组合以及跨模型 OPD 蒸馏。

微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统

微软研究院推出 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并优先排序数千种化合物，最高排名的化合物在湿实验中产生了最大的经典到基底细胞状态转变，整个筛选到候选验证过程仅用一个周末。

为什么 VLM 读不懂表单？

LlamaIndex 发文解释 VLM 在表单解析上的失败模式，包括复选框状态误判、边界框漏检与错位、以及把数值挂到错误字段的静默归因错误。文章给出 LlamaParse 的表单 JSON 结构，用字段、分区和边界框表示 W-2 等表单，并说明其自研复选框状态分类器与边界框检测模型如何修正 VLM 输出。

用 Baseten Loops 在 LangSmith 轨迹上做微调

LangChain 在 Interrupt 26 大会上发布 LangSmith Fine-Tuning，可将 LangSmith 中的 Agent 轨迹转成监督微调数据集，训练与部署都跑在 Baseten 上。

Prime Sandboxes：面向大规模智能体 RL 训练的 microVM

Prime Intellect 宣布 Prime Sandboxes 正式可用，每个沙箱是一台完整 Linux 虚拟机，支持 Docker Compose、后台任务和依赖内核的工作负载，可运行数万个并发沙箱。

Claude 发现具有 CRISPR 样重复序列的新型酶系统

Anthropic 成立生命科学研究组与实验室，让 Claude 智能体自主搜索 DNA 数据库，发现了一种与 DNA 重复序列相关的新型酶系统 ART（array-associated reverse transcriptases）。

联合国系统数据共享平台上线，让全球数据更易探索

联合国系统推出 UN System Data Commons，这是一个基于 Google Data Commons 构建的开源平台，把分散的全球统计数据整合为可搜索的 AI-ready 知识图谱。