如何自动化管理 Amazon Textract 适配器的跨账户生命周期
Amazon Textract 适配器跨账户生命周期管理方案将适配器配置与应用解耦，可零停机更新生产引用，无需重新部署。方案提供基础设施模板、文档预分类路由和生产安全配置。跨账户迁移目前仍需提交 AWS Support 工单，且仅转移训练后的模型权重，不含查询定义和训练数据。
#数据/训练
#数据/训练
今日 2 条AWS Machine Learning BlogAI 评分3434 Google ResearchAI 评分5050 Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller，将图像去噪重构为连续控制问题，统一生成引导与微调方法。其轻量附加网络在冻结基础模型时改善人类偏好匹配，允许修改内部权重的微调版本相对基线取得 90% 胜率。实验采用 Stable Diffusion v1.4，以 HPS-v2 评估表现。
Hugging Face Blog精选AI 评分6565 NVIDIA Kumo Tabular 提升表格预测的准确率与效率
NVIDIA 发布开放表格基础模型 Kumo Tabular，利用带标签行作为上下文，单次前向传播即可完成分类或回归，无需针对任务训练、调参或特征工程。
推荐理由：相较每个任务重新训练的表格建模流程，上下文学习把带标签样本直接用于预测，为减少特征工程与调参提供了具体路径。
Microsoft Research精选AI 评分6666 Microsoft Research 推出 Quine，将生物学世界模型与实验研究流程连接
Microsoft Research 推出实验性 AI 研究系统 Quine，将多模态生物学世界模型与科学工具、文献及研究人员连接。团队与 Broad Institute 合作，用一个周末从数千种化合物中筛出待实验验证的候选物，随后在多项湿实验中验证了部分高排名化合物对胰腺癌细胞状态的预测性转变效果。
推荐理由：胰腺癌细胞状态实验展示了模型预测如何进入湿实验筛选流程，也呈现了较弱的反向转变与意外表型如何成为后续研究线索。
OpenAI NewsAI 评分3131 OpenAI 探索前沿 AI 训练的安全论证
OpenAI 提出前沿 AI 训练安全论证的早期指南，涵盖技术防护措施、运营实践和不对齐事件调查。指南聚焦训练阶段的安全论证，仍处于早期阶段。
Hugging Face Blog精选AI 评分7373 H company 发布 Holo4 通用计算机操作模型及 Holotron4 Nano
H company 发布 Holo4 智能体模型系列，包含 27B 稠密模型和 35B-A3B MoE 模型，可结合 GUI、代码、MCP 和 API 完成任务。
推荐理由：公开评测轨迹与成本计算口径为比较跨界面智能体提供了依据，文中也明确列出了任务子集和运行框架不同带来的比较边界。
AWS Machine Learning BlogAI 评分3232 如何借助 EFA 和 DeepEP 在 Amazon EKS 上扩展 MoE 强化学习，提升 40% 吞吐量
AWS 展示了结合 Amazon EKS、EFA 与 DeepEP 的 MoE 强化学习扩展架构，吞吐量提升 40%。该架构通过 Amazon EKS 编排大规模训练，并以 DeepEP 优化 EFA 上的专家并行通信，协调 rollout 生成与策略训练，缓解跨节点通信瓶颈。
AWS Machine Learning BlogAI 评分3737 如何在 Amazon SageMaker HyperPod 上使用 SkyRL 加速多模态强化学习训练
Amazon SageMaker HyperPod 可结合开源框架 SkyRL 运行多模态强化学习训练，并提供故障恢复与训练监控能力。教程以 Qwen3-VL-8B 为例，从 VisGym SFT 检查点进行 GRPO 后训练，在固定的 64 个迷宫评测集上将通关率从 43.75% 提升至超过 95%。
AWS Machine Learning BlogAI 评分3333 使用 Amazon SageMaker HyperPod 和 Qumulo 进行跨区域训练
Amazon SageMaker HyperPod 与 Qumulo 的跨区域训练方案经验证，预热后可达到数据同区域训练的吞吐量。测试使用 LLaMA v3，在 60 ms 网络延迟下，吞吐量于前 100–150 批次内收敛至 115–117 samples/sec。方案通过预测缓存读取远端数据，无需完整复制数据集或修改代码。
NVIDIA BlogAI 评分3636 NVIDIA 与合作伙伴在新加坡 AI Day 展示东南亚 AI 进展
NVIDIA 与合作伙伴在新加坡 AI Day 展示东南亚 AI 进展，涵盖公共部门规模化部署及区域语言模型开发。AI Singapore 正将 Nemotron 开放模型和 NeMo 工具纳入 SEA-LION 模型家族。Viettel AI 针对越南语和智能体应用微调 Nemotron 3 Super，在 VMLU 评测中排名最高。
Hugging Face BlogAI 评分4949 英国 AISI 与 EvalEval 如何让基准测试结果可复现
英国 AI 安全研究所（AISI）正使用 EvalEval 基础设施公开评测结果，以支持更可复现、可验证的评测。公开数据通过 Evaluation Cards 提供，包含已核验结果、背景及配置信息，覆盖主实验的 5 项基准和 6 款前沿模型，便于研究者比较不同评测设置下的表现。
NVIDIA BlogAI 评分3434 从赋能到落地，埃及 AI 生态迈向规模化生产应用
埃及 AI 生态正迈向规模化生产应用，NVIDIA 支持的本地企业已在语音、医疗、机器人等领域开展开发。NVIDIA Deep Learning Institute 在埃及的学员规模一年内增至十倍以上。Cassava 与 Vodafone Egypt 近日宣布 AI 工厂计划，通过 GPU 即服务提供本地基础设施，让数据留在境内。
Mistral AIAI 评分5151 Mistral 与 Mozilla 合作，为 Firefox Smart Window 提供注重隐私与本地语言的 AI
Mistral 宣布与 Mozilla 合作，由 Mistral 模型为 Firefox 的 AI 浏览助手 Smart Window（beta）提供支持。该助手可帮助理解复杂搜索、找回此前浏览过的重要内容，并基于浏览器标签页查找相关信息；合作覆盖法国和北美用户，预计今年晚些时候扩展至英国和德国。
NVIDIA BlogAI 评分4646 曼彻斯特大学利用 NVIDIA Earth-2 预测英国全境空气污染
曼彻斯特大学利用 NVIDIA Earth-2 构建英国全境空气污染模型，可预测未来污染情景。团队在 Isambard-AI 上用两天完成训练，模型现可在 DGX Spark 上运行推理及小规模训练。团队计划开源训练数据和工作流，供其他国家和地区使用本地数据训练污染模型。
NVIDIA BlogAI 评分5050 NVIDIA 黄仁勋在 Dreamforce 表示：“现在我们可以知晓一切、做到任何事”
NVIDIA CEO 黄仁勋在 Dreamforce 表示，AI 作为基础设施将让人们“知晓一切、做到任何事”，并强调创新速度与安全可以兼顾。同期公布的 Salesforce 首款 CRM 推理模型 Koa 基于 NVIDIA Nemotron 3 Super 构建，已在内部运行，计划于 10 月进入客户试点。
Google ResearchAI 评分4747 绕过推理瓶颈：Retrieve-for-Train 如何加速复杂 AI 搜索
Google Research 的 Retrieve-for-Train 框架将离线强化学习探索结果转化为监督数据，实现无需思考 token 的单次查询展开。其 53.9M 参数扩散模型以非自回归方式将查询嵌入向量映射为目标向量集合，训练无需人工标签，并以集合级奖励优化结果多样性与互补性。
OpenAI NewsAI 评分3232 Fyxer 如何打造用户信赖的 AI 行政助理
Fyxer 利用 OpenAI 模型打造用户信赖的 AI 行政助理，帮助用户整理收件箱并按个人口吻起草邮件。其做法结合了微调、记忆和真实用户反馈。
Google ResearchAI 评分4949 ToolGrad：利用文本“梯度”高效生成工具使用数据集
Google Research 的 ToolGrad 利用文本“梯度”，先生成工具调用链再标注用户查询，以更低成本生成更复杂的工具使用数据。经 ToolGrad-500 微调的 ToolGrad-12B 在 BFCL 获得 83.1 分，接近 gemini-2.5-pro 的 83.2 分。
Mistral AIAI 评分3838 Cloudera 与 Mistral 合作，为企业数据带来专用主权 AI
Cloudera 与 Mistral 宣布合作，将 Mistral 模型集成至 Cloudera 混合数据平台，支持企业掌控数据与 AI。企业将能在私有云、公有云、本地及完全隔离环境中部署模型。合作还支持企业在受控环境中利用专有数据训练定制模型，保有数据及所生成智能的所有权。
Hugging Face BlogAI 评分4343 在 HF Jobs 上用 LoRA 运行异步 GRPO：一个存储桶、一个代理，无需 NCCL
Hugging Face 展示了跨 HF Jobs 运行异步 GRPO 的方案，通过存储桶同步 LoRA 适配器，无需 NCCL。TRL v1.14 的 AsyncGRPOTrainer 支持仅向 vLLM 同步适配器，代理负责请求路由及加载广播。同一训练配方经优化，500 步耗时从 3 h 27 min 降至 53 min。
Mistral AI精选AI 评分6060 Mistral 完成 €3 billion D 轮融资，推动主权开放权重 AI 迈向技术前沿
Mistral 宣布完成 €3 billion D 轮融资，投后估值超过 €21 billion，由三星电子领投，Scaleup Europe Fund 与现有投资者 PSG Equity 联合领投。
推荐理由：融资用途将前沿研究、训练算力与基础设施扩张联系起来，呈现了主权开放权重路线在模型能力之外对部署控制权的投入。
Google ResearchAI 评分4949 Google Research：利用迁移学习改善代表性不足人群的基因组预测
Google Research 评估欧洲人群数据向日本人群的多基因风险评分迁移，发现混合训练的收益随目标人群样本增多而下降。研究覆盖八项临床性状，目标样本仅 5,000 时，加入欧洲数据有助于预测。跨人群遗传相关性较高的性状可在更大目标样本规模下保留收益，血脂和血糖的收益则较小。
Google DeepMind精选AI 评分8282 Google DeepMind 与 Google Research 发布 WeatherNext 3，接入实时卫星数据并逐小时更新预报
Google DeepMind 与 Google Research 发布全球天气 AI 模型 WeatherNext 3，接入实时卫星观测，每小时生成新预报，温度和湿度等关键地表变量分辨率达到 5-kilometer。
推荐理由：与前代相比，实时卫星观测和逐小时更新缩短了预报的信息滞后，更细的空间分辨率有助于理解局地天气变化与能源规划需求。
Hugging Face BlogAI 评分4949 如何用 100 步 GRPO 微调 LFM2.5-350M，提升结构化输出表现
LFM2.5-350M 经 100 步 GRPO 微调后，IFStruct 通过率从 22.6% 提升至 29.7%。该教程使用 TRL 和约 500 个样本训练，可在免费档 Colab 或 Kaggle GPU 上运行，完整流程已在 GitHub 公开。
Hugging Face BlogAI 评分5959 如何用 TRL 和 OpenEnv 训练 Qwen3.5-35B-A3B 编写代码绘制水彩
作者用 TRL 和 OpenEnv 复现了以强化学习训练 Qwen3.5-35B-A3B 编写 p5.brush 水彩绘画代码的方法，并公开数据、环境、脚本和训练产物。
Google ResearchAI 评分5656 Google Research 解读 MAPL-EMIT 如何用深度学习绘制全球甲烷排放图
Google 与 NASA JPL 合作的 MAPL-EMIT 研究发表于 PNAS，利用卫星高光谱数据检测甲烷羽流，对专家标注羽流的召回率为 84%。该框架以 3.6 million 个合成羽流训练，结合光谱与空间上下文量化甲烷增量、划分羽流边界并定位排放源，在约 1100 个 EMIT 数据颗粒中识别出约 50% 更多的可能羽流，但复杂地形中的误报仍是挑战。
Google ResearchAI 评分5757 Google Research 推出 TimesFM-3，支持零样本多变量时间序列预测
Google Research 推出 TimesFM-3，原生支持零样本多变量时间序列预测，无需任务专用微调即可通过单次前向传播预测整个未来区间。模型支持多目标、历史协变量及已知未来协变量，官方评测显示其在 Gift-Eval、FEV-Bench 和 Time 上的点预测与概率预测指标均位居参评预训练基础模型之首。
Microsoft ResearchAI 评分4949 GigaPath-Flash 与 GigaTIME-Flash：以高效病理基础模型迈向人群规模研究
GigaPath-Flash 与 GigaTIME-Flash 通过知识蒸馏降低病理分析计算需求，支持更大患者队列的研究。GigaPath-Flash 在切片分类基准上与原模型得分差距不超过 3%，计算量约为其五十分之一。两款模型均以 Apache 2.0 许可开放，仅供研究，未经临床用途验证。
Hugging Face BlogAI 评分4848 Open ASR Leaderboard 新增首个全球南方语言：印地语
Voice Arena 与 Hugging Face 合作，为 Open ASR Leaderboard 新增印地语和印度英语评测，印地语成为榜单首个全球南方语言。评测集包含公开与私有划分，覆盖互不重叠的 4,888 名说话者，每人记录 12 项属性，以支持分析不同人群的识别差异。
Google Research精选AI 评分6060 Google 介绍 planetary prediction engine 研究：借助 Earth AI 自动完成地理空间建模
Google 在 Earth AI 中介绍实验性研究系统 planetary prediction engine（PPE），可从自然语言查询自动完成地理空间数据发现、整理、模型训练与评估。
推荐理由：研究将防止目标泄漏与过拟合的检查嵌入自动建模流程，为把智能体用于地理空间预测提供了可迁移的工程思路。
Google ResearchAI 评分4444 GlucoFM：用于连续血糖监测的基础模型
Google Research 构建了连续血糖监测基础模型 GlucoFM，以双流设计区分缓慢血糖趋势与短期波动，支持有限标注数据下的临床预测。在相同数据预训练的对比中，其在14项队列—任务评估中的平均 PR-AUC 为58.8，较最强 CGM 专用基线高4.1点。餐后血糖预测的跨设备平均绝对误差也最低。
Hugging Face BlogAI 评分5252 如何用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers 多向量训练教程基于 v6.0 的 MultiVectorEncoder，给出从检查点选择、领域微调到评估与索引压缩的完整流程。
Hugging Face Blog精选AI 评分6868 IBM Granite 4.2 推理模型如何构建：从基础模型到多阶段强化学习
IBM Granite 团队详解 Granite 4.2 的构建流程，3B、8B、30B 模型均由 Granite-4.1 基础模型经 SFT 和多阶段强化学习训练而来。
推荐理由：分阶段训练配方将可验证奖励、真实环境任务和偏好对齐串联起来，为拆解推理与智能体能力的训练路径提供具体参考。
Hugging Face BlogAI 评分4747 Quantization-Aware Healing：让压缩后的 4-bit 模型超越其全精度版本
Quantization-Aware Healing（QAH）使压缩至 60B 的 GPT-OSS 120B 模型在量化为 MXFP4 后，在 9 项基准中的 7 项超越同架构的 bfloat16 恢复版本。QAH 直接从压缩前的原始模型蒸馏，而非从恢复后的检查点蒸馏，避免受后者精度上限约束。
Mistral AIAI 评分4444 Mistral 与 HUMAIN 宣布战略合作，推进沙特及中东地区主权 AI
Mistral 与 HUMAIN 宣布战略合作，推进沙特及中东地区的主权 AI，涵盖基础设施、模型开发和解决方案部署。双方计划开发和本地化先进模型，初期聚焦网络安全与语音，并开发阿拉伯语表现强劲的前沿模型。Mistral 将探索使用 HUMAIN 数据中心，双方还计划面向沙特受监管行业制定联合市场策略。
Google ResearchAI 评分4646 ME-POIs 如何利用流动数据加深语言模型对地点的理解
Google Research 提出 ME-POIs 框架，将匿名聚合的流动模式融入文本地点表示，提升地点属性预测能力。结合先进文本模型后，访问意图预测相对提升最高达 81.9%，价格等级分类提升 75.1%，未见地点的繁忙程度估计准确率提升 24.7%。框架还利用周边地点的访问模式缓解数据稀疏问题。
Hugging Face Blog精选AI 评分7373 Hugging Face 研究量化语音识别基准优化：部分高分模型复现错误参考转写
Hugging Face 的研究对 11 个开源 ASR 模型开展三类测试，发现部分高分模型在音频与参考文本冲突时仍复现基准答案。在 LibriSpeech 上，部分基准表现较强的模型在约 30–40% 的样本中恢复了已被静音的数字，而若干模型在新采集音频上的这一现象减弱，提示基准相关声学线索可能影响转写。
推荐理由：通过参考错误复现、数字静音和拼写切换三类探针，研究提供了区分真实转写能力与针对公开基准优化的可迁移评估方法。
Microsoft ResearchAI 评分4646 扩大 Skala 的可用范围，加速迈向预测性 DFT
Microsoft Research 扩大 Skala 的软件支持范围，现已在 CP2K 中可用，并正集成至 Psi4、FHI-aims、ORCA 和 VASP。Skala-1.1 在 GMTKN55 上的加权平均误差为 2.8 kcal/mol。团队还推出持续更新的基准，追踪后续版本的计算性能。
Hugging Face BlogAI 评分4444 如何用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 在一处完成录制、训练与部署
Strands Robots 可结合 LeRobot 与 Hugging Face Storage Buckets，在单个智能体内串联机器人演示录制、策略训练和硬件部署。同步仅上传变化的字节，训练直接从 Hub 流式读取数据，无需完整下载，全程保持 LeRobot 数据格式。默认模拟路径使用 mock 策略，可跑通流程，但不产生实用策略。
Hugging Face BlogAI 评分4545 OlmoEarth 推出嵌入向量：通过 OlmoEarth Studio 自定义导出，用于下游分析
OlmoEarth Studio 现已支持按需计算并导出地球观测嵌入向量，用于相似性搜索、分割和无监督探索。用户可通过界面或 API 自定义区域、时间范围、编码器、分辨率及影像来源，获取 COG 文件。OlmoEarth 基础模型的源码与权重已公开，也可自行计算嵌入向量。