GPT-5.6 Sol 如何帮助运行量子计算实验
MIT 一名研究人员将 GPT-5.6 Sol 与 Codex 配合使用，以自主运行量子计算实验。这一用法还涵盖实验结果分析和量子比特校准。
#教程/实践
#教程/实践
今日 9 条OpenAI NewsAI 评分3434
GitHub Blog · AI & MLAI 评分5252 GitHub Copilot app 入门：如何同时运行多个智能体
GitHub Copilot app 可通过会话视图管理多个并行智能体任务，每个会话可在自己的 Git worktree 中运行，彼此隔离。各会话保留独立上下文，切换后无需重新说明任务，会话卡片显示任务标题和进度。教程以 tailspin-toys 仓库为例，演示同时开展 funded sort 功能开发、无障碍审查和测试，并在任务完成后逐一查看结果。
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。
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 Blog精选AI 评分7272 如何用 Gradio 连接、运行和部署 AI 工作流
Gradio 内置的 gr.Workflow 可将 AI 流水线表示为带类型节点的图，并提供可拖拽、逐节点运行和查看中间结果的画布。节点可连接 Python 函数、Hugging Face Inference Providers 上的模型、Gradio Spaces 或数据集，文中通过图像编辑、并行生成和数据集分析等示例演示用法。
推荐理由：将中间结果可见的节点画布与同一工作流的接口调用结合，为多步骤 AI 应用提供了从排查问题到复用服务的具体方法。
Hugging Face BlogAI 评分5353 Hugging Face 的 Inference Endpoints、Jobs 和 Buckets 如何支撑 Papers with Code 搜索
Papers with Code 使用 Hugging Face Jobs、Storage Buckets 和 Inference Endpoints 构建混合搜索，覆盖超过 110,000 篇论文。
Hugging Face BlogAI 评分5555 Sentence Transformers 多向量嵌入模型使用指南：延迟交互检索与索引优化
Sentence Transformers v6.0 的 MultiVectorEncoder 支持通过统一 API 使用多向量嵌入模型，教程覆盖模型加载、MaxSim 评分与检索系统接入。
Hugging Face BlogAI 评分4040 同一 GPU 集群，利用率提高 33 个百分点：改变的是分配顺序
一种考虑约束的 GPU 分配器在相同硬件与工作负载下，相比 FIFO 调度器将利用率最多提高 33 个百分点。7 个基准场景的优先级加权产出均有提升，最高约 105%。该分配器按实时需求动态分配 GPU，让批处理任务利用需求低谷，并在整个调度周期内按优先级安排任务。
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5353 智能体模型路由为何看似简单，实际却是系统优化问题
团队在构建智能体模型路由时发现，模型选择不能仅靠任务难度分类，而需同时优化成本、质量和延迟，并考虑基础设施与治理约束。在 AppWorld Test Challenge 的 417 个任务中，同用 CodeAct 智能体，Claude Sonnet 4.6 因缓存读取价格更低，总成本为 $79，低于 GPT-4.1 的 $155。
Hugging Face BlogAI 评分4444 PyTorch 性能分析（第 3 部分）：聚焦注意力机制
PyTorch 性能分析系列第 3 部分聚焦注意力机制，通过性能追踪对比不同实现的算子与 GPU 内核执行情况。朴素实现的追踪显示，因果掩码操作会引入额外内存复制；将 `masked_fill` 改为原地操作 `masked_fill_` 后，每次前向传播可减少一个内核。
Hugging Face BlogAI 评分4343 PRX 第 4 部分：训练数据策略
PRX 团队将公共与内部数据集混合，用 VLM 重新生成图像描述，构建用于训练的流式语料。其 7B 模型预训练重视覆盖面与多样性，采用准确的长描述和轻量过滤。数据管线用 Lance 整理、MDS 流式读取；改用 Qwen3-VL 后，训练时实时计算文本潜在表示，吞吐量代价约为 3–4%。
Google DeepMind精选AI 评分7777 WeatherNext 如何帮助美国国家飓风中心更准确预测 Melissa 在牙买加的历史性登陆
WeatherNext 提前5天以80%的置信度预测飓风 Melissa 将以5级强度登陆牙买加，帮助美国国家飓风中心提前发出预警。模型同时预测路径与强度，登陆前3天的预测置信度升至接近100%；其预测与 HAFS 等物理模型、卫星及飓风侦察数据共同支持预报员决策，为当地准备和疏散争取时间。
推荐理由：案例展示了 AI 天气预测如何与物理模型、实时观测及预报员经验配合，将更早的强度预判转化为疏散准备时间。
Google DeepMind精选AI 评分7474 AlphaEvolve 如何将 Gemini 驱动的编码智能体应用扩展至科研、基础设施与商业领域
Google DeepMind 回顾 AlphaEvolve 过去一年的应用进展，这款由 Gemini 驱动的编码智能体已从试点走向核心基础设施，并拓展至多个商业领域。
推荐理由：跨领域案例把算法优化落到了错误率、可行解比例和存储写入量等具体指标上，为识别编码智能体在科研与工程中的应用空间提供参照。
Mistral AIAI 评分5959 Mistral AI 解读 Spaces CLI 如何同时服务开发者与智能体
Mistral AI 分享内部平台工具 Spaces CLI 的设计实践，通过非交互参数、结构化数据和显式状态支持开发者与编码智能体。工具为交互输入提供对应参数，以插件注册表统一组件信息，并在初始化时生成 context.json 和 AGENTS.md，提供项目状态与操作规则。
Mistral AIAI 评分5959 Mistral 如何用 Vibe 构建自动编写 Rails 测试的智能体
Mistral 基于 Vibe 构建了自动生成和改进 Rails RSpec 测试的智能体，在包含 275 个源文件的代码库实验中实现测试通过率和平均行覆盖率均为 100%。
Mistral AIAI 评分4343 堆也会骗人：Mistral AI 排查 vLLM 内存泄漏
Mistral AI 排查 vLLM 内存泄漏，发现堆内存保持稳定，泄漏发生在堆之外。问题出现在启用图编译、使用 NIXL 的预填充与解码分离部署中，涉及 Mistral Medium 3.1，且仅在解码侧观察到。Heaptrack 未捕获泄漏，但测试前后的峰值 RSS 差异揭示了堆分析工具的观测盲区。
Berkeley AI ResearchAI 评分4848 不依赖 TD 学习的强化学习：分治价值学习方法解析
研究团队将分治价值学习扩展到复杂的目标条件强化学习任务，探索不依赖 TD 学习的离策略 RL 算法。该方法将轨迹拆分为两段并组合其价值，理论上可将 Bellman 递归次数降至对数级，缓解长时序任务中的误差累积，但如何选择最优子目标仍是实现难点。
Mistral AIAI 评分4545 如何通过微调释放 Pixtral-12B 在卫星影像上的潜力
Mistral AI 展示了 Pixtral-12B 的卫星影像微调方法，微调后分类表现较基础模型显著改善。案例采用 AID 数据集，划分 8,000 个训练样本和 2,000 个测试样本，针对易混淆场景类别进行适配。开发者可通过微调 API 或 LaPlateforme UI 启动微调任务。
Mistral AIAI 评分4949 如何用 Mistral 模型作为评判者评估 RAG 系统
Mistral 模型可结合结构化输出充当评判者，依据自定义标准评估 RAG 系统的检索与生成质量。TruLens 提出的 RAG Triad 框架检查上下文相关性、回答对检索内容的忠实度及回答相关性。Mistral API 的自定义结构化输出可约束评分格式，便于机器读取和复用评估标准。
Mistral AIAI 评分5353 Mistral AI 用智能体工作流将会议记录转为产品需求与开发工单
Mistral AI 展示 TranscriptToPRDTicket 工作流，利用 Mistral Large 2 将会议转录文本自动转为产品需求文档和开发工单。