Hugging Face 实测：约束感知 GPU 调度器仅靠调整分配顺序，将利用率提升 33 个百分点
Hugging Face 构建约束感知 GPU 分配器，在相同硬件与工作负载下对比 FIFO 调度器，GPU 利用率最高提升 33 个百分点，优先级加权产出最高提升 105%。在 5 个争用场景中，利用率从 52–85% 提升至 72–88%，优先级加权价值平均提升 52%。其核心是按实时需求曲线动态分配 GPU，并按优先级在整个时间范围内排布批处理任务。
#数据/训练
#数据/训练
今日 2 条Hugging Face BlogAI 评分4343
Google ResearchAI 评分5858 Google Research 提出 PhotoScan：用智能手机照片估算身体成分与心脏代谢风险
Google Research 发布实验性深度学习框架 PhotoScan，可通过标准 2D 智能手机照片估算体脂率、A/G 比例和 V/S 比例。
Hugging Face Blog精选AI 评分6262 Strands Robots 结合 LeRobot 与 Hugging Face Storage Buckets 实现录制、训练和部署闭环
Hugging Face 发布教程，演示用 Strands Robots、LeRobot 和 Storage Buckets 在一个 AI 智能体中完成机器人示教录制、增量同步、流式训练和 checkpoint 部署。
推荐理由：文章用同一套 LeRobot 数据格式串起录制、同步、流式训练和硬件部署，适合搭建机器人数据闭环时参考。
Hugging Face Blog精选AI 评分7474 Hugging Face 复盘 ICML 2026 开放复现挑战：2,226 篇论文与智能体时代的人类审查角色
Hugging Face 复盘 ICML 2026 Open Reproductions 挑战：1,221 名社区成员在 19 天内发布 6,816 份 Trackio 日志，尝试复现 2,226 篇论文，覆盖会议 34%，并判定 35,908 项论文主张。
推荐理由：文章用大规模复现实验呈现智能体参与科研审查的边界，也给出人类在假设判断和流程纠偏中的具体作用。
Hugging Face BlogAI 评分5151 OlmoEarth Studio 推出自定义 OlmoEarth 嵌入向量导出功能
OlmoEarth Studio 现已支持计算并导出来自开源 OlmoEarth 基础模型的地球观测嵌入向量，输出为可分享的 Cloud-Optimized GeoTIFF。
Google Research精选AI 评分7070 Google Research 提出知识画像与 WikiProfile：前沿 LLM 事实性的瓶颈在回忆而非编码
Google Research 发布研究，提出知识画像框架和包含 2,150 条 Wikipedia 事实的 WikiProfile 基准，用来区分 LLM 的编码、回忆与识别。
推荐理由：研究把事实错误拆成编码失败与回忆失败，并用 WikiProfile 量化前沿 LLM 的知识可访问性，为后训练和推理时干预提供诊断依据。
Fireworks AI（网页）AI 评分5050 Fireworks AI 在 Kimi K3 与 Qwen3.5-9B 上复现 J-Lens 静默信号读出
Fireworks AI 将 Anthropic 研究人员提出的 J-Lens 探针应用于 Kimi K3 和 Qwen3.5-9B，发现模型在输出 token 前，内部状态已出现与最终任务相关的词汇信号。
Microsoft ResearchAI 评分5757 Microsoft Research 推出研究模型 CARE-X，探索面向临床任务的胸部 X 光视觉语言模型
Microsoft Research 发布研究模型 CARE-X，用统一胸部 X 光 VLM 支持报告生成、疾病分类、否定判断、设备位置和异常区域定位。
Hugging Face BlogAI 评分5353 Multiverse Computing 提出低成本 LLM 知识蒸馏方法并开源分块 KL loss
Multiverse Computing 发布论文 Efficient Knowledge Distillation for LLMs，通过离线缓存教师模型每位置 top-100 logits，并使用 fused chunked KL loss，避免同时驻留教师和学生及生成完整词表乘序列矩阵。
Google ResearchAI 评分5757 Google Research 提出 Science One Framework，用 Chain-of-Evidence 构建可验证自主科研智能体
Google Research 发布论文，提出 Chain-of-Evidence（CoE）可验证性框架，并用 Science One Framework 原型和 CoE Audit 自动审计指标评估 AI 生成科研论文。
Microsoft Research精选AI 评分6868 Microsoft Research 发布 Echoverse：面向计算机使用智能体的深度可演化训练环境
Microsoft Research 发布 Echoverse，构建10个深度领域世界和2个能力世界，用于训练计算机使用智能体，并开放其中4个世界的代码、数据和 grounded graders。
推荐理由：文中用深浅环境对照和9B模型训练结果，说明高保真、可验证的交互环境对计算机使用智能体训练的实际影响。
Microsoft ResearchAI 评分5353 Microsoft Research 提出 EvoLib：让大语言模型把经验转化为持续演化的知识
Microsoft Research 在论文 Test-Time Learning with an Evolving Library 中提出 EvoLib，让大语言模型在推理阶段从自身经验中自监督学习，无需真实标签、外部反馈或更新模型参数。
Fireworks AI（网页）精选AI 评分6363 从 LoRA 转向 FullFT 前应运行的三项测试
Fireworks AI 基于 Qwen3.5-9B 的 SFT 实验提出，LoRA 落后 FullFT 时应依次检查数据覆盖、训练配方和 adapter rank，而不是直接改用 FullFT。
推荐理由：文章用 Qwen3.5-9B 的受控实验拆解 LoRA 与 FullFT 差距来源，给出数据覆盖、学习率和 rank 的排查顺序。
Berkeley AI ResearchAI 评分5353 K-Search 如何把 CUDA kernel 优化经验迁移到 Apple Silicon 的 MLX
Berkeley AI Research 与 IBM Research 介绍扩展 K-Search 的 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把既有 CUDA kernel 优化知识转化为 Apple Silicon 可用的搜索约束。
Fireworks AI（网页）精选AI 评分7272 Fireworks AI 教程：用低于 10 美元的成本微调 Qwen3-Embedding-8B 嵌入模型
Fireworks AI 发布教程，展示在其平台上用对比微调把 Qwen3-Embedding-8B 适配到特定领域，单次成本低于 10 美元。方法使用 query-positive 对、批内负样本和双向 InfoNCE，典型设置为 150 步、batch size 64、学习率 1e-5、temperature 0.02。
推荐理由：文章给出低于 10 美元的嵌入模型对比微调流程、参数配方和多任务评测，可直接迁移到私有 RAG 与语义检索场景。
Fireworks AI（网页）精选AI 评分8282 Fireworks 上线 Kimi K3 Day-0 推理与训练，并推出美国专属 Serverless 端点
Fireworks 宣布开放权重模型 Kimi K3 已在平台 Day-0 提供推理和训练，支持按 token 付费、Serverless 接入、Batch 模式 50% 折扣，以及美国境内推理和 Zero Data Retention。
推荐理由：文章同时给出推理、训练入口、数据驻留与零保留策略，便于团队评估用开放权重模型承接生产任务的可行性。
Berkeley AI ResearchAI 评分4747 ABBEL：训练 LLM 更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将交互摘要建模为自然语言信念状态，并通过信念评分监督其信息内容，以解决长程交互中递归摘要的性能损失问题。在 CollabBench 协作编码评测中，带重建信念评分的 ABBEL-rec-BG 将与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 为 6.01×10²。
Fireworks AI（网页）精选AI 评分6262 Fireworks 推出 Kimi K3 Multi-LoRA 训练与部署私有预览
Fireworks 宣布 Kimi K3 已支持通过 Fireworks Serverless Training 进行 Multi-LoRA 训练和服务，目前处于私有预览。
推荐理由：原文说明了 Kimi K3 在 Fireworks 上的 LoRA 训练、按 token 计费和多适配器部署方式，可帮助评估大模型后训练的成本与流程。
Hugging Face BlogAI 评分5757 Pollen Robotics 发布开源机器人操作数据采集系统 Grabette
Pollen Robotics 发布开源、低成本的手持夹爪系统 Grabette，用于录制人类操作演示并自动生成机器人可训练的 LeRobot 数据集。
Hugging Face BlogAI 评分3737 DharmaOCR 凭巴西葡萄牙语专精训练，在 OCR 基准上击败更新的 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在面向葡萄牙语的 OCR 基准上以 0.925 分击败发布更晚的 Mistral OCR4（0.798）和 Unlimited-OCR（0.7587）。该模型经监督微调与 DPO 两阶段训练，全部参数专注巴西葡萄牙语，取得最高提取质量分与最低退化率，证明领域专精优势未被新架构消除。
Google ResearchAI 评分4141 Google Research 如何解释扩散模型创造力的来源
Google Research 在 ICLR 2026 论文中指出，扩散模型的创造力并非随机偶然，而是神经网络训练中 score smoothing 使去噪过程在训练点之间插值，生成新样本。研究通过一维示例和 AdamW、weight decay 实验说明，显式或隐式正则化都会让 score function 变平滑，并有助于数据流形恢复。
Google ResearchAI 评分5858 Google Research 发布可穿戴健康数据基础模型 SensorFM
Google Research 与 Google DeepMind 等推出 Large Sensor Foundation Model SensorFM，直接从大规模无标签可穿戴设备数据学习通用生理表征。
Mistral AIAI 评分5454 Mistral 发布具身导航模型 Robostral Navigate
Mistral 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，可接收 RGB 图像和自然语言指令并自主移动机器人。模型仅使用一个普通 RGB 相机，不依赖 LiDAR 或深度传感器，在 R2R-CE validation unseen 上达到 76.6% 成功率，validation seen 达到 79.4%。
Hugging Face BlogAI 评分5252 Hugging Face 与 Amazon SageMaker Studio 推出一键深链集成
Hugging Face 与 Amazon SageMaker AI 推出深链集成，支持在受支持的模型页点击 Customize on SageMaker AI 或 Deploy on SageMaker AI，直接进入已预载模型的 SageMaker Studio 微调或端点部署流程。
Berkeley AI Research精选AI 评分6666 Berkeley AI Research 观点：智能近乎免费后，面向、承载与由 Agent 构建的数据系统
UC Berkeley 研究者提出，AI 推理成本快速下降后，数据系统将面临 For、Of、By Agents 三类新挑战。GPT-4 级能力价格已从 2023 年初约每百万 token 30 美元降至 1 美元以下，部分供应商低于 0.10 美元；多 Agent 执行 text-to-SQL 任务时，80-90% 的子查询存在重复工作。
推荐理由：文章把推理成本下降转化为数据系统的三类研究议程，并给出重复查询、结构化记忆和系统合成等具体切入点。
Hugging Face Blog精选AI 评分7474 LeRobot v0.6.0 发布：加入世界模型策略、奖励模型 API 与六项仿真基准
Hugging Face 发布 LeRobot v0.6.0，围绕想象、评估和改进机器人学习闭环，新增 VLA-JEPA、FastWAM、LingBot-VA 世界模型策略，以及 GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT 等 VLA。
推荐理由：版本说明覆盖模型、奖励模型、数据集、评测和部署链路，可帮助机器人学习团队判断哪些新组件能接入现有训练流程。
Hugging Face Blog精选AI 评分6767 PRX 系列第4部分：Photoroom 的文生图模型数据策略
Photoroom 公开 PRX 7B 文生图模型的数据管线：混合公共与内部数据集，用 VLM 为全部图片重新生成详细长描述，再写成可流式训练的 MDS 语料。
推荐理由：文章拆解了7B文生图模型从数据探索、VLM重标注到分桶、过滤和去重的完整管线，工程取舍可直接参考。
Mistral AI精选AI 评分6868 Mistral AI 发布 Leanstral 1.5：119B 总参数、6B 激活参数的开源形式化证明模型
Mistral AI 发布 Apache-2.0 许可的 Leanstral 1.5，模型拥有 119B 总参数和 6B 激活参数，面向 Lean 4 形式化证明与代码验证，权重已在 Hugging Face 开源，并提供免费 API leanstral-1-5。
推荐理由：官方给出 Lean 4 形式化证明基准、代码验证案例和免费 API 入口，可帮助读者判断模型在真实证明工程中的适用边界。
Google ResearchAI 评分5757 Google Research 将 Heat Resilience 屋顶反射率数据扩展至 50 多个全球城市
Google Research 发布覆盖 50 多个全球城市的建筑级屋顶反射率数据集，并上线高分辨率 Heat Resilience Earth Engine App 供公众使用。
Hugging Face BlogAI 评分5050 Dharma AI 解读：为什么专业化是 AI 系统的必然选择
Dharma AI 解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 2026 年论文，借优化理论、演化生物学、竞争市场与机器学习论证 AI 系统必然走向专业化。无免费午餐定理表明通用算法不具性能优势，有限资源下集中投入特定任务才能胜出。
Google Research精选AI 评分7070 Google Research 发布表格数据零-shot 基础模型 TabFM
Google Research 推出面向表格数据分类和回归的基础模型 TabFM，可将整张表作为统一提示词，在单次前向传播中对未见过的表格生成零-shot 预测。
推荐理由：原文说明了 TabFM 的零-shot 表格预测机制、训练数据来源和 BigQuery 入口，便于理解其对传统表格建模流程的替代思路。
Hugging Face BlogAI 评分4242 DiScoFormer：一个跨分布同时估计密度与 score 的 Transformer 模型
Hugging Face 介绍 DiScoFormer，这是一个可在单次前向传播中同时估计分布密度与 score、无需按新分布重新训练的 Transformer 模型。模型用高斯混合模型训练，采用共享主干与密度、score 双输出头，并把 KDE 作为特殊情形。在 100 维任务中，其 score 误差较最佳手工调优 KDE 降低约 6.5x，密度误差降低超过 37x。
Google ResearchAI 评分4747 Google Research 提出线性弹性缓存，以滑雪租赁问题优化云端缓存成本
Google Research 提出线性弹性缓存，将页面淘汰建模为滑雪租赁问题，并利用轻量机器学习动态调整缓存大小。该方法已在 Spanner 生产环境测试，内存使用降低 15.5%，缓存未命中仅增加 5.5%，总拥有成本降低约 5%。相关论文发表于 CIDR。
Google Research精选AI 评分6565 Google Research 论文解析：推理如何唤醒大语言模型的参数化知识
Google Research 介绍将在 COLM 2026 发表的论文 Thinking to Recall，发现开启推理后，Gemini-2.5 Flash、Gemini-2.5 Pro 和 Qwen3-32B 能召回关闭推理时几乎无法得到的简单单跳事实答案。
推荐理由：文章用受控实验区分计算缓冲与事实启动两种机制，并审计中间事实幻觉对最终答案的影响，可帮助理解推理型模型的知识召回边界。
Google ResearchAI 评分4747 Google 提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests
Google 提出 Regularized f-Divergence Kernel Tests 框架，用于更敏感、灵活、准确地审计机器学习模型的机器遗忘效果，相关成果发表于 AISTATS 2026。该框架通过相对距离测试判断遗忘模型更接近安全重训模型还是原始受损模型，并利用 f-divergence 与核正则化降低计算成本。其理论上可在任意样本量下控制假阳性，并随样本增加让假阴性风险收敛至零。
Google DeepMind精选AI 评分8282 Google DeepMind 发布开源实验模型 DiffusionGemma，文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用 26B MoE 架构、推理时激活 3.8B 参数，并以 Apache 2.0 许可证在 Hugging Face 开放权重。
推荐理由：原文给出并行文本扩散的架构取舍、硬件门槛和本地推理速度，可帮助判断其适用场景。
Google Research精选AI 评分6464 Google Research 发布 PHRM 手机摄像头被动心率监测研究
Google Research 在 Nature 论文中提出 PHRM 研究系统，可在用户面部解锁手机后通过前置摄像头拍摄 8 秒面部视频，在日常使用中被动估计心率和每日静息心率。
推荐理由：文章给出跨肤色验证误差、真实环境测试和数据集开放方式，可帮助读者理解手机摄像头被动测心率的可行边界。
Google Research精选AI 评分6565 Google Research 在 GitHub 开源 Flood Hub 水文建模框架
Google Research 已在 GitHub 以 Apache 2.0 许可证开源支撑 Google Flood Hub 的水文建模框架，供研究人员和气象水文机构训练、微调 AI 洪水预报模型。
推荐理由：原文说明了框架的模型结构、训练数据和业务集成路径，便于水文机构评估如何接入本地预警流程。
Google ResearchAI 评分5252 Google Research 提出零信任聚合隐私分析方案，用于 Android SafetyCore 端侧模型评估
Google Research 发布零信任聚合隐私分析方案，通过单消息格基加密聚合协议与 TEE 证明结合，使服务器只能获得加噪后的匿名群体统计。设备无需多轮保持在线，原始数据不会在服务器内存或 TEE 中以明文重建；TEE 还可证明运行的是公开代码。该方案正与 Android SafetyCore 团队合作，用于评估安全分类器的元数据和真阳性率，同时让用户内容保留在设备本地。
Berkeley AI Research精选AI 评分6262 Berkeley BAIR 解析自适应并行推理如何提升推理扩展效率
Berkeley AI Research 发布综述，提出自适应并行推理让模型在推理时自行决定是否拆分任务、生成多少并行线程以及如何汇总结果。文章比较 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild!
推荐理由：文章梳理自适应并行推理的控制流、推理系统和奖励设计，可帮助读者理解降低长推理延迟的工程取舍。