Flo Health 如何借助 Databricks AI Runtime 打造更安全、更实用的开放模型

Flo Health 基于 Databricks AI Runtime，在无服务器 NVIDIA H100 GPU 上构建开放模型后训练流程，以兼顾医疗安全与实用性。该方案使用 26 个 AI 评委、生成逾 15,000 个隐私优先的合成问题，并结合监督微调与 DPO；团队预计推理成本较前沿模型 API 降低一个数量级。

Microsoft Research 提出 StudentSim：用个性化学生模拟器改进 AI 辅导系统

Microsoft Research 发布研究系统 StudentSim，用公开且去标识化的学习者记录为每名学生训练个性化 AI 学生模拟器，以便在真实学习者测试前评估和改进 AI 辅导系统。

从后训练到生产：TinyFish 如何在 Databricks AI Runtime 上运行其 web-native 模型

TinyFish 基于 Databricks AI Runtime 构建 web-native 模型的训练、评估与部署流程，使用托管 GPU 进行微调和 DPO，并通过 MLflow 评估完整智能体任务表现。

用 ML Intern 自建缺失模型：6 个项目的提示词与训练实践

作者通过 HuggingChat 中的 ML-intern 在几天内构建并公开发布 6 个模型，总计算成本约 USD 103，项目覆盖柑橘病害视觉模型、FLUX.2 klein LoRA、Qwen-Image 2.1 视角与涂鸦 LoRA、0.8B 提示词改写模型和 4 步 Agate 蒸馏模型。

Databricks 解析生物医学影像瓶颈：关键在数据而非模型

Databricks 提出生物医学影像 AI 的核心瓶颈不是模型，而是 DICOM 与病理切片等数据被锁在 PACS/VNA 中，难以查询、去标识、共享和跨机构复用。

GitHub 推出 ModernBERT 通用密钥检测模型，扩展 push protection 至非结构化密钥

GitHub 发布与 Microsoft Applied Sciences 合作构建的 ModernBERT 通用密钥检测分类器，把 push protection 扩展到无固定模式的非结构化密钥。

Microsoft Research Asia 开源 Agent Lightning v1.0，用约 3,500 行代码训练真实 harness 智能体

Microsoft Research Asia 发布并开源 Agent Lightning v1.0，提出 Harnessed Agentic RL，让部署时使用的同一 agent harness 直接参与强化学习，无需在训练框架中重写智能体。

Nemotron 经微调在 IOI 2026 与 IMO 2026 达到金牌水平

NVIDIA 与 Hugging Face 团队基于 Nemotron 3，通过 SFT、RL 和反馈驱动推理构建专精系统，在 IOI 2026 取得 535.4/600，在 IMO 2026 取得 30/42，均超过金牌线。

Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2

Google DeepMind 发布 EmbeddingGemma 2，这是基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数多模态嵌入模型，可将代码、文本、图像、视频和音频映射到统一嵌入空间。

OpenAI 与 Ironclad 合作推进 AI 智能体的计算机使用能力

OpenAI 与 Ironclad 合作，将合同工作流转化为训练与评测任务，GPT‑6 Astra 成为首个基于 Ironclad 任务训练的前沿模型。在 11 项研究任务中，GPT‑6 Astra 平均得分 55.0%，高于 GPT‑5.6 Sol 的 41.6%，平均每次尝试耗时从 37.0 分钟降至 19.2 分钟。

Lakehouse 是更好的数据仓库：2026 年基准测试与实证

Databricks 以 2026 年基准测试、客户案例和架构分析论证 Lakehouse 已在 SQL 性能上追平传统数据仓库，并可同时服务 BI、ML、流处理与 AI 智能体。其生产 SQL 工作负载较 2022 年基线快 77%，Lakehouse//RT 可低至 10 ms、达 12,000 QPS；Lumen 迁移 133 TB 后查询性能提升 90%、计算成本降低 30-40%。

Microsoft Research 研究员 Jennifer Neville 谈 AI 评测失败与多轮交互局限

Microsoft Research 合伙人研究经理 Jennifer Neville 在播客中讨论 AI 系统在真实工作环境中的评测、失败与改进方向。她的团队研究多轮交互、协作环境和长周期任务，发现 LLM 在任务要求经多轮逐步澄清时性能会明显下降，长流程文档编辑中未被发现的错误还会累积。

Google Earth AI 用 PDFM 行星级地理空间基础模型支持全球公共卫生研究

Google Research 介绍 Google Earth AI 的 Population Dynamics Foundation Model（PDFM），将隐私保护的搜索趋势、人口流动、建成环境和环境因素压缩为按月更新的位置嵌入向量，并作为即插即用输入接入现有公共卫生模型。

电信运营商为何将 AI 战略建立在开放模型之上

NVIDIA 报告显示，89% 的电信业受访者认为开源模型和软件对其 AI 战略重要，开放模型在成本、定制、可信治理和灵活部署上具备五重价值。NVIDIA 推出 30B 参数的 Nemotron 3 Large Telco Model（LTM），并发布基于 NVIDIA NeMo 的端到端微调方案。SoftBank、AT&T、Indosat 等运营商正借助开放模型构建网络运维与本地化 AI 服务。

TII 发布 Falcon-Emirati-7B：面向阿联酋方言与文化理解的大语言模型

TII 基于 Falcon-H1-Arabic 的 7B 版本推出方言专用模型 Falcon-Emirati-7B，面向阿联酋阿拉伯语的词汇、语气和文化语境。训练数据结合阿联酋方言网页、关于阿联酋文化的现代标准阿拉伯语材料，以及按词汇表和风格规则约束生成的合成数据，并通过持续预训练、SFT 和偏好优化等阶段实验确定配方。

NVIDIA Inception 初创企业如何用 AI 弥补乳腺癌诊疗缺口

NVIDIA Inception 项目中的多家初创公司正借助 NVIDIA AI 基础设施，在乳腺影像、风险评估和治疗规划环节开发 AI 应用。

Databricks 如何用 REGISTER 与 UNREGISTER API 防止数据目录锁定、实现数据可移植性

Databricks 介绍通过 REGISTER 与 UNREGISTER API 在不同目录间交接 Apache Iceberg 表，无需重写、导出或复制任何文件。

Databricks Genie One 如何借本体与 AI 智能体守护买方 NAV 完整性与费率利润

Databricks 推出面向资管财务的 Genie One，基于 Genie Ontology 提供可溯源回答，并由 Genie Agents 夜间完成文件摄取、头寸对账与初稿 NAV。BCG 2026 研究估计，智能体工作流可提升投资运营产能 55% 至 65%、降低约 40% 运营成本。

Amazon SageMaker AI 教程：用多轮 RL 微调搜索智能体

AWS 团队演示用 Amazon SageMaker AI MTRL 微调 Qwen3.6-27B 搜索智能体，让模型在 BM25 与向量搜索工具之间完成多轮检索。

Ai2 开源 AstaBrief 8B 科研报告生成模型

Ai2 开源 AstaBrief 8B 及训练数据，该模型基于 Qwen3-8B，可根据研究问题和检索文献片段一次性生成带引用报告，并已在 Asta 的 Generate a report 中作为 Fast mode 上线。

如何选择首个 Genie Agents 以实现最大影响

Databricks 提出一套经实际部署验证的 Genie Agents 选型方法，用业务影响、需求重复性、数据与元数据就绪度、范围清晰度、治理与风险适配五项指标按 1–5 分评估候选工作流。总分 20–25 可立即构建，14–19 需先打磨，低于 14 暂不适合，且没有业务负责人或高管支持者应暂缓。

Google 发布基于 TEE 的新一代联邦学习系统，Gboard 已用于英文和日文下一词预测

Google 发布基于可信执行环境 TEE 的新一代联邦学习系统，用远程证明、机密性和完整性机制提供可验证、可审计的数据匿名化保证，并提升隐私保障与模型准确率。

ServiceNow CoreAI 介绍 AutoSynthData：把企业智能体失败转化为训练数据

ServiceNow CoreAI 介绍 AutoSynthData，用目标模型的失败和更强教师模型的成功轨迹生成并验证企业智能体训练任务。流程先从诊断任务提炼能力规格卡，再分 Target 和 Multiply 两阶段生成任务，通过正反向验证、有限修复和批次级覆盖审查后用于 SFT。

强化学习：为什么数值对齐与 MoE 路由对齐至关重要

Fireworks AI 的 GLM 5.2 强化学习实验显示，训练器与 rollout 引擎未做数值对齐时，奖励在约第 20 步从约 0.9 崩至 0.2 以下，对齐后 25 步保持稳定。

Amazon Payments 如何在 AWS 上用上下文老虎机优化获客漏斗个性化转化

Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机优化产品获客漏斗的内容选择，并在 7 周线上 A/B 测试中看到一类客户最终漏斗转化获得高个位数百分比相对提升，另一类客户没有改善。

uniopen 如何定制 Amazon Nova 以适配零售内容审核策略并投入生产部署

uniopen 基于 Amazon Nova 2 Lite，通过 Amazon SageMaker AI 监督微调和提示词输出优化，将模型适配其零售内容审核策略并用于生产。

Olmo-core 3 发布：面向万亿参数 MoE 的开放可扩展训练基础设施

AllenAI 发布 Olmo-core 3，这是面向大型 MoE 大语言模型的开放训练框架升级，可扩展到万亿参数范围并保持计算效率。

高效、耐用、可复用：NVIDIA AI 工厂如何最大化投资回报

NVIDIA 提出 AI 工厂回报取决于盈利能力、使用寿命与 token 需求，并通过高生产率、耐用性和可复用性最大化投资回报。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量较 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本最高降低 45 倍。

Runway@runwaymlAI 评分5353

Runway 发布开放权重世界动作模型 Praxis-1，将视频预训练能力用于机器人的真实世界控制。Praxis-1 基于大规模视频预训练和实时基础设施，可作为机器人开发者与研究人员的策略模型，适配不同实体形态和复杂环境。

CoreWeave 在 CoreWeave Cloud 推出 NVIDIA Vera Rubin NVL72、Vera CPU 与 Forge 智能体开发环境

CoreWeave 宣布在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72 系统，并搭配 Spectrum-X 102.4T Ethernet；Cognition 是首个在 Vera Rubin 上运行生产工作负载的客户。

Databricks 如何在发布首日向 12,000 名员工推出前沿模型

Databricks 介绍了基于 Unity Gateway 的新模型上线流程：首日以实验模式向全员开放，通过每用户预算限制支出，再依据私有基准、用户反馈和 OpenTelemetry 成本追踪决定推广或下架。

Diffusion Controller 如何统一并简化 AI 图像生成

Google Research 提出 Diffusion Controller 框架，将扩散模型去噪过程重构为连续控制问题，用轻量附加网络在不改动基座模型的情况下引导图像生成。其完全解锁版本相对基线模型取得 90% 胜率；实验基于 Stable Diffusion v1.4，采用 HPS-v2 评估，并覆盖 SFT、RWL、PPO 三种微调方式。

NVIDIA 发布开源表格基础模型 Kumo Tabular

NVIDIA 发布开源表格基础模型 Kumo Tabular，可在单次前向传播中完成分类和回归预测，无需训练、调参或特征工程。

OpenAI 提出前沿 AI 训练安全案例框架

OpenAI 提出面向前沿强化学习训练的安全案例初步框架，主张继续训练前应形成结构化、基于证据的风险论证。框架覆盖对齐训练、沙箱隔离与监控三类技术防护，并要求异议评审、高层否决、暂停机制、审计、升级流程和残余风险清单。OpenAI 还建议严重失配事件调查保持内部透明、追溯训练根因、开展复盘、形成回归评测，并在调查结束后公开结果和运营调整。

Databricks 如何在首日向 14,000 名员工推出前沿模型

Databricks 介绍了通过 Unity Gateway 在新模型发布首日向员工开放实验性访问、按用户预算控制成本，并在三天内依据基准、用户反馈和 OpenTelemetry 成本追踪决定是否推广的流程。

Databricks 为 Lakebase Postgres 推出 Lakebase Search，支持向量与 BM25 全文检索

Databricks 发布 Lakebase Search，通过 lakebase_vector 和 lakebase_text 两个扩展为 Lakebase Postgres 提供可扩展近似向量检索与 BM25 全文检索，两项能力已在 AWS 和 Azure GA。

Databricks 如何用数据与 AI 连接制造业产品价值链

Databricks 提出借助 Data and AI Platform 打通制造业产品价值链，将分散在 MES、ERP、QMS、CRM 等系统中的研发、采购、生产、物流、销售与售后数据连接起来。平台以序列号、批次或零件号作为共享标识，并通过 zero-copy Open Sharing、Lakehouse Federation 等能力在无需大规模迁移源系统的情况下实现跨系统查询与追溯。

营销与数据工程最常误解的 24 个营销数据术语

Databricks 指南梳理了营销与数据工程团队常产生分歧的 24 个营销数据术语，并围绕活动执行中的五个实际问题组织内容。指南对比了双方对 Event、Customer、Segment、Audience、Activation 等术语的不同理解，建议团队在工作开始前统一定义、确认数据来源与身份口径，以避免活动返工和额外成本。

Hugging Face Hub 推出 RL Environments 专区与框架标签

Hugging Face Hub 推出 RL Environments 筛选入口，用带 rl-environment 标签的数据集仓库承载强化学习环境，无需新仓库类型、注册表或报名。

Amazon EKS 结合 EFA 与 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%

AWS 提出基于 Amazon EKS、EFA 与 DeepEP 的架构，用于大规模扩展 MoE 模型的 RLHF/GRPO 强化学习训练，吞吐量提升 40%。该方案协调 rollout 生成与策略训练的异构算力，并优化跨节点专家并行 all-to-all 通信。