Salesforce 在 Dreamforce 发布基于 NVIDIA Nemotron 3 Super 的 CRM 推理模型 Koa
Salesforce 在 Dreamforce 宣布首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 后训练，使用近 30 年企业 CRM 部署形成的专有合成数据集。
推荐理由：文章同时给出 Koa 的训练方式、CRM Bench 表现、试点客户与上线节奏，便于理解企业自研推理模型的落地路径。
数据与训练
全部主题训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
最新精选
第 41–60 条 · 共 84 条NVIDIA Blog精选AI 评分6565 NVIDIA Blog精选AI 评分6262 NVIDIA 介绍 DSX 如何提升 AI 工厂每兆瓦 token 产出
NVIDIA 在 AI Infra Summit 围绕 DSX 展示 AI 工厂电力调度能力，Lambda 在 HGX B200 集群验证 DSX MaxLPS 可在相同电力预算下提升 24% token 吞吐。
推荐理由：文章用 Lambda 的实测集群和电网需求响应案例，说明固定电力预算下提升 token 产出的具体路径。
Fireworks AI（网页）精选AI 评分7272 Fireworks 发布 DeepSeek-V4.1-Flash，DeepSWE 编码准确率接近 GPT-6 Astra 且单任务成本为 1/15
Fireworks 发布 DeepSeek-V4.1-Flash，并给出 DeepSWE、Terminal-Bench 2.1 与 HLE 评测。DeepSeek-V4.1-Flash 在 DeepSWE 上 Pass@1 为 74.34%，单任务成本 $0.430；GPT-6-Astra 为 74.12%、$6.524，二者质量接近而成本相差 15 倍。
推荐理由：文章用 DeepSWE、Terminal-Bench 2.1 和 HLE 对比成本与能力边界，并解释输入输出分离激活及 KV cache 优化。
Hugging Face Blog精选AI 评分6767 Hugging Face 教程：用 LoRA、Storage Bucket 和代理跨 HF Jobs 运行 Async GRPO
Hugging Face 介绍 TRL v1.14 的 AsyncGRPOTrainer LoRA 支持，并展示训练器与 vLLM 分离到不同 HF Jobs 的方案。
推荐理由：文章给出跨 HF Jobs 部署 Async GRPO 与 LoRA 的完整架构、代理路由方法和五次调优实验，便于复用到分布式 RL 训练工程。
Fireworks AI（网页）精选AI 评分6060 Fireworks AI 解读企业如何迈向专业化智能并训练自有模型
Fireworks AI 提出企业获得专业化智能通常会经历租用闭源前沿模型、围绕模型做提示词和 RAG 等工程、引入开源模型控制成本与延迟、最终训练自定义模型四个阶段。
推荐理由：文章把企业从租用闭源模型到训练自有模型的路径拆成四个阶段，并用 UIPad 成本与分类结果说明路由和微调的决策依据。
Fireworks AI（网页）精选AI 评分6262 Genspark 与 Fireworks Lab 发布 Gen-1 Slides，后训练 MiniMax M3 实现 Opus 5 级幻灯片生成
Genspark 与 Fireworks Lab 将开源多模态模型 MiniMax M3 后训练为 Gen-1 Slides，可端到端规划、撰写并自检幻灯片，现已作为 Genspark AI Slides Standard 模式默认模型上线。
推荐理由：文章给出了从 MiniMax M3 后训练到专用幻灯片模型的完整 RL 方法、成本对比和生产指标，适合了解长程智能体训练如何落地。
Mistral AI精选AI 评分7474 Mistral 完成 30 亿欧元 D 轮融资，投后估值超 210 亿欧元
Mistral 宣布完成 30 亿欧元 D 轮融资，投后估值超过 210 亿欧元，由 Samsung Electronics 领投，Scaleup Europe Fund 和 PSG Equity 共同领投。
推荐理由：官方披露了融资金额、估值、投资方与资金用途，可帮助读者理解 Mistral 围绕主权开放权重 AI 的扩张路径。
Google Research精选AI 评分6060 Google Research 与 HHMI Janelia 发布完整雄性果蝇脑和中枢神经系统连接组
Google Research 与 HHMI Janelia 等机构发布完整雄性果蝇脑和中枢神经系统连接组，包含超过 166,000 个神经元和 1.25 亿个突触连接，相关论文发表于 Cell。
推荐理由：文章给出完整雄性果蝇连接组的神经元与突触规模，并说明其如何支持雌雄差异和神经机制比较研究。
Hugging Face Blog精选AI 评分7272 用 TRL 和 OpenEnv 训练编码模型绘制水彩画的开源复现实践
作者在 Hugging Face 上用 TRL 与 OpenEnv 复现让语言模型编写 JavaScript、借助 p5.brush 绘制水彩画的方案，并公开参考池、RL 环境、训练脚本和模型。
推荐理由：文章把审美偏好转成可复现的 RL 训练流程，并公开数据集、环境、脚本和模型，适合借鉴主观奖励的工程搭建。
Hugging Face Blog精选AI 评分7070 用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出能力
Hugging Face 教程展示用 TRL 的 GRPO 对 LFM2.5-350M 做 100 步结构化输出微调，IFStruct 通过率从 22.6% 提升到 29.7%。
推荐理由：给出可在免费 GPU 复现的 GRPO 微调流程、奖励函数和 IFStruct 前后对比，适合参考小模型结构化输出优化。
Hugging Face Blog精选AI 评分6969 Allen AI 发布 BenchMIRT：用多维 IRT 审计 LLM 基准实际测量的能力
Allen AI 发布 BenchMIRT，用多维项目反应理论在单个提示词层面审计 LLM 基准，区分题目分数背后的安全和通用推理等能力信号。方法基于 100 个 LLM、16 个基准和超过 34K 个问题的结果训练，在未标注基准目标的情况下恢复出安全与通用推理两个主导维度。
推荐理由：方法把基准拆到单题层面分析，适合用来理解总分背后安全与推理等能力信号的混合方式。
Google Research精选AI 评分6060 Google Research 发布 MAPL-EMIT 深度学习框架，用 EMIT 卫星高光谱数据绘制全球甲烷点源排放
Google Research 与 NASA JPL 合作提出 MAPL-EMIT 深度学习框架，用于自动检测、增强预测和定位全球甲烷羽流，相关论文发表于 PNAS。
推荐理由：文章给出模型架构、84%召回率和开放数据入口，可帮助读者了解深度学习如何把高光谱卫星观测转化为设施级甲烷排放定位。
Google Research精选AI 评分6767 Google Research 发布 TimesFM-3：支持零样本多变量时间序列预测
Google Research 发布时间序列基础模型 TimesFM-3，原生支持零样本多变量预测，可在一次前向传播中联合预测多条相关时间序列。该模型拥有 330 million 参数，在超过 1 trillion 个时间点的真实与合成语料上预训练，支持多目标、历史协变量和已知未来协变量，并输出 10th 至 90th percentile 的 9 个分位数。
推荐理由：文章说明了 TimesFM-3 从单变量扩展到多变量预测的架构变化，并给出公开基准表现与 GitHub、Hugging Face 获取入口。
Fireworks AI（网页）精选AI 评分6767 Fireworks AI 宣布 Training API 与 Fireworks Lab 正式可用
Fireworks AI 宣布 Training API 和 Fireworks Lab 正式可用，Training API 可把用户用 Python 编排的自定义训练循环接入 Fireworks 托管的分布式训练与 rollout 基础设施。
推荐理由：文章说明了 Training API 的自定义训练循环、Serverless 与 Dedicated 两种算力模式，以及训练和推理一体化部署方式，便于评估后训练工程接入路径。
Google Research精选AI 评分6262 Google Earth AI 推出实验性研究能力 Planetary Prediction Engine，自动化全球地理空间建模
Google Research 介绍 Google Earth AI 旗下实验性研究能力 Planetary Prediction Engine（PPE），可根据自然语言查询自动完成地理空间数据发现、清洗、特征工程、模型训练与评估，并生成报告。
推荐理由：文章给出了自动化地理空间建模的三阶段流程，并在公共卫生、粮食安全和疫情预测任务中提供了可对比的基准结果。
Fireworks AI（网页）精选AI 评分6060 Harvey 与 Fireworks 基于 Kimi K3 后训练法律模型 Tenet
Harvey 发布首个模型 Tenet，并与 Fireworks 合作基于 Kimi K3，通过 Fireworks Training API 的异步强化学习完成面向长流程法律工作的后训练。
推荐理由：文章给出 Tenet 在法律智能体任务上的训练方式、评测分数和单任务成本，可用于判断后训练对长流程专业工作的实际增益。
Hugging Face Blog精选AI 评分6767 Sentence Transformers 多向量嵌入模型训练与微调指南
Sentence Transformers v6.0 引入 MultiVectorEncoder，支持 ColBERT 风格的晚交互检索模型训练与微调。
Hugging Face Blog精选AI 评分8282 IBM 发布 Granite 4.2 推理大模型家族并说明构建方法
IBM 发布 Granite 4.2 稠密 decoder-only 推理大模型家族，包含 3B、8B、30B 三种规格，并以 Apache 2.0 许可证开放。
推荐理由：文章系统拆解 Granite 4.2 从预训练、SFT 到多阶段 RL 的训练路径，可用于理解推理模型与智能体能力如何分层构建。
Hugging Face Blog精选AI 评分6565 ALTK-Evolve 研究：AI 智能体需要多少记忆应按模型能力校准
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve 的智能体记忆研究：从智能体过往轨迹蒸馏可复用准则，并在推理时注入，不更新权重也不需要人工标注。
推荐理由：文章用 8 个模型和 AppWorld 任务说明智能体记忆剂量需按模型能力校准，并给出准确率与 token 成本对照。
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。