AWS SageMaker AI多轮强化学习实践指南
AWS发布多轮强化学习(MTRL)教程，指导用户如何在SageMaker AI上训练AgentCore智能体，使其能够处理需要序列决策的任务。教程以Wordle游戏为例，展示了从环境部署、数据准备到模型训练和评估的完整流程，使用GPT-OSS-20B模型将解决率从61%提升到84%，训练成本约339美元。
推荐理由：多轮强化学习让模型从单次回答转向序列决策，AWS教程展示了如何用SageMaker训练AgentCore智能体。
#推理科技财经热点 · 每日精选
自动盯住上百个信源，用模型摘要、打分、精选，把同一件事的多篇报道归到一起，每天早上出一份日报。聚焦机器人、AI 与财经投资。
今日脉搏
具身智能专栏 →416今日入库
6 条进入精选
45/47 信源在线· 2 异常
近 14 天入库走势
近 7 天分类构成
行业 1301财经 1142硬件本体 875AI 产品 752AI 模型 263其他 387
AWS Machine Learning Blog精选AI 评分7575
Hugging Face Blog精选AI 评分8585 NVIDIA发布Kumo Relational：无需训练即可在关系数据库上进行预测的基础模型
NVIDIA发布Kumo Relational，这是一种预训练的关系基础模型，可直接在企业数据库上进行预测，无需任务特定训练、特征工程或表格扁平化。该模型在41项任务中超越监督学习模型，在SAP SALT企业基准测试上比AutoGluon集成模型高出8%的平均倒数排名(MRR)，可扩展至500B+行数据库的规模。
推荐理由：无需训练即可直接在企业数据库上进行预测，Kumo Relational在41项任务中超越监督学习模型，标志着结构化数据基础模型的新阶段。
Hugging Face Blog精选AI 评分7878 IBM 发布 Granite Switch 4.1 多模态模型
IBM 发布 Granite Switch 4.1 模型，整合了聊天、决策和语音识别功能，支持从单一端点切换任务。该模型包含新的决策 aLoRA、Guardian aLoRA 和 Granite-Speech-5.0-Turbo-CTC，在安全决策任务上优于多个竞争模型，并可在单个 GPU 上实时运行多种任务。
推荐理由：原文提供了多模态能力整合和性能对比，读者可据此评估其在实际应用中的效率优势。
AWS Machine Learning Blog精选AI 评分6868 Meta的Muse Spark Open模型现已可在Amazon SageMaker JumpStart中使用
Meta的Muse Spark Open编码优化模型现已可在Amazon SageMaker JumpStart中部署，支持1M token上下文窗口，提供BF16和NVFP4两种变体。用户可通过SageMaker Studio或Python SDK在AWS账户中部署该模型，用于代码助手、长时间运行的编码代理和多模态工程工作流。
推荐理由：原文提供了在AWS SageMaker上部署Meta的Muse Spark Open模型的具体步骤和能力说明。
Hugging Face Blog精选AI 评分7878 LiquidAI 发布 LFM2.5-24B-A2B 推理模型
LiquidAI 发布 LFM2.5-24B-A2B 推理模型，这是一个24B参数但仅2B活跃参数的模型，专为在设备上快速、私密运行智能体而设计。该模型在16项基准测试中表现出色，在工具使用和智能体工作流方面领先或匹敌更大规模的模型，推理速度在Apple M5 Max上达到184 tok/s，在NVIDIA B300 GPU上可达21K输出tok/s。
推荐理由：模型以2B活跃参数实现推理能力，在设备上运行速度快且成本低，适合构建本地智能体。
AWS Machine Learning Blog精选AI 评分7070 AWS在Amazon SageMaker AI上实现MoE模型的内核工程优化
AWS详细介绍了在Amazon SageMaker AI上对Mixture-of-Experts (MoE)模型的内核优化技术，包括Swap-AB矩阵转置优化、FP8张量量化后端路由选择以及Triton JIT重新编译消除等方法，这些优化使MoE模型在H200上实现了高达10%的吞吐量提升和9%的首个token生成速度提升。
推荐理由：原文详细介绍了AWS在SageMaker AI上对MoE模型的内核优化技术，提供了具体实现方法和性能提升数据。
AWS Machine Learning Blog精选AI 评分6565 AWS使用Ray LLM Deep Learning Containers实现多节点推理工作负载
AWS展示了如何在Amazon EKS上使用多节点Ray LLM Deep Learning Containers部署一个大语言模型，通过分离prefill和decode阶段到两个GPU节点来提高推理性能。文章详细介绍了架构设计、部署步骤和配置方法，包括使用NIXL和EFA进行节点间KV缓存传输。
推荐理由：原文提供了在AWS EKS上使用Ray LLM容器实现多节点推理的具体步骤和配置方法。
Google Research精选AI 评分7070 AI辅助会增强还是削弱专业能力？来自专利起草三个月实地实验的证据
Google Research发表了一项为期三个月的实地实验，研究AI辅助对专利律师专业能力的影响。实验发现AI工具短期内显著提高了律师起草专利的质量，但移除AI后，初级律师的专业判断能力并未提升，而高级律师则表现出明显的进步。研究强调，提高工作质量和构建持久专业判断可能是不同的目标，尤其对初级专业人士而言。
推荐理由：研究揭示了AI对专业能力发展的复杂影响，为AI工具设计提供了重要参考。
Hugging Face Blog精选AI 评分8585 Nemotron 模型在 IOI 和 IMO 竞赛中均获金牌级成绩
NVIDIA 研究团队通过微调 Nemotron 模型，使其在国际信息学奥林匹克竞赛(IOI 2026)中获得 535.4/600 分，在国际数学奥林匹克竞赛(IMO 2026)中获得 30/42 分，均超过金牌分数线。团队使用了监督微调(SFT)、强化学习(RL)和生成-验证-改进的推理循环，并将相关模型、数据集和基准测试开源在 Hugging Face 上。
推荐理由：展示了如何通过微调和推理循环将基础模型适配至竞赛金牌水平，提供了可复用的专业领域模型构建方法。
AWS Machine Learning Blog精选AI 评分7272 AWS 发布 SageMaker 优化推理技能，为编码智能体提供专业支持
AWS 发布 aws-ai-ml 技能，通过 Agent Toolkit for AWS 为 Kiro、Claude Code 和 Codex 等编码智能体提供 SageMaker AI 推理优化和基准测试能力。该技能可帮助用户基准测试端点、推荐部署配置、比较性能运行，并生成可执行的 SageMaker Python SDK v3 代码，无需专业知识即可完成模型到生产的优化过程。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
AWS Machine Learning Blog精选AI 评分6565 使用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性和有用性
AWS 发布了使用 Amazon Bedrock AgentCore 评估多智能体系统可解释性和有用性的教程，展示了如何构建、连接和优化大规模智能体系统。文章介绍了一个三层评估方法，包括内置评估器、自定义评估器和可解释性评估器，并通过 AnyCompany 零售公司的供应链决策系统案例演示了如何在实际应用中评估智能体的性能。
推荐理由：原文提供了多智能体系统评估的完整框架和实现方法，读者可据此构建自己的评估体系。
NVIDIA Blog精选AI 评分6565 NVIDIA GPU加速OpenAI GPT-6 Astra Ultrafast模型
OpenAI推出GPT-6 Astra Ultrafast，在NVIDIA Blackwell GPU上运行，token生成速度比标准模式快8倍。开发者可通过API使用该模型，缩短编码编辑-测试-调试周期，提升交互应用响应速度。
推荐理由：原文说明了NVIDIA GPU如何加速OpenAI GPT-6 Astra Ultrafast的性能提升，读者可了解硬件与模型协同优化的实际效果。
Google DeepMind精选AI 评分8585 Google DeepMind发布Gemini 4 Argon模型
Google DeepMind发布Gemini 4 Argon模型，在软件工程、企业知识工作和网络安全领域展现出前沿性能，输出token限制提升至100万，定价为输入token每百万2美元，输出token每百万10美元。
推荐理由：原文提供了Gemini 4 Argon在软件工程、企业工作和网络安全方面的具体能力变化和评测数据。
Google Research精选AI 评分7070 Google Research提出Retrieve-for-Train框架加速复杂AI搜索
Google Research在ICML 2026论文中提出Retrieve-for-Train框架，通过离线强化学习将查询分解行为编译为监督，使用轻量级扩散检索器实现单次查询扩展，推理速度提升12-20倍，同时保持结果多样性和数据库相关性。
推荐理由：原文提出了Retrieve-for-Train框架，通过离线强化学习解决AI搜索中的推理瓶颈问题。
Microsoft Research精选AI 评分6565 MindTopo揭示多模态模型的拓扑推理能力
微软研究团队推出MindTopo基准测试，评估多模态大语言模型在拓扑推理方面的能力。研究发现当前模型在静态识别任务上表现优于交互式规划任务，表明它们难以在动态环境中保持对拓扑关系的一致理解。MindTopo包含连续性、分离、顺序、包围和结点五个类别的推理和规划任务，为改进机器人和交互环境中的AI系统提供了重要诊断工具。
推荐理由：MindTopo揭示了多模态模型在拓扑推理方面的显著差距，为改进AI空间理解能力提供了新方向。
Berkeley AI Research精选AI 评分7070 ABBEL：教会大语言模型更新信念以实现高效长程交互
加州大学伯克利分校研究团队提出ABBEL框架，通过自然语言信念状态替代完整交互历史，解决了长程任务中上下文压缩导致的性能下降问题。在CollabBench协作编码环境中，使用信念分级(ABBEL-rec-BG)将性能差距缩小约50%，同时训练步数减少50%。
推荐理由：原文提出了ABBEL框架，通过信念状态管理解决长上下文交互中的性能问题。
Berkeley AI Research精选AI 评分8080 自适应并行推理：高效推理扩展的新范式
加州大学伯克利分校研究团队详细分析了自适应并行推理(APR)领域的最新进展，探讨了模型如何自主决定何时分解和并行化子任务。文章比较了从固定并行到自适应控制的多种方法，包括ThreadWeaver、Multiverse和Parallel-R1等，并讨论了训练模型使用并行推理的技术挑战和奖励机制设计。
推荐理由：原文系统梳理了自适应并行推理的最新进展，为理解推理效率优化提供了全面视角。
Berkeley AI Research精选AI 评分7070 GRASP：基于梯度的世界模型长时程规划方法
伯克利AI研究团队提出GRASP方法，通过提升轨迹到虚拟状态、添加状态噪声和重塑梯度来解决长时程世界模型规划的脆弱性问题。该方法在长时程任务中取得了更高的成功率和更快的收敛速度。
推荐理由：原文提出了GRASP方法解决长时程规划中的梯度问题，读者可了解如何优化世界模型规划。
Berkeley AI Research精选AI 评分7070 SPEX：面向大规模LLM的交互识别算法
伯克利AI研究团队提出SPEX和ProxySPEX算法，能够高效识别大规模LLM中的关键交互。这些算法利用信号处理和编码理论，通过选择性消除(ablation)技术，在保持高保真度的同时，将交互分析规模从数十个扩展到数千个组件。SPEX在特征归因、数据归因和模型组件归因三个领域展示了其有效性，特别是在处理长上下文输入和识别训练数据中的协同与冗余交互方面表现出色。
推荐理由：SPEX和ProxySPEX算法解决了大规模LLM交互识别的计算难题，为模型解释性提供了新方法。
已经到底了