DoubtBench 发布:用人类分歧评测 System One 模型的不确定性
DoubtBench 是一个基于 NVIDIA HelpSteer2 多人标注数据构建的基准,把标注者的分歧转化为约 7,500 道 Score、Choice 和 Noul 题目,同时考察模型答对率和概率是否与人类分歧对齐。
推荐理由:DoubtBench 用 HelpSteer2 的多人标注衡量模型概率是否与人类分歧一致,并给出可复现的评测命令与榜单。
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。
DoubtBench 是一个基于 NVIDIA HelpSteer2 多人标注数据构建的基准,把标注者的分歧转化为约 7,500 道 Score、Choice 和 Noul 题目,同时考察模型答对率和概率是否与人类分歧对齐。
推荐理由:DoubtBench 用 HelpSteer2 的多人标注衡量模型概率是否与人类分歧一致,并给出可复现的评测命令与榜单。
DoubtBench 是一个基于 NVIDIA HelpSteer2 的基准,把多位标注者的评分分歧转成约 7,500 道 Score、Choice 和 Noul 题目,同时考察模型答对率和概率是否与人类分歧一致。
推荐理由:DoubtBench 用人类标注分歧而非单一答案来评测模型不确定性,并给出可复现的提交与运行方式。
华为常务董事余承东发布视频称,华为半导体已在手机、AI、通用计算、网络、智能汽车等多个领域成功设计并量产381款τ芯片。这一路径源自华为今年5月提出的韬(τ)定律,以时间缩微替代几何缩微,通过逻辑折叠等技术压缩信号传播时延,覆盖器件、电路、芯片到系统四个层面。华为预计到2031年,基于韬定律的高端芯片晶体管密度将达到1.4纳米制程的同等水平。
推荐理由:华为高管披露韬定律下已量产381款τ芯片,并给出以时间缩微替代几何缩微的技术路径与2031年目标。
DeepSeek 弹性计算团队大量招聘 HC,尤其需要资深工程师,并同步公开技术分享《DeepSeek 弹性计算(DSec):面向大规模 Agent 训练的沙盒基础设施》。
推荐理由:DeepSeek 弹性计算团队扩招,同时披露 DSec 沙盒基础设施的生产规模与优化细节,可了解其 Agent 训练底座。
Google DeepMind 发布 SynthID Bio,将 SynthID 水印技术扩展到合成生物学,可在不损害生物功能的前提下把不可感知的签名嵌入生物代码,并能在合成出的实体蛋白质上验证。
推荐理由:SynthID 水印从图像扩展到合成生物,读者可了解其在 DNA 合成筛查与数据库标注中的验证层作用。
CoreWeave 宣布 NVIDIA Vera Rubin NVL72 系统搭配 Spectrum-X 102.4T 以太网在 CoreWeave Cloud 上可用,Cognition 成为首个在生产负载上运行该系统的客户。
推荐理由:CoreWeave 上线 Vera Rubin NVL72 并公布 Devin 实测吞吐数据,读者可据此判断智能体编码负载的算力成本走向。
Google 研究团队提出 Diffusion Controller 框架,通过数学控制与图像生成模型结合,简化 AI 图像生成过程,提高图像生成质量和用户满意度。
推荐理由:Diffusion Controller 框架通过数学控制与图像生成模型结合,为图像生成提供了统一的框架,有助于提高图像生成质量和用户满意度。
微软研究院推出 Quine,一个面向生物学复杂性的 AI 研究系统,由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究,预测并优先排序数千种化合物,最高排名化合物在湿实验中产生了最大的经典态向基底态转变,从缩小搜索空间到选出候选验证仅用一个周末。
推荐理由:微软研究院公开 Quine 的生物世界模型与实验闭环,并给出胰腺癌化合物筛选的湿实验验证结果。
AMD 宣布以约 82 亿美元全股票交易收购李飞飞创办的 World Labs,预计 2026 年底前完成交割,仍需通过监管审批;交割后李飞飞将出任 AMD 执行副总裁兼首席科学家,直接向 CEO 苏姿丰汇报。
推荐理由:文章把 AMD 收购 World Labs 与英伟达此前的收购放在一起比较,解释芯片公司为何要买模型团队。
AMD 正式宣布以全股票方式收购李飞飞创立两年的 World Labs,作价约 82 亿美元,双方已签署最终协议,预计 2026 年底前完成交易,仍须获得监管批准。
推荐理由:AMD 以 82 亿美元收购 World Labs,读者可借此理解芯片厂商为何提前押注空间智能与机器人仿真这类新工作负载。
NVIDIA 加入由 Google DeepMind、EMBL-EBI 等组成的全球研究联盟,通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构,供任何科学家免费使用。
推荐理由:NVIDIA 联合 Google DeepMind 等机构开放 2800 多种病毒的蛋白复合物结构预测,读者可了解开放科学在疫情准备中的具体做法。
小米发布 MiMo-V2.6 系列,包含原生全模态模型 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash,并推出输出速度最高提升 20 倍的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由:小米首次进入前沿开源模型序列,其 RL 环境与训练配方开源,为理解后训练成本结构提供了具体样本。
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览结果,在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍,在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由:MLPerf Inference v6.1 结果给出 Vera Rubin NVL72 相对 GB300 的吞吐与扩展效率数字,可用于比较两代平台的推理经济性。
Google 研究团队提出 Retrieve-for-Train 框架,通过强化学习和扩散模型加速复杂 AI 搜索,有效解决传统 LLM 在搜索任务中的瓶颈问题。
推荐理由:原文提出了 Retrieve-for-Train 框架,通过强化学习和扩散模型加速复杂 AI 搜索,读者可以了解其原理和应用效果。
Google Research 发布了 ToolGrad,一种高效的工具使用数据集生成方法,通过文本梯度迭代构建复杂、有效的API工作流程,提高了数据生成效率和模型性能。
推荐理由:ToolGrad 通过文本梯度迭代构建复杂、有效的API工作流程,提高了数据生成效率和模型性能。
OpenAI 在 ChatGPT Work 中推出 Data agent,面向所有用户开放。该功能支持接入公司数据、用自然语言让 AI 挖掘洞察并构建交互式仪表盘。
推荐理由:OpenAI 在 ChatGPT Work 中上线 Data agent,读者可了解企业数据接入与自然语言建看板的新入口。
Google DeepMind 发布 AlphaGenome Atlas,一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台,规模达 1PB,是 AlphaFold Database 的 30 倍以上,已通过网站门户免费开放给学术研究使用。
推荐理由:AlphaGenome Atlas 把 90 亿个单核苷酸变异的预测结果做成可检索资源,读者可据此了解基因组变异解读的规模化路径。
Google Research 与合作伙伴共同发布了果蝇雄性大脑和中央神经系统的完整连接图,这是迄今为止最大的大脑图谱,为神经科学研究提供了重要资源。
推荐理由:该研究发布了果蝇大脑的完整连接图,为神经科学研究提供了重要资源,并可能对理解人类大脑和神经疾病产生影响。
Google Research发布了一篇论文,描述了一种利用深度学习技术从空间监测全球甲烷排放的新方法,该方法名为MAPL-EMIT,可自动检测、增强预测和估计甲烷羽流。
推荐理由:该研究利用深度学习技术从空间监测甲烷排放,为全球气候治理提供了一种新的方法,具有潜在的应用价值。
Google Research 发布了 TimesFM-3,这是一种先进的零样本时间序列基础模型,能够在单次前向传递中实现高度准确的多变量时间序列预测。该模型在多个公开基准测试中取得了最先进的性能。
推荐理由:TimesFM-3 在多个公开基准测试中取得了最先进的多元和单变量预测性能,为时间序列预测领域带来了突破。