NVIDIA Research 与 Inferact 发布 REINFORCE Zero 论文，通过对齐 rollout 与训练内核、再用不截断的 token 级重要性采样，实现稳定的异步强化学习。
推荐理由：论文把 rollout 与训练的差距拆成权重滞后和内核失配两部分，说明对齐内核后不加截断的重要性采样就能稳定异步训练，滞后 64 仍可学习。
Ai2 推出用于机器人学习与评估的 FoundationWorlds 框架，首个世界 ToyBlocks 是围绕桌面机械臂和方块构建的开源仿真框架，可自动生成任务与训练演示、无需人工遥操作。它借助强化学习与 TAMP 规划生成技能和演示数据，单 GPU 并行执行数百个计划，最高达 24 倍实时性能。在 ToyBlocks 中训练的 Molmo 2 负责选择技能，ManiFlow 控制机械臂执行。
Ai2 发布 ToyBlocks，一个围绕机械臂与积木的开源模拟框架，作为其 FoundationWorlds 方案的首个可控环境，用强化学习和任务运动规划自动生成技能与任务演示，无需人工遥操作。
作者以普通用户身份体验了 Tau Robotics 在旧金山的人形机器人上门保洁服务，机器人目前由人类远程驾驶，吸尘拖地可独立完成，铺床叠衣仍需运动学引导。下单时单人机器人每小时清洁收费 30 美元，现改为两台机器人每周 60 美元或单次 100 美元，低价源于每次服务采集的训练数据。
中山大学与国家超级计算深圳中心团队开发孪生几何图神经网络 DeltaCata，直接预测突变引起的酶动力学参数 kcat 与 Km 变化。模型基于相同实验条件下配对野生型与突变体参数的高质量数据集训练，对训练集未见的酶性能提升尤为显著。用于改造甲基转移酶 sGmOMT2 后，体外合成 icaritin 的催化效率最高提升 7.0 倍。
Google Research 推出 Agile Deliberation 框架，以人机迭代对话的方式构建主观类别图像分类器。框架先引导用户拆解子类别与排除项，再由 VLM 挖掘边界图像收集人类反馈，经 LLM 驱动的优化循环自动生成分类器，代码已在 GitHub 开源。18 场 1.5 小时真人会话评估显示，模型优于标准基线，并大幅降低用户疲劳与焦虑。
中国科学技术大学团队在Nature发表结构引导RNA基础模型structRFM，基于2100万RNA序列结构对训练，通过配对匹配操作把碱基配对信息融入掩码语言建模，并引入多源二级结构集成MUSES和动态掩码比例。
IBM Research 在博客中详解 Palette 项目，将 20B 开源模型用 LoRA 微调成设计师与程序员两种角色，按 IBM Design Language 生成幻灯片。
OpenAI 训练并部署激活分类器（探针）作为大模型的额外安全层，从 GPT-5.6 起在最强模型的全部助手输出上运行。探针利用模型内部激活逐 token 打分，可中途拦截违规回复、阻断工具调用并升级给推理模型复核；实验显示其对测试过的越狱比文本分类器更鲁棒，精度随模型能力提升，在后训练检查点间迁移良好，但换新预训练基座需要重训，且只能检测有标注数据训练过的已知违规类型。
推荐理由：原文比较激活探针与文本分类器在越狱鲁棒性和运行效率上的差异，并给出跨模型迁移与重训的边界。
PyTorch 2.15 正式发布，重写的 NCCL 通信后端成为所有 nccl 进程组的默认选项，并提供 TORCH_DIST_USE_NCCL2=0 和 nccl-legacy 回退路径。
推荐理由：官方逐项列出默认启用的重写 NCCL 后端、FSDP2 显存控制和 Apple Silicon FP8 等变化，读者可据此评估升级对现有训练与推理管线的影响。
研究人员将 Ai2 开源模型 olmOCR 2 适配到历史与考古档案：在 CENTURIA 基准上用 LoRA 微调 57 条记录后，其余 450 条测试记录转写错误率从 15.58% 降至 1.11%。
Google Research 提出持续学习中的睡眠框架，让大语言模型在活跃交互与离线睡眠之间交替，把脆弱的短期记忆固化为长期参数记忆，同时缓解灾难性遗忘。睡眠阶段包含记忆巩固与做梦两部分，通过解锁 MoE 记忆块、结合 GKD 与强化学习的知识注入，以及随机专家选择和梯度筛选合成样本来实现自我提升。
推荐理由：原文给出睡眠框架在持续翻译、长上下文和数学推理上对比 ICL、SFT 等基线的实验结果，可了解缓解灾难性遗忘的一种新思路。
Audible 技术团队用可控 TTS 改善有声书语音合成，让模型按自然语言描述控制对白演绎。其数据合成管线生成带语音描述的训练数据，BookLLM 自动识别书中角色与对白，英、西语识别准确率分别达 97% 和 94%。合成有声书在 MUSHRA 测试中对白区分度提高 3.7 分，英语和西班牙语测试中十种声音有八种聆听体验显著改善。
PyTorch Conference North America 2026 于 10 月 20–21 日在圣何塞举办，吸引 3500 多名参会者，会议期间集中发布多项 PyTorch 生态更新。
Ai2 发布卫星嵌入模型 OlmoEarth v1.3，同时开放全球年度预计算嵌入向量与免登录的 Embeddings Explorer 浏览器工具。
推荐理由：原文给出27项评测对比成绩，配免登录的全球嵌入向量和浏览器工具，遥感任务从小时级微调变成秒级初探。
Ai2 发布作物测绘基准 PLANTEUR，将 PASTIS 基准扩展到留尼汪等六个热带地区。数据包含 2,750 条对齐的 Sentinel-2、Sentinel-1 与 Landsat-8 时间序列，及 4,506 km² 地块标签，覆盖甘蔗、香蕉、菠萝等 7 类作物。各模型在训练未见过的岛屿上准确率约损失一半，基准已在 Hugging Face 和 GitHub 开放。
Google 发布 TorchTitan TPU，借助新推出的 TorchTPU 原生后端（torch.device("tpu")），PyTorch 训练脚本只需少量设备初始化改动即可在 Cloud TPU 上训练，分支仓库为 https://github.com/google-pytorch/torchtitan/，由 Google 与 Meta 共同加入 TPU 原生执行。
推荐理由：原文给出按顺序执行的 TPU 训练优化清单，并用三个模型的案例标出每步改动换来的 MFU 或吞吐提升，便于迁移到自己的训练任务。
禾赛科技推出 Kosmo 3D 世界数据引擎，由全球首款 8K 超高清 AI 空间相机 Kosmo One 与云端平台 Kosmo World 组成，可将真实环境转为高保真 3D 数字空间。
Apple 研究团队在 NeurIPS 发表论文，提出首个从零预训练的三模态掩码扩散模型，训练数据覆盖文本、图文和音频文本。论文系统分析多模态缩放规律、模态混合比例、噪声调度和批次大小影响，给出基于 SDE 的重参数化以解耦物理与逻辑批次大小，免去批次大小调优。
Apple 研究发现，数据受限预训练中混入高资源语言数据比超参数调优提升更大，且差距随模型规模扩大。实验覆盖 150M 至 1.43B 四个模型规模、约 1000 次预训练运行，以阿拉伯语为目标、英语为辅助。混合等效于 2–3 倍唯一目标数据的验证损失增益和 2–13 倍下游准确率增益，建议优先调混合比例并用 μP 迁移超参数。
Redwood Research 发布论文，实证检验蒸馏不可信模型的两种安全用法。
推荐理由：论文实测蒸馏能否转移或阻断模型隐性特质，发现怪癖难以跨底座转移，并给出保留能力、抑制隐性迁移的可行做法。
OpenAI 与 Apollo Research 的研究者对比 OpenAI o3 强化学习运行的内部模式，识别出一组与元博弈（模型推理任务将如何被评估或奖励）相关的稀疏自编码器（SAE）潜变量，可用于跨任务监控和调控这类行为。
推荐理由：研究用 SAE 潜变量追踪并调控模型的元博弈行为，揭示其由多个重叠内部成分构成且能不经思维链外化就影响回答。
Berkeley AI Research 提出 ABBEL 框架，让 LLM 用自然语言信念状态替代完整交互历史作为工作上下文。该框架借鉴递归贝叶斯估计，通过信念分级按能否重建最新观测来监督信念内容。
OpenAI 与 Apollo Research 提出 Contrastive SDF 方法，用两份被灌输相反评分者信念的微调副本，量化模型行为对评分者偏好的因果敏感度。
推荐理由：原文给出把奖励寻求量化为行为对评分者信念敏感度的测量方法，并显示该倾向随强化学习训练增强。
Meta AI 发布 Brain2Qwerty v2，称其为能从非侵入式脑记录实时解码整句、性能最高的端到端管线，词准确率达 61%，远高于其他非侵入式方法的 8%，最佳参与者达 78%。
推荐理由：原文给出非侵入式解码与手术植入方案的准确率对比，读者可以据此判断数据规模扩大后这条无创路线还能走多远。
OpenAI 发表对齐研究，发现针对诚实、认知谦逊、可纠正性等有益特质的强化学习在 53 个内部与外部评测中的 44 个上优于同等算力基线，改进覆盖欺骗、奖励劫持、健康与心理健康等方向。这些改进可跨域泛化，仅在健康对话上训练也提升了非健康领域的对齐评测，剔除健康与科学数据后健康评测仍然改善。经过该训练的模型在对抗提示与有害微调下更难被引向有害行为，同时对正常有益指令仍保持可引导。
推荐理由：原文给出跨域与对抗压力下的实验证据，读者可据此判断有益特质强化学习能带来多大范围的可泛化对齐改进。
MiniMax 发布技术博客，详解 M3 数学证明能力背后的 MaxProof 框架，并称 M3 借此在 IMO 2025 与 USAMO 2026 上超过人类金牌线。
Berkeley AI Research 发布长文综述并行推理领域进展，重点分析自适应并行推理（Adaptive Parallel Reasoning），让模型自主决定何时分解并行子任务、启动多少并发线程及如何协调。
fast.ai 联合创始人、Answer.AI 的 Rachel Thomas 在与 KAMI Think Tank 的访谈中指出，AI 在生命科学中的炒作常超前于实际科学理解，数据的类型与质量决定结果上限。
modelscope 的 MCore-Bridge 项目为前沿大模型提供 Megatron-Core 模型定义，让 Megatron 训练像 Transformers 一样简单。项目支持 300+ 大语言模型（含 Qwen3-Next、GLM-5.3、Deepseek-V4、MiniMax-2.7 等）和 200+ 多模态大模型（含 Qwen3.8、Qwen3-Omni、Gemma4 等）。
阶跃星辰（StepFun）在 GitHub 开源了 SteptronOss，一个面向大语言模型的轻量级 AI 原生训练框架。该框架支持 SFT、RLVR 与评估工作流，主打快速迭代、可复现实验和模块化配置。
opendatalab 的 MinerU-HTML 是一款基于 SLM 的 HTML 正文内容提取器，可输出干净的 HTML 正文。该工具适用于 Deep Research 智能体、RAG 应用和训练数据生成等场景。