OpenAI 将遵循共享 robots.txt 信号表达 AI 训练偏好
OpenAI 宣布将遵循一种共享的 robots.txt 信号，帮助网站运营者向参与该机制的提供商传达其 AI 训练偏好。
#数据/训练
OpenAI NewsAI 评分4040
Microsoft ResearchAI 评分2828 微软用合成企业数据评估 Copilot：从模拟租户到首个标准化评测基线
微软构建 Industry Evaluation Data Generation Platform，用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot，全程不使用客户数据。
Hugging Face BlogAI 评分3434 Hugging Face 发起 Project ProtoStar：让公共资助科研数据适配 AI
Hugging Face 宣布发起 Project ProtoStar，联合卡内基梅隆大学、普渡大学、佐治亚理工学院等机构，推动公共资助科研数据、模型和代码以 AI-ready 格式开放共享。首个挑战赛由卡内基梅隆大学主办，将于 11 月 2 日启动。Hugging Face 已托管超 17,000 个核心科学领域公开数据集，含医学和数学则接近 29,000 个。
AWS Machine Learning BlogAI 评分5858 Exowatt 用 SageMaker 无服务器微调让 Qwen3 小模型在准确率上超过前沿模型
Exowatt 借助 Amazon SageMaker AI 无服务器模型定制，用同一套流水线微调出面向边缘和云端的两个模型，在各自任务上准确率均超过前沿模型。
AWS Machine Learning BlogAI 评分5858 Property Finder 如何修正 Amazon Bedrock 上的评测偏差并选出更优模型
Property Finder 发现其评测标签中 96.8% 直接来自现有视觉语言模型的预测而非人工核验，导致任何替代模型在比较中处于结构性劣势。
NVIDIA BlogAI 评分2222 NVIDIA 与 C-BRAIN 如何用 AI 加速阿尔茨海默病研究
C-BRAIN 联合 NVIDIA 用 AI 整合此前无法访问的"暗数据"，其 OpenScientist 工具可在数分钟内完成原本需数周至数月的分析，单次运行成本低于 10 美元。
AWS Machine Learning BlogAI 评分3434 用 SageMaker SDK v3 在边缘端管理车队级计算机视觉模型生命周期
AWS 发布基于 Amazon SageMaker Python SDK v3 的车队级边缘计算机视觉模型生命周期方案，用 SageMaker Neo 取代已弃用的 SageMaker Edge Manager 做边缘优化。
AWS Machine Learning BlogAI 评分4646 在 Amazon SageMaker AI 上进行多轮强化学习：实战指南
Amazon SageMaker AI 的多轮强化学习（MTRL）通过 AgentCore 托管智能体、按整局结果给奖励来训练模型，示例中把 gpt-oss-20b 在留出词上的解谜率从 61% 提升到 84%（默认推理强度），低推理强度下从 15% 提升到 69%，训练 token 成本约 339 美元。
AWS Machine Learning BlogAI 评分2222 Amazon Quick Sight 图层地图支持用 GeoJSON 绘制点和路线
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型，可在地图上标注门店等具体位置并绘制配送路径、航班航线等路线。图层地图通过共享 join key 将 GeoJSON 文件与 Quick Sight 数据集关联，文件需为 .geojson 格式且不超过 100 MB，每个图层一次只渲染一种几何类型。
AWS Machine Learning BlogAI 评分3838 AWS SageMaker AI 推出无需管理 GPU 的模型定制新方式：Training Sessions 正式可用
AWS 宣布 SageMaker AI 无服务器模型定制中的 Training Sessions 正式可用，用户可自行编写并协调训练循环，GPU 分配、分布式执行、故障恢复与 checkpoint 存储由平台托管。
Hugging Face BlogAI 评分3636 IBM Granite 时序模型集成预测：四种架构组合的默认方案
IBM 推出 Granite Timeseries Ensemble，将 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个预训练 Granite 时序模型组合为统一预测接口，无需重训或拟合集成权重。
NVIDIA BlogAI 评分2626 欧洲金融机构采用开放权重模型构建专有智能，Revolut、Starling Bank 等基于 NVIDIA 加速计算落地
Revolut 正基于 NVIDIA 加速计算以单一基础模型 PRAGMA 重建技术栈，在 Blackwell Ultra GPU 上生产部署，初期服务 8000 万客户并设计支持 3 倍扩展。
AWS Machine Learning BlogAI 评分3434 在 AWS Trainium 上用 torchtitan 训练 Qwen3
在单台 trn2.48xlarge 上，torchtitan 可通过 TorchNeuron 将 Trainium 注册为原生 PyTorch 设备，以三种方式训练 Qwen3-4B-Instruct-2507：Transformers v5 后端、torchtitan 原生 Qwen3 实现，以及接入 NKI MoE kernel。
AWS Machine Learning BlogAI 评分2222 U.S. Hunger 如何用 Amazon Quick 连接领导层与数据
美国非营利组织 U.S. Hunger 借助 Amazon Quick 让领导层直接探索组织数据，并通过 Quick Spaces 共享 KPI 定义、财务文档与分析，减少反复向技术团队提数据需求。Quick 每晚 2 点（美东时间）将 SQL Server 数据刷新至内存引擎 SPICE，目前组织内 17 名同事已获得访问权限，覆盖高管、技术、Full Cart 项目、财务与合规等团队。
Hugging Face BlogAI 评分5858 NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可预测
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化，单次前向推理读取最多 10,000 条历史样本作为上下文。
Hugging Face BlogAI 评分3838 NVIDIA Kumo Forecast：结合预训练时序表示与历史模式检索的可解释预测模型
NVIDIA 推出 Kumo Forecast 多变量时序预测模型，基于 MOMENT-1-large 骨干，约 3.4 亿参数编码器加可训练预测头，采用 Apache 2.0 许可开源。其 DARR 模式通过最近邻检索历史模式增强直接预测，并附带按预测步长生成的可解释性框架。模型代码与权重已在 Hugging Face 发布，支持 256 至 2048 观测长度的数值时序输入。
AWS Machine Learning BlogAI 评分3434 i14 的 Laplace 3B 线性注意力模型如何在 AWS Trainium2 上用原生 PyTorch 训练与推理
i14 与 AWS 合作，通过 TorchNeuron Native 的原生 PyTorch 支持，将采用 Gated Linear Attention 的 Laplace 3B 线性注意力模型移植到 AWS Trainium2，其循环状态固定为每序列 29.5 MB、不随上下文长度增长。
AWS Machine Learning BlogAI 评分3636 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理
开源推理模型 GPT-OSS-20B 默认用英语思考，在 50 例多语言推理测试中仅 22% 用目标语言推理（英语 100%、法语 0%、德语 10%、西班牙语 0%、意大利语 0%）。
Hugging Face BlogAI 评分3636 NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 的 Indic 预训练数据集及开放数据生成流水线
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，其中原生文字 2,601.0 亿 token、罗马化 224.6 亿 token（按 Gemma-4 tokenizer 计）。
Mistral AIAI 评分5858 Mistral 发布时序基础模型 Timestral，最大 209M 参数
Mistral 发布首个时序基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四个尺寸，最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准上均排名第一，参数量约为此前 SOTA 的三分之二。
NVIDIA BlogAI 评分2626 NVIDIA 通过开放学习资源、合作与算力扩大欧洲科研界先进技术获取
NVIDIA 加入欧盟委员会在都柏林 AI in Science Summit 上启动的 AI in Science Enablers Initiative，为欧洲科研社区提供加速工具、算力与培训支持。
Hugging Face Blog精选AI 评分7878 作者用 ML-intern 在几天内训出六个模型，总花费约 103 美元
作者在 HuggingChat 中开启 ML-intern，用提示词驱动它完成数据准备、训练、评测和发布，几天内做出六个模型，总计算花费约 103 美元。
推荐理由：作者用六个真实项目拆解了给 ML-intern 写提示词的方法，包括基线、冒烟测试和预算上限的具体写法。
Microsoft ResearchAI 评分5858 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练。
Google ResearchAI 评分3636 Google Earth AI 的 PDFM 地理空间基础模型如何用于全球公共卫生
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，将自监督预训练的地点嵌入向量作为即插即用输入接入现有流行病学模型，无需任务特定微调。
Microsoft ResearchAI 评分3131 微软研究院用机器学习预测电网空间天气风险，覆盖美国66,935座变电站
微软研究院实习生构建的机器学习流水线可提前30-60分钟为美国本土66,935座变电站给出位置级空间天气风险估计，评估期内检出近80%的重大空间天气事件。系统结合AE与Dst指数预报、纬度、地质电导率及电网数据，Dst预测在2020-2026年评估期峰值活跃时段有62.2%的小时数优于Burton方程。
Berkeley AI ResearchAI 评分2222 GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以促进探索，并重塑梯度让动作获得清晰信号、避开高维视觉模型中的脆弱"状态-输入"梯度，使世界模型的长时程规划更稳健。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun 和 Amir Bar 合作完成。