本文介紹了一種基於分治範式的新型強化學習算法——Transitive RL（TRL），它完全摒棄了傳統的時序差分學習，通過遞歸分割軌跡實現對長程任務的強擴展性。在OGBench最具挑戰性的任務上，TRL達到了最優性能，且無需手動調整n步TD的超參數。

Ollama 與 OpenAI 和 ROOST 合作，推出基於 Apache 2.0 許可的 gpt-oss-safeguard 推理模型，用於安全分類任務。模型提供 20B 和 120B 兩種參數規模，支持自定義安全策略、可解釋推理過程以及可配置的推理努力，能夠靈活應用於內容過濾、標註等場景。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Discussion | Link

MiniMax M2 現已通過 Ollama 雲平台提供。該模型擁有 100 億激活參數（總計 2300 億），在通用智能、編程和智能體任務上表現出色，在開源模型中綜合評分排名第一。文章還介紹了在 VS Code、Zed 和 Droid 等工具中的使用方法。

本文是一篇關於如何使用AI的主觀指南，涵蓋了免費與付費AI模型的選擇、主流AI系統（如Claude、Gemini、ChatGPT等）的對比、如何獲取更優答案（包括深度研究和數據連接）、多模態輸入以及圖像與視頻生成等功能。作者基於實際使用模式給出建議，並強調實驗與直覺培養的重要性。

Google 最新推出的 Veo 3.1 視頻生成模型帶來了多項強大新功能，包括參考圖像、首/尾幀控制以及增強的圖像轉視頻能力。本文詳細介紹了這些功能的用法、提示詞技巧以及 API 調用示例。

EleutherAI報告獎勵黑客研究進展，發現Qwen 3模型除非明確提示，否則學習黑客行為緩慢，而GPT-OSS模型在微調後更易泛化黑客能力。他們正在開發包含編程問題和漏洞類型的測試平台djinn，用於研究監控和緩解策略。

本文詳細介紹了評估大型語言模型的四種主要方法：多選題基準（如MMLU）、用於自由形式答案的驗證器、基於用户偏好的排行榜（如Chatbot Arena）以及LLM裁判評估。文章提供了從頭開始的代碼實現，並討論了每種方法的優缺點。

xAI正在建造Colossus 2，一個千兆瓦級AI訓練集羣，通過跨州電力供應和與Solaris Energy Infrastructure的合作，實現快速建設。該項目有望在2025年第三季度超越競爭對手，並可能通過中東資金獲得數十億美元融資。

Nvidia 發佈了 Rubin CPX，這是一款專門為預填充階段優化的解決方案，單芯片 Rubin CPX 重點強調計算 FLOPS 而非內存帶寬。這對推理來説是遊戲規則的改變者，其重要性僅次於 2024 年 3 月發佈的 GB200 NVL72 Oberon 機架級形態。只有為推理的預填充和解碼這兩個截然不同的階段定製硬件，才能充分發揮分解式服務的潛力。Nvidia 的機架系統設計差距已變得如鴻溝般巨大，競爭對手需要重新調整路線圖。

本文深入探討了“AI作為普通技術”框架，對比了AI 2027觀點，分析了AI擴散速度的常見誤解，並討論了AI採用過程中的實際挑戰。

華為正在加速Ascend AI芯片的生產，利用台積電的Die Bank和SMIC的產能提升。然而，HBM（高帶寬內存）的短缺將成為未來生產的最大瓶頸。中國國內HBM供應商CXMT正在快速追趕，但短期內仍無法滿足需求。文章還分析了出口管制對華為的影響以及NVIDIA H20芯片進入中國市場的潛在影響。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Discussion | Link

兩年前SemiAnalysis曾警告AWS面臨“雲危機”，如今危機顯現：Azure在季度新增雲收入上領先，谷歌雲與AWS差距縮小。但SemiAnalysis逆勢看多，認為AWS將迎來AI復興，核心驅動力是合作伙伴Anthropic。Anthropic 2025年收入從10億美元激增至50億美元，AWS為其建設了超過1.3吉瓦的數據中心，用於部署近百萬顆Trainium2芯片。儘管Trainium2在性能上落後於Nvidia，但其每TCO內存帶寬優勢契合Anthropic的強化學習路線。AWS與Anthropic的合作正走向深度硬件-軟件協同設計，有望在2025年底推動AWS雲增速超過20%。

伯克利AI研究團隊提出了一種新理論，揭示了word2vec的學習過程：它本質上是無權重最小二乘矩陣分解，最終表示等同於PCA。模型從小初始化開始，逐步學習正交線性子空間，每個子空間對應一個可解釋的概念。該理論預測了學習特徵的封閉形式，並與實驗高度吻合。

兩位前哈佛學生AnhPhu Nguyen和Caine Ardayfio創辦了Halo，推出Halo X智能眼鏡，配備始終開啓的麥克風，能夠監聽、記錄並轉錄每一次對話，並在鏡片上實時顯示相關信息。眼鏡售價249美元，缺乏外部指示燈引發隱私擔憂。該初創公司已融資100萬美元。

本文深入分析了H100與GB200 NVL72在訓練前沿模型時的基準表現，涵蓋模型浮點利用率（MFU）、總擁有成本（TCO）、每百萬token成本、能耗及可靠性。研究發現，H100在12個月內通過軟件優化實現了高達57%的吞吐量提升；而GB200 NVL72雖然在性能上具有優勢，但面臨可靠性挑戰和大規模訓練尚未完成的現狀。文章還提供了具體模型（如GPT-3 175B、Llama 3 405B）的詳細基準數據，並給出對Nvidia的三點建議：增加基準測試透明度、擴展至原生PyTorch、改進GB200診斷工具。

來自賓夕法尼亞州立大學和杜克大學的研究人員，聯合Google DeepMind等機構，提出了LLM多代理系統中自動故障歸因的問題。他們構建了Who&When基準數據集，並評估了All-at-Once、Step-by-Step和Binary Search等方法。該工作被ICML 2025接收為亮點論文，旨在幫助開發者快速定位導致故障的代理及其錯誤步驟。當前方法在識別責任代理上準確率僅達53.5%，在定位錯誤步驟上僅14.2%。

GPT-5的發佈讓高級用户失望，但實際重點是為超過7億的免費用户鋪平變現之路。文章分析OpenAI如何通過路由器（Router）技術區分查詢意圖，未來可能通過代理購買和交易抽成實現免費用户的變現，從而打造一個消費者超級應用。

EleutherAI發佈《深度無知》論文，通過過濾預訓練數據中的生物風險相關知識，使模型在保持通用性能的同時，對微調攻擊具有抵抗力。實驗表明，過濾後的6.9B參數模型在WMDP-Bio基準上表現接近隨機，且即使經過大量生物風險論文微調，性能仍顯著低於基線。但過濾不阻止上下文學習，模型仍可通過提示獲取危險信息，需結合其他防禦措施。

互聯網基礎設施提供商Cloudflare週一發佈研究報告，指控AI初創公司Perplexity無視網站設置的機器人排除協議，通過偽裝身份等方式抓取內容。Perplexity發言人否認了這些指控。

注意力探針是一種用於分類語言模型內部狀態的新方法，通過注意力層聚合隱藏狀態，避免了對多個token進行池化。實驗表明，多頭注意力探針（特別是8頭）在多數數據集上優於均值探針，訓練代碼已開源。

本文提出了業界首個“機器人自主級別”分類法，將機器人自主能力劃分為0到4共五個級別，每個級別基於前一級別逐步解鎖新能力。文章分析了各級別當前部署情況、經濟性、挑戰及進展，並指出通用型機器人正從早期生產階段走向勞動力替代。當前通用機器人已達到2級，3級處於早期試點，而4級仍有待突破。

儘管AI有望加速科學發現，但本文指出AI可能通過加劇生產-進步悖論、引入軟件工程錯誤、強化錯誤理論依賴以及削弱人類理解來拖慢科學進步。文章呼籲改革激勵機制、加強元科學研究並重新思考AI工具設計。

Meta以約300億美元估值收購Scale AI 49%股份，顯示其資金充裕。儘管資源雄厚，Meta在模型性能上落後於基礎實驗室。Zuckerberg親自領導新“超級智能”團隊，以鉅額薪酬挖角頂級人才，並徹底改革數據中心策略，採用帳篷式快速建設。同時，Llama 4因注意力機制、數據質量等問題遭遇失敗，但Meta正通過收購和挖角彌補人才差距。

BAIR團隊提出PEVA模型，通過全身動作條件預測第一人稱視頻。該模型利用自迴歸條件擴散變換器，在Nymeria數據集上訓練，能夠模擬原子動作、長期視頻生成及視覺規劃。

EleutherAI的研究人員測試了局部體積測量在檢測模型失調和異常數據點方面的應用，發現其效果不如其他策略，並轉向數據歸因研究。

Gartner 2025年數據科學和機器學習（DSML）平台魔力象限報告顯示，Databricks排名第一，超越了去年的並列者微軟和谷歌。該報告評估了16家供應商，強調了生成式AI和代理式AI的興起，以及基礎模型在平台中的核心作用。

MIT發佈了SEAL框架，使大語言模型能通過強化學習自我編輯和更新權重，加速了AI自我進化的進程。

針對LLM多智能體系統故障難以診斷的問題，研究人員首次定義了“自動化故障歸因”任務，構建了Who&When基準數據集，並評估了三種歸因方法。實驗表明，即使最佳方法在識別責任智能體上準確率僅53.5%，精確錯誤步驟僅14.2%，任務難度較高。該研究被ICML 2025接收為亮點論文。