RadixArk 发布 DaisyRose-27B,基于 Qwen3.8-27B 强化学习后训练
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 做强化学习训练,在 144 张 H200 上以 1200 条任务训练 18 天,Terminal-Bench 4.1 pass@1 从 5.6% 提升到 12.0%。
推荐理由:原文给出了训练成本与吞吐对比,读者可据此判断长程智能体后训练的效率边界。
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 做强化学习训练,在 144 张 H200 上以 1200 条任务训练 18 天,Terminal-Bench 4.1 pass@1 从 5.6% 提升到 12.0%。
推荐理由:原文给出了训练成本与吞吐对比,读者可据此判断长程智能体后训练的效率边界。
OpenAI 称与 AMD 合作不到五个月,在 AMD 旗舰 GPU IP 上实现最高 14% 的 PPA(功耗、性能与芯片面积)提升,相当于在 AMD 工程师多年优化之上再推进约一年。
推荐理由:读者可了解 OpenAI 与 AMD 用模型参与 GPU 设计优化的具体幅度,以及这类方法向自研推理芯片和 EDA 工具延伸的进展。
Meta 介绍其用 AI 智能体在广告排序模型群中传播已验证 ML 技术的做法,自 2026 年 3 月由智能体驱动执行以来,估计超过 60% 的技术传播工作由智能体完成。早期结果显示工程效率提升 3 倍,部分技术-模型组合的训练算力中位数降低 4 倍,预计到年底节省 4500 万美元以上算力。文章拆解了发现、泛化、采用三个阶段中智能体的分工,以及按阶段设置的评估指标。
推荐理由:Meta 披露智能体接管技术传播后的人力与算力账本,可对照自身模型迭代流程评估自动化边界。
NVIDIA Vera Rubin 平台首次参加 MLPerf 基准测试,在 MLPerf Training v6.1 的全部基准上均有结果,是本轮唯一覆盖所有基准的平台,其 NVL72 系统每 GPU 性能最高达 GB300 NVL72 的 2 倍。
推荐理由:原文给出 Vera Rubin 在 MLPerf Training 与 Endpoints 的具体成绩和对比基线,可据此判断新一代平台的性能提升幅度。
Together AI 发布博客复盘其推理优化路线:去年构建的 megakernel 在生产中只支持一个模型、一个 batch size 和一个客户,今年改用默认 Torch Inductor 内核加 CUDA Graphs 与 PDL 即恢复 98% 的 megakernel 性能。
推荐理由:Together AI 复盘从 megakernel 转向智能体驱动编译器的过程,给出多项可迁移的实测结论与反直觉发现。
Google DeepMind 发布 AlphaGenome 2,这是一个条件式 DNA 序列模型,可针对特定细胞类型或状态预测 DNA 变异对基因表达的影响。
推荐理由:官方给出与上一代在变异召回率上的对比,以及无需重训即可泛化到新细胞状态的机制。
Anthropic 发布工程研究,把智能体记忆拆成会话内写笔记、离线 dreaming 整理、记忆层级提升等组件,并用 CL-Bench 1.0、Pokémon Red、Harvey LAB 等评测检验各组件的作用。
推荐理由:Anthropic 公开了智能体记忆的组件划分与多组评测,读者可看到 dreaming 在纠错和构建 wiki 上的具体收益与边界。
Google 研究团队提出 sleep 框架,让 LLM 在活跃交互与离线巩固两个阶段间循环,把短期上下文压缩进长期参数。该框架用 MoE 参数扩展、广义知识蒸馏与强化学习模仿实现记忆巩固,并在离线阶段用自生成样本做自我改进。
推荐理由:Google 研究者提出把持续学习拆成清醒交互与离线巩固两阶段,并给出多组基准对比,便于理解灾难性遗忘的一种解法。
Anthropic 公布其生命科学团队与 BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines、The Column Group 六家机构合作,用 Claude 参与药物研发的早期结果,并已启动自有药物发现项目。
推荐理由:Anthropic 公布与六家药企的合作细节和自研药物进展,读者可看到 Claude 在药物研发各环节的具体表现与局限。
Mistral 发布首个时间序列基础模型系列 Timestral,提供 5M、28M、123M 和 209M 四个尺寸,最大模型在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一,参数量仅为此前 SOTA 的三分之二。
推荐理由:官方给出四个尺寸的基准排名与 CPU 推理延迟,可据此判断时间序列预测的部署成本。