跳到正文
10月28日周三
10月23日周五
  1. Hugging Face Blog65

    微软与 Hugging Face 将数据库校验转为 RL 奖励,用 ThinkingBox 后训练智能体

    微软与 Hugging Face 联合发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的可执行校验直接当作奖励,对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。

    推荐理由:微软与 Hugging Face 把数据库终态校验改造成 GRPO 奖励,并公开了任务筛选与训练代码,可供做智能体后训练时参考。

10月5日周一
7月29日周三
  1. Berkeley AI Research62

    从 CUDA 到 MLX:K-Search 如何把内核优化经验迁移到 Apple Silicon

    Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX 后端,并加入结构化 CUDA-to-MLX 翻译层,让已有 CUDA 内核作为知识库迁移到 Apple Silicon。

    推荐理由:原文给出注意力与 Mamba 两个内核的实测数字,并拆出翻译层带来的增益,可据此判断跨平台内核迁移的可行边界。

3月13日周五
  1. Berkeley AI Research38

    Berkeley AI Research 提出 SPEX 与 ProxySPEX:大规模识别 LLM 关键交互

    Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法,用于在大规模场景下识别 LLM 中的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题,ProxySPEX 进一步借助层级结构,以约 10x 更少的消融达到 SPEX 的性能。在情感分析任务上,SPEX 在上下文扩展至数千特征时仍保持高忠实度,优于 LIME、Banzhaf 等方法。

1月10日周六
  1. Berkeley AI Research38

    伯克利提出基于信息量的成像系统设计框架,登NeurIPS 2025

    伯克利AI研究团队提出一种直接以互信息评估和优化成像系统的框架,在NeurIPS 2025论文中证明该信息指标可预测彩色摄影、射电天文、无透镜成像和显微镜四个领域的系统性能。优化该指标得到的设计可媲美SOTA端到端方法,同时占用更少内存和算力,且无需任务专用解码器设计。方法利用成像噪声物理特性,仅需从测量数据学习总变差项,估计值构成真实信息量的上界。