TechCrunch Disrupt 圆桌：AI 数据中心热潮如何推动美国电网现代化
TechCrunch Disrupt 圆桌上，WeaveGrid CEO Apoorv Bhargava、Veir CEO Tim Heidel 与 Rewiring America 政策副总裁 Kristin Eberhard 讨论 AI 数据中心带来的电力需求激增。
#数据/训练
TechCrunch · AIAI 评分2828 MIT Technology Review · AIAI 评分2222 用企业上下文层释放 AI 价值：MIT Technology Review Insights 调研
MIT Technology Review Insights 调研显示，仅 16% 的企业从 AI 部署中获得变革性价值，40% 只在特定任务或团队看到中等收益，23% 收益极小或没有。
AWS Machine Learning BlogAI 评分3434 在 EKS 上用 Ray Train DLC 与 EFA 做分布式训练
AWS 发布 Ray Train 深度学习容器（DLC），在 EKS 上借助 KubeRay 与 EFA 直接跑多机分布式训练，无需自行构建镜像。
Simon WillisonAI 评分6060 GitHub 发布 Octoverse 2026 报告：合并 PR 增至每月 2.2 亿
GitHub 在 Universe 大会上发布 Octoverse 2026 报告，EVP Jay Parikh 重点提到 2026 年每月合并 PR 在不到一年内增至三倍，达到 2.2 亿。
Ars Technica · AIAI 评分6060 Pinal 用自然语言提示设计蛋白质，Hugging Face 推出 DNA 语言模型 Carbon X
中国研究团队开发出蛋白质设计工具 Pinal，用户只需用自然语言描述所需功能，T2struct 模块就把提示词转成结构蓝图，再由 SAProt-T 生成氨基酸序列。
AWS Machine Learning BlogAI 评分3636 AWS 为 SageMaker AI 训练与处理作业推出 SOCI 索引镜像，容器启动从分钟级降至秒级
AWS 宣布为 Amazon SageMaker AI 训练和处理作业提供 Seekable OCI（SOCI）索引，容器镜像改为懒加载，作业启动从分钟级缩短到秒级。基准测试中 1.8–35.4 GB 镜像下载提速约 8x–46x，GPU 拉取镜像的空闲时间最多减少 90%，且训练性能不受影响。用户只需指向已预索引的 AWS DLC 或为自己的镜像添加索引，无需改动作业定义。
AWS Machine Learning BlogAI 评分3636 Exowatt 用 SageMaker 无服务器模型定制，精度超越前沿模型且成本低至 49 倍
Exowatt 借助 Amazon SageMaker AI 无服务器模型定制，为边缘告警分诊和云端能源市场分析分别微调 Qwen3-1.7B 与 Qwen3-14B，精度超过前沿模型，成本最高降低 49 倍。该流程把原始运营数据加工为经认证的训练集、微调模型和可评估的部署产物，原本需数月的路径现在几天内即可跑通。
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 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 替代已弃用的 Edge Manager 做边缘优化。
GitHub Blog · AI & MLAI 评分4848 GitHub 用 ModernBERT 分类器重构密钥检测：误报更少、成本降 98%
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前的 LLM 流水线，在推送后扫描中把用户接受率提升 11.5%、中位扫描执行时间缩短 86%、服务成本降低超 98%。
Microsoft ResearchAI 评分4747 微软研究用 StudentSim 模拟学生学习，提升 AI 辅导效果
微软研究院提出 StudentSim，用公开的去标识化学习记录为每位学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导系统。该工作同时推出覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，从行为保真度和指导响应性两个维度评估模拟器，结果显示 StudentSim 在上述领域优于领先基线，可为训练 AI 辅导系统提供反馈信号。
Microsoft Research精选AI 评分7575 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，无需在训练框架内重写智能体。
推荐理由：微软研究院开源约 3500 行的智能体强化学习框架，让部署时的 harness 直接参与训练，并给出可复现的编码智能体训练结果。
Microsoft ResearchAI 评分4545 微软研究院用机器学习预测电网空间天气风险
微软研究院开发了一套端到端机器学习流水线，可为美国本土 66,935 座变电站生成位置特定的空间天气风险估计，并提前 30 至 60 分钟预警。系统结合太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，评估期内对重大事件检出率约 80%，其中 ≥10 nT/min 事件检出率 76.5%。
Berkeley AI ResearchAI 评分4141 ABBEL：教 LLM 更新信念状态，提升长程交互效率
Berkeley AI Research 提出 ABBEL 框架，将摘要内容隔离为自然语言"信念状态"并加以监督，以替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编码任务上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文设置。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速趋近于零，GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不足 $1，部分厂商已低于 $0.10。
Berkeley AI ResearchAI 评分3838 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。