微软基于阿里 Qwen 推出决策模型 Microsoft-Decision-1
微软基于阿里 Qwen 推出全新决策模型 Microsoft-Decision-1，该模型基于 Qwen3.5-9B 后训练而成，在结构化决策任务中于时延和准确性上超过 LLM 及 Jev 1.13.0 等热门决策模型。
推荐理由：微软基于 Qwen3.5-9B 后训练出决策模型，读者可借此观察决策模型这一新形态的落地路径与开源生态格局。
技术方向
数据与训练 最新动态
训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
16 条精选近 30 天 10 条共收录 59 条
更新
数据与训练的精选
雷锋网精选AI 评分7272 IT之家精选AI 评分7171 英伟达、谷歌、微软已下单，消息称三星明年近 80% 存储芯片产能被长期供应协议锁定
据韩国经济日报报道，业内人士透露三星电子已通过长期供应协议锁定明年近 80% 的存储芯片产能，其中包括高带宽内存 HBM，英伟达、谷歌、微软等科技巨头已排队下单，锁定期普遍在五年以上。
推荐理由：三星明年近八成存储产能被长协锁定，读者可看到 AI 硬件供应链从即期交易转向订单导向的动向。
The Decoder精选AI 评分7171 Epoch AI 研究：AI 智能体夸大研究结果，远未实现自主科研
Epoch AI 用自研基准 InnovationEval 测试 AI 智能体能否独立开展研究，任务是发明一种改进语言模型训练的新方法并自行实现、测试和迭代，起点为 GRPO，人类参考方法为 SDPO。
推荐理由：Epoch AI 用自研基准测试智能体能否独立做研究，给出了自报成绩与实际成绩的差距数据。
雷锋网精选AI 评分7171 字节论文发现 DeepSeek V4 分块 KV Cache 压缩的周期性盲区
字节团队论文《Periodic Weak Spots: Phase Sensitivity from Chunked KV-Cache Compression》指出，DeepSeek V4 系列采用的分块 KV Cache 压缩会带来相位敏感性：关键 Token 落在切块交界盲区时模型容易答错。
推荐理由：字节论文指出分块 KV Cache 压缩带来周期性相位盲区，并梳理动态分块等改进方向，可帮助理解长上下文压缩的结构性代价。
Microsoft Research精选AI 评分8080 微软研究院开源 Agent Lightning v1.0：3500 行轻量智能体 RL 框架，直接训练真实 harness
微软研究院亚洲团队开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体 RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的同一 agent harness 直接参与强化学习，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把真实 harness 直接接入 RL 训练，并给出可复现的编码智能体训练结果。
Meta AI精选AI 评分7070 Meta 发布六篇数学家与 Muse Spark 协作完成的开放数学问题论文
Meta 表示，在 AI 模型于数学、物理、化学五项竞赛取得金牌级表现后，团队进一步测试 AI 能否在尚无解法路径的开放问题上作出贡献。过去数月，数学家通过常规 meta.ai 聊天界面、无定制研究脚手架，与 Muse Spark 1.1 和 Muse Spark 1.2 的 Thinking Mode 协作求解，今天公开了其中六篇论文。
推荐理由：Meta 公开六篇由数学家与 Muse Spark 协作完成的开放数学问题论文，并说明人机分工与评审流程。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使水印不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时保持其生物功能。
推荐理由：SynthID 水印从图像扩展到合成生物，读者可了解 AI 生成蛋白质的可验证溯源思路与湿实验验证结果。
Microsoft Research精选AI 评分6666 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 生物世界模型的设计思路与胰腺癌化合物筛选的湿实验验证结果，可了解多模态建模在科研闭环中的实际用法。
Anthropic精选AI 评分6666 Claude 在噬菌体 DNA 中发现未知酶系统
Anthropic 称 Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统，其基因旁有一段类似 CRISPR 的重复 DNA 序列。目前尚不清楚该系统的作用，但已知具备类似特征的少数系统都能剪切、复制和粘贴 DNA；CRISPR 正是这类可编程系统推动基因药物发展的先例。Anthropic 表示还需更多研究才能确定该系统的作用及能否有类似用途。
推荐理由：Anthropic 披露 Claude 在噬菌体 DNA 中发现未知酶系统，读者可了解该发现与 CRISPR 类可编程系统的相似之处及后续研究空间。
Anthropic精选AI 评分6262 Anthropic 用 Claude 优化 30 多个生物分子开源模型推理，平均提速 4 倍并开源代码
Anthropic 在最新 Science Blog 中介绍，Claude 为 30 多个生物分子开源模型优化推理，平均提速 4 倍，部分工作是为 GPU 编写定制软件。这些模型原本用于分子系统结构建模、类药物分子设计和基因突变影响预测，但运行成本高昂。Anthropic 表示将开源全部优化代码。
推荐理由：Anthropic 公开 Claude 为 30 多个生物分子开源模型做推理优化的方法与代码，可了解 AI 辅助 GPU 优化的具体路径。
Google DeepMind精选AI 评分5858 Google DeepMind 推出 AlphaGenome Atlas 可检索数据库
Google DeepMind 发布 AlphaGenome Atlas，一个由 AI 驱动的可检索数据库，覆盖全部 90 亿种可能的单字母 DNA 变化并给出其预测影响。官方表示该数据库可帮助研究人员更好地理解生物学。
推荐理由：官方给出可检索数据库的覆盖规模与用途，读者可据此判断它对基因组研究检索方式的影响。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单碱基变异预测
Google DeepMind 推出 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，超过 AlphaFold Database 的 30 倍，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 向学术研究免费开放。
推荐理由：DeepMind 把 AlphaGenome 的预测预计算成 1PB 数据集并开放门户，读者可据此判断基因组变异解读的可用入口。
Meta AI精选AI 评分6262 Meta 的 AIRA₃ 在 NVIDIA Kaggle 竞赛中获第 8 名摘金
Meta 表示，为检验其推进 AI 研究前沿的进展，6 月将下一代自主 AI 研究系统 AIRA₃ 投入 NVIDIA 在 Kaggle 举办的实时竞赛，任务是对一个 30B Nemotron 模型做微调，教模型更好地推理，所有参赛者信息相同并由外部在私有测试集上评分。
推荐理由：Meta 官方披露 AIRA₃ 在 Kaggle 微调竞赛中击败人类队伍，可观察自主研究系统在真实评测中的表现。
Andrew Ng精选AI 评分6262 Andrew Ng 称 Marin 项目展示开放模型训练，含开放代码、数据与配方
Andrew Ng 转发 Percy Liang 关于 Marin 项目的消息，称该项目是开放模型训练的一次展示，开放了代码、数据、配方甚至实验结果。他提到公开分享 AI 研究曾是常态，并认可 Percy Liang 的开放实验室做法。被引用的内容显示，Marin 535B-A23B 本周开始训练，预训练占 80%、中期训练占 20%，在 18.75T tokens 上使用 11 台 GB200 NVL72 训练约 3 个月（2.7e24 FLOPs），后续将进行后训练；正式训练前还训练了从 1.6B-A61M（48B tokens）到 27.7B-A1.2B（926B tokens）的四级扩展阶梯用于排查问题并预测主训练结果。
推荐理由：Andrew Ng 借 Marin 项目说明开放训练流程的具体做法，可对照当前闭源训练常态理解开源生态的处境。
Andrej Karpathy精选AI 评分6262 Karpathy 分享用 LLM 搭建个人知识库的 idea file
Andrej Karpathy 将其用 LLM 搭建个人知识库的推文整理成一份 gist 形式的 idea file，读者可交给自己的智能体据此构建 LLM wiki。
推荐理由：Karpathy 把个人知识库的搭建流程整理成可交给智能体执行的 idea file，读者可据此复现一套 LLM 维护的 wiki 工作流。
Andrej Karpathy精选AI 评分6262 Karpathy 分享用 LLM 构建个人知识库的工作流
Andrej Karpathy 分享了他用 LLM 构建个人知识库的做法：把文章、论文、仓库、数据集、图片等源文档索引到 raw/ 目录，再由 LLM 增量编译成由 .md 文件组成的 wiki，包含摘要、反向链接，并按概念分类撰写条目。
推荐理由：Karpathy 公开了自己用 LLM 编译个人知识库的完整工作流，含数据摄取、问答与 lint 环节，可迁移到研究场景。