OpenAI 提出前沿 AI 训练安全案例早期指引
OpenAI 提出了针对前沿 AI 训练安全案例（safety cases）的早期指引。该指引主要涵盖技术防护措施、运营实践，以及对模型未对齐事件的调查与应对机制。
#数据/训练
#数据/训练
今日 0 条OpenAI NewsAI 评分5050
AWS Machine Learning BlogAI 评分4141 在 Amazon EKS 上结合 EFA 与 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%
AWS 推出结合 Amazon EKS、EFA 与 DeepEP 扩展大规模 MoE 模型强化学习（RL）训练的架构方案，将训练吞吐量提升 40%。该方案针对 RLHF 与 GRPO 等后训练流程，协调分布式 rollout 推理与策略训练的异构计算负载。同时利用 DeepEP 优化跨节点的专家并行（EP）all-to-all 通信，缓解大规模扩展时的网络带宽瓶颈。
AWS Machine Learning BlogAI 评分3838 在 Amazon SageMaker HyperPod 上使用 SkyRL 加速多模态强化学习训练
在 Amazon SageMaker HyperPod 上利用开源 RL 框架 SkyRL 与 GRPO 算法训练 Qwen3-VL-8B，可将 64 迷宫评估集的解决率从 43.75% 提升至 95% 以上。
Microsoft ResearchAI 评分4949 扩大 Skala 的可用范围，为预测性 DFT 提供更快路径
Microsoft Research 发布 Skala-1.1，并扩大 Skala 在计算化学软件中的可用范围。Skala-1.1 使用比首个公开版本多 2.5 倍的数据训练，在 GMTKN55 的 55 个类别中有 32 个排名第一，加权平均误差为 2.8 kcal/mol。
Berkeley AI ResearchAI 评分4848 LLM 的规模化交互识别方法
SPEX（Spectral Explainer）与 ProxySPEX 可识别大语言模型中的关键交互，并支持特征、数据和模型组件归因。SPEX利用稀疏性和低阶性，通过策略性消融与解码分离影响模型行为的交互；ProxySPEX进一步利用层级性，在性能与 SPEX 相当时约减少 10x 消融次数。SPEX在上下文扩展至数千个特征时仍保持较高 faithfulness。
Berkeley AI ResearchAI 评分4343 无需 TD 学习的强化学习
研究者提出一种基于分治法（divide and conquer）的异策强化学习（off-policy RL）范式，无需依赖传统的时间差分（TD）学习。该算法将长轨迹拆分为子任务并组合价值，理论上能对数级减少 Bellman 递归次数，避免自举带来的误差累积。该范式已在目标条件强化学习（goal-conditioned RL）中实现，能有效扩展至复杂的长时域任务。
Berkeley AI ResearchAI 评分4949 word2vec 究竟学到了什么？
新理论研究证明，word2vec 的学习过程在实际条件下可简化为无权最小二乘矩阵分解，最终学到的表征等价于对特定目标矩阵执行 PCA。从小初始化训练时，模型以离散步骤序列逐步学习正交线性子空间，每步递增嵌入矩阵的秩并降低损失。该学习动力学可求出闭式解，特征直接对应由语料共现统计构成的目标矩阵特征向量。