Hugging Face 发布 XYBench 基准：测试 AI 助手识别用户误解的能力
Hugging Face 与 Carnegie Mellon、NVIDIA、Johns Hopkins 研究人员合作发布 XYBench，一个包含 8,115 个真实问题的基准，用于测试 AI 助手能否识别用户提问中隐含的误解（XY 问题）并引导其解决真实目标，该论文获得 EMNLP 2026 最佳资源论文奖。
#推理
Hugging Face BlogAI 评分5757
NVIDIA BlogAI 评分4242 NVIDIA 展示 Dyania Health 的 Synapsis AI 如何用 AI 加速患者诊疗
Dyania Health 的 Synapsis AI 临床推理引擎在 NVIDIA 加速计算上运行，可跨患者多年病历关联线索并生成可溯源的临床信号，且数据在医院防火墙内处理、不离开医院。
AWS Machine Learning BlogAI 评分5656 Amazon Bedrock 推理成本的四个请求级选择及实测验证
AWS 官方博客介绍 Amazon Bedrock 中四个影响推理成本的请求级选择：缓存时长、服务层级、推理力度和 maxTokens，并给出各自的实测结果与验证方法。
Microsoft ResearchAI 评分4343 Microsoft Research Focus 第 98 期：KLS 猜想攻克、CompactionBench 与 LCT 等研究进展
Microsoft Research Focus 第 98 期由 Anson Ho 主持，盘点微软最新研究：KLS 猜想这一 31 年悬案被攻克，为理解随机化算法效率扫清理论障碍。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 LLMON 预览模型 granite-4.1-3b/8b-LLMON-preview
Hugging Face 与 IBM 发布两个实验性预览模型 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview，基于 Granite 4.1 base 训练以消费和生成 LLMON（LLM Object Notation）标记文本，并同步开源 LLMON 工具库与示例。
推荐理由：原文用 OPI 基准对比数据说明指令与数据分离对间接提示词注入的防护效果，同时给出与 JSON 的差异和训练方法，便于评估其可迁移性。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Hydrogen 模型
Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流，强调快速执行，同时覆盖 Google AI Studio、Gemini API、Gemini for business、Gemini app、Google Search 及付费 Google AI Pro 和 Ultra 订阅者。
推荐理由：原文给出定价、基准分数与安全指标，读者可据此判断它在多模型工作流中如何与 Carbon、Argon 分工。
AWS Machine Learning BlogAI 评分5858 Amazon Bedrock 智能体按任务成本优化与 ROI 度量指南
AWS 官方博客介绍在 Amazon Bedrock 上计算智能体真实成本并证明其 ROI 的框架，提出按任务而非按 token 计价，指出四个定价页未体现的隐藏成本因素：tokenizer 效率、输出冗长、智能体循环轮次和推理开销。
AWS Machine Learning BlogAI 评分5656 AWS 汇总 2026 年 10 月面向 AI 开发者的模型与 AgentCore 更新
AWS 官方博客汇总 2026 年 10 月面向 AI 开发者的更新：Amazon Bedrock 新增 Claude Haiku 5.5、GPT-6.1 Terra、Amazon Nova 2.5 Sonic、GLM 5.3、TwelveLabs Pegasus 1.5 等模型，部分模型登陆 AWS GovCloud (US)。
AWS Machine Learning BlogAI 评分3434 AWS re:Invent 2026 AI/ML 赛道参会指南
AWS 公布 re:Invent 2026（11 月 30 日至 12 月 4 日）AI/ML 赛道参会指南，该赛道提供超过 140 场专题 session，全场共 2,000 多场学习 session，可现场参加或点播回看。
Google ResearchAI 评分5757 Google Research 发布基于可穿戴数据的可教练健康年龄与反事实健康教练框架
Google Research 发布研究框架，用消费级可穿戴设备数据构建可教练健康年龄（CHA）模型，并配合在 2.28 million person-weeks 数据上预训练的 SensorWM 世界模型，模拟 12 周反事实健康轨迹，再由语言模型智能体生成教练计划。
Microsoft Research精选AI 评分7474 微软研究 Lazarus 后门技术：重编程休眠神经元可劫持 AI Agent
微软研究人员发现名为 Lazarus 的后门技术，重编程 LLM 中少于 10 个休眠神经元、无需训练即可让 AI Agent 在触发时执行攻击者命令，且模型仍能通过标准评测。
推荐理由：原文给出少于10个休眠神经元即可植入后门且无需训练的机制细节，可帮助读者理解权重完整性为何成为模型安全的关键。
Google DeepMind精选AI 评分8888 Google DeepMind 开源 Gemini 4 Carbon 模型
Google DeepMind 宣布 Gemini 4 Carbon 正式面向开发者、企业、科学家和消费者开放，定位为最强模型，主打网络安全能力与长程智能体工作流。
推荐理由：原文给出定价、基准排名与安全数据，读者可据此对比 Carbon 与 Argon 的分工和迁移成本。
Hugging Face Blog精选AI 评分6262 Hugging Face 推出 Decision Models 决策模型接口与生态支持
Hugging Face 介绍决策模型（decision model）概念及其在生态中的落地：模型接收 state 与 questions，直接返回带概率的结构化决策而不生成文本，接口包含 choice、score、noul 三种原语，并给出 confidence 计算方式。
推荐理由：原文梳理了决策模型的接口设计与三种原语，并说明 Transformers 和 llama.cpp 如何通过同一 API 提供服务。
Hugging Face BlogAI 评分5555 Hugging Face 发布 HOPE：考虑专家间协作的 MoE 二阶专家剪枝方法
Hugging Face Blog 发布 HOPE（Higher-Order Pruning of Experts），一种考虑专家间成对交互的 MoE 二阶专家剪枝方法。
AWS Machine Learning Blog精选AI 评分6262 Amazon SageMaker Inference 支持 GPU 分区以提升端点 GPU 利用率
Amazon SageMaker Inference 现支持基于 NVIDIA MIG 的 GPU 分区，可将一张物理 GPU 切成多个硬件隔离的分区，让一个端点容纳多于 GPU 数量的模型，并可选择较新型号 GPU 的一部分而非整卡。
推荐理由：原文给出分区配置方法与实测对比数据，读者可据此判断如何为自己的负载选择合适分区规格。
NVIDIA Blog精选AI 评分6262 NVIDIA Vera CPU 发布：兼顾 Agent 速度与每瓦容量
NVIDIA 宣布 Vera CPU 同时提供快速的 Agent 性能和高每瓦容量，让服务商用单一 CPU 覆盖各类 Agent 工作负载，无需混搭快与密集的 x86 部件。
推荐理由：原文用多家伙伴的实测数据说明 Vera 在速度与每瓦容量上的表现，便于评估其对 AI 工厂选型的影响。
NVIDIA BlogAI 评分4444 NVIDIA 全栈协同设计如何破解 AI 内存挑战
NVIDIA 提出全栈协同设计（full-stack codesign），通过 GPU、CPU、网络、存储与软件的协同优化，在 Blackwell Ultra 到 Vera Rubin 平台上 HBM 容量每 GPU 仅提升约 3% 的情况下，将 SemiAnalysis AgentX 上的 agentic 吞吐量每美元成本提升最高达 30x。
Hugging Face Blog精选AI 评分6262 Hugging Face 与 IBM Research 发布 Palette：用合成数据训练 20B 模型按设计语言生成幻灯片
Hugging Face Blog 发布 IBM Research 的 Palette：微调一个 20B 开源权重模型，用合成数据学习 IBM Design Language 并通过校验 harness 生成幻灯片，在 PresentBench 三个领域中两个排名第一、三领域均分第二（59.7 分，落后 NotebookLM 的 60.8 分 1.1 分）。
推荐理由：原文拆解了用合成数据与校验器训练小模型复现设计语言的完整方法，可迁移到其他输出可被代码校验的任务。
Hugging Face BlogAI 评分5656 Hugging Face 发布 StateBench 长上下文状态追踪基准
Hugging Face 联合 Allen AI 发布 StateBench，一个评测语言模型在长文档中追踪实体状态变化的基准，含四级难度（R-trivial、Aperiodic、Soluble、General finite），对应不同类型的变量赋值操作，理论基础来自 Krohn–Rhodes 理论。
AWS Machine Learning BlogAI 评分5757 AWS 教程：用 SeqKD 在 Amazon SageMaker AI 上蒸馏购物智能体
AWS 发布教程，讲解如何用序列级知识蒸馏（SeqKD）在 Amazon SageMaker AI 上把前沿教师模型的购物智能体蒸馏成更小的学生模型：以 Amazon Bedrock 上的 GLM-5.3 为教师生成 ShoppingBench 轨迹，用基准自带打分器筛出解题成功的轨迹，再以 serverless SFT 微调 Qwen3.5-4B。
AWS Machine Learning BlogAI 评分4343 Worldwide Express 如何用 Amazon Bedrock 多智能体方案自动化货运账单异常处理
Worldwide Express 与 AWS 和 LTM 合作，基于 Amazon Bedrock 构建多智能体 AI 方案，接入其运输管理系统 SpeedShip，自动处理 LTL 货运账单异常。
NVIDIA BlogAI 评分5656 NVIDIA 与 SETI 合作将 agentic AI 引入地外信号搜索
Breakthrough Listen 与 SETI Institute 在加州北部 Allen Telescope Array 上引入 agentic AI，通过单一自然语言请求即可控制望远镜天线、校准仪器、修正数据误差并绘制结果。
AWS Machine Learning BlogAI 评分4747 在 Amazon EKS 和 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 3.5 Super VL 加速智能体 AI
AWS 博客介绍了 NVIDIA Nemotron 3.5 Super VL 在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上的部署方案。
Hugging Face Blog同事件AI 评分7878 Hugging Face 介绍 Mistral Large 4（Le Chonk）开源多模态 MoE 模型
Hugging Face 博客介绍 Mistral 发布的 Mistral Large 4（代号 Le Chonk）：多模态、多语言 MoE 模型，约 1T 总参数、49B 激活参数、1M token 上下文窗口。
同一件事，精选收录的是《Mistral 发布开源权重模型 Mistral Large 4（Le Chonk）》
Mistral AI精选AI 评分7878 Mistral 发布开源权重模型 Mistral Large 4（Le Chonk）
Mistral AI 发布 Mistral Large 4（Le Chonk）的开放权重版本，这是其 1-trillion 参数、原生多模态旗舰模型，此前本月已进入 public preview。
推荐理由：原文给出多项基准分数与token效率对比，读者可据此判断其在开源编码模型中的位置与部署成本。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 AnySpeechRecognizer 与 AnyDecisionModel 两个 Swift 包
Hugging Face 官方博客宣布推出 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包，均支持从 Hugging Face Hub 下载开源模型并在设备端运行。
推荐理由：原文给出可选引擎、模型体积与实测词错率，读者可据此判断端侧语音方案的取舍。
Google ResearchAI 评分5656 Google Research 提出睡眠框架：让 LLM 在持续学习中保留知识
Google Research 提出面向大语言模型持续学习的睡眠框架，让模型在主动交互的清醒阶段与离线记忆巩固的睡眠阶段之间交替，把脆弱的短期上下文固化为稳定的长期参数。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Genie 4 世界模型，支持原生音频与实时交互模拟
Google DeepMind 宣布发布新世界模型 Genie 4，提升实时交互模拟的真实感，可原生同时生成音乐、环境音与交互对话。
推荐理由：原文说明了 Genie 4 与 Gemini 系列的分工方式，读者可据此理解实时世界模拟如何借助推理模型维持连贯性。
OpenAI NewsAI 评分5656 OpenAI 分享模型在 Kakeya 猜想、指数时间假设和量子色动力学上的研究结果
OpenAI 分享了模型在 Kakeya 猜想、指数时间假设（Exponential Time Hypothesis）和量子色动力学（quantum chromodynamics）上的结果，并说明研究者如何验证这些结果并在此基础上继续研究。
AWS Machine Learning Blog精选AI 评分6262 Amazon SageMaker AI 多轮强化学习实战指南：Wordle 上把 gpt-oss-20b 解题率从 61% 提到 84%
AWS 官方教程演示如何在 Amazon SageMaker AI 上用多轮强化学习（MTRL）训练托管在 Amazon Bedrock AgentCore 上的智能体，以 Wordle 为例走通部署、数据准备、训练、MLflow 监控与评测全流程。
推荐理由：原文完整给出多轮强化学习的端到端流程、成本拆解和踩坑记录，可直接迁移到自有多步任务的训练设计。
AWS Machine Learning BlogAI 评分5757 Amazon SageMaker AI 推出 training session APIs，让用户自写训练循环而不必管理 GPU
Amazon SageMaker AI 的 serverless model customization 新增 training session APIs，把抽象边界从算法下移到算力。
AWS Machine Learning BlogAI 评分5555 Amazon SageMaker AI 训练会话正式可用，支持自定义后训练循环
Amazon SageMaker AI 无服务器模型定制的训练会话（training sessions）正式可用，用户可自行编写和协调训练循环，包括自定义损失函数或奖励信号，而 GPU 分配、分布式执行、故障恢复和检查点存储由平台托管。
Hugging Face BlogAI 评分5555 Hugging Face 推出 Granite 时间序列集成预测配方
Hugging Face 与 IBM Research 推出 Granite Timeseries Ensemble，用一个可扩展接口组合四个互补的 Granite 预训练时序模型，无需重训或拟合权重即可返回中位数与分位数预测。
Hugging Face BlogAI 评分5555 VocabX 论文预告：按 token 成本特化 SLM 词表可将推理成本降低 77%
Dharma AI 预告即将发表的 VocabX 论文，提出按每个 token 的服务成本而非出现频次来重建词表，在不改动基座模型和训练配方的前提下，将生产环境葡萄牙语作文评分器（基于 Qwen3-4B）的实测推理成本降低 77.0%，平均响应从 350 token 降到 101 token，bench score 从 0.703 升至 0.810。
Hugging Face BlogAI 评分4949 Profiling TorchNeuron（一）：在 AWS Trainium 上做系统级性能分析
Hugging Face 发布 TorchNeuron 系列教程第一篇，讲解如何在 AWS Trainium 上用 torch.profiler 和 NeuronConfig 对推理做系统级性能分析。
Hugging Face BlogAI 评分4949 Profiling TorchNeuron（一）：在 AWS Trainium 上做系统级性能分析
Hugging Face 发布 TorchNeuron 系列教程第一篇，讲解如何在 AWS Trainium 上用 torch.profiler 和 NeuronConfig 对推理做系统级性能分析。
Microsoft Research精选AI 评分7575 Microsoft Research 研究者与 AI 协作证明 31 年悬案 KLS 猜想
Microsoft Research 机器学习与优化组的 Xinzhi Zhang 与合作者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，表明对数凹分布的最佳平面切割与任意形状切割之差不超过一个与维度无关的普适常数。
推荐理由：原文对比了无人引导的同预算尝试与人机协作的差异，可迁移地说明研究者判断在 AI 辅助证明中的作用。
Hugging Face BlogAI 评分5555 NVIDIA 发布 Kumo Forecast 多变量时间序列预测模型
NVIDIA 发布 Kumo Forecast（原名 NV-Tesseract Forecasting），一个基于 MOMENT-1-large 骨干、约 340M 参数编码器加可训练预测头的多变量时间序列预测模型，以 Apache 2.0 许可开源，代码在 NVIDIA/Kumo-TS，权重为 nvidia/Kumo-Forecast。
NVIDIA Blog精选AI 评分6262 Google Cloud 与 NVIDIA 宣布 Vera Rubin A5X 实例正式可用
Google Cloud 与 NVIDIA 宣布 Vera Rubin 基础设施 A5X 实例正式可用，下月开放并计划扩展至欧洲，为云客户提供面向训练、推理和大规模强化学习的一体化平台。
推荐理由：原文说明了A5X实例的硬件构成和首批客户用例，读者可据此判断该平台面向的训练与强化学习负载形态。
OpenAI NewsAI 评分3333 Terminal X 用 GPT-6.1 达到资深投资人判断 88.6% 匹配度
Terminal X 的 Eval Agent 用 GPT-6.1 Sol 对输出按 54 项评分标准打分，与资深投资人判断的匹配度达 88.6%，并比原有方式多捕捉 25% 偏离基金投资授权的输出。