hiw3c 日报精选

数据与训练

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。

已收录 295 条 · 近 30 天 207 条 · 第 1 / 15 页

BestBlogs·AI 高分精选BestBlogs 精选04:44中文原文

AI 驱动药物发现：周末完成 10，000 次研发活动

📌 One-Sentence Summary LeashBio 利用 DNA 编码化合物库和可重放的实验环境，在一个周末内运行了超过 10，000 次 AI 驱动的药物化学研发活动，揭示了公开数据集教会模型识别「化学家」而非理解「化学」，蛋白质突变工程暴露了模型记忆化 —— 而规模化定律与实验严谨性或将开启 AI 药物发现的新纪元。 📝 Summary 该长

原文 ↗
arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:59快照

建模和理解具有扩散的类人策略的神经权重

作者：Huixuan Cheng, Bike Zhang, Shankar Sastry | 机器人学习领域的最新进展极大地推动了人形机器人控制的快速发展，使得人形机器人能够在现实世界中展现出更为敏捷的行为。不过，目前的人形机器人控制网络通常是通过传统的训练方法获得的，而直接建模其学习到的权重分布以及构建相应的功能网络方面的研究却相对较少。

快照阅读原文 ↗
arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:59快照

语言代理的协同进化行为和预测

作者：余浩飞、陈艺兴、赵亦宁|训练语言代理受到长期部署的高成本的限制，但标准代理强化学习（RL）只能从最终的纯量奖励中学习，从而使中间步骤的监督基本上未使用。之前的工作通过估计每一步成功概率的价值目标或适合环境响应的观察目标来利用这种监督。两

快照阅读原文 ↗
arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:57快照

可学习的Hodge-Laplacian驱动的粗糙非结构网格上的稳定偏脱方程替代专家混合

作者：Stavros Nousias、Akis Nousias、Konstantinos Gkripanis|当前用于非结构网格上的稳态偏微方程代理模型的方法将单一混合机制应用于整个解决方案。本文提出了一种架构，将解决方案分配给vanilla Transformer专家，每个专家都专注于不同的频谱规模。该分区由离散的Hodge Laplacian构建$L_0

快照阅读原文 ↗
arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:57快照

玩家-1：从合成体验中学习游戏

作者：杨明宇、王亦然、胡思源|计算机使用的代理在解释屏幕以及执行键盘和鼠标操作方面表现出强大的能力。然而，游戏具有丰富的视觉世界和多样化的机制，仍然具有挑战性，并为通用数字控制提供了要求严格的下一步。当前的游戏代理学习管道通常依赖于大规模演示，动态游戏状态的覆盖范围有限

快照阅读原文 ↗
arXiv cs.AI/CL/LG信号源（脚本内置抓取）01:57快照

测试时培训的潜在压实

作者：陈英发、申星宇、肖朝军|长上下文扩大了关键值（KV）缓存，增加了生成期间的内存使用和注意力成本。压缩这些缓存必须为不可见的问题保留信息。我们引入了 ** 潜在压缩 **，它通过测试时训练学习紧凑的文档特定缓存。我们使用重建重要性、教师注意力和密钥空间多样性来初始化缓存条目。Trai

快照阅读原文 ↗
BestBlogs·AI 高分精选BestBlogs 精选01:25中文原文

Gemini 4 Argon 实现零样本设计下的快速酶工程

📌 One-Sentence Summary Google DeepMind 报告称，Gemini 4 Argon 能够显著缩短酶工程所需的时间，最近的一次实验在数小时内设计并成功验证了五种丝氨酸酯酶。 📝 Summary 这条推文展示了 Gemini 4 Argon 在蛋白质工程中的一种具体成功应用。该模型以零样本的方式（无需针对特定酶进行预先微调）设计出

原文 ↗
BestBlogs·AI 高分精选BestBlogs 精选00:12中文快照

HiRO-ACEv2：以极低成本实现 3 公里分辨率的极端天气模拟

📌 One-Sentence Summary HiRO-ACEv2 是 Allen AI 气候模拟器的最新更新，通过改进的多场下调参和极端事件预测，以仅 1/300 的成本即可实现与全分辨率全局模拟相当的 3 公里分辨率极端天气模拟。 📝 Summary HiRO-ACEv2 引入了新的下调参模型 HiROv2，该模型可以同时预测多种高分辨率场（雨、风、压力

快照阅读原文 ↗
The Verge · AI国际媒体00:05快照

微软推出新的机器学习工具来改善天气预报

老式的基于物理的天气预报甚至新的人工智能模型通常在两周后变得不那么可靠，微软声称已经使用机器学习解决了这个问题。该公司的研究人员表示，他们已经找到了一种新的、具有成本效益的方法，可以提前两到六周做出更准确的天气预报，从而使农民和紧急救援人员能够[.]

快照阅读原文 ↗
BestBlogs·AI 高分精选BestBlogs 精选07:03中文快照

程序化内容生成如何帮助机器学习泛化：Julian Togelius 与 Sebastian Risi 对谈

📌 One-Sentence Summary Julian Togelius 和 Sebastian Risi 解释程序化内容生成如何帮助机器学习泛化，以及学习算法怎样协助游戏设计与测试。 📝 Summary 两位研究者从《Rogue》《Elite》等早期游戏谈起，介绍程序化内容生成与机器学习的双向关系：多样化的训练关卡可以缓解强化学习智能体对固定环境的过拟

快照阅读原文 ↗
BestBlogs·AI 高分精选BestBlogs 精选05:33中文快照

如何使用 AI 代理将 Apache Spark UDF 重写为 GPU 加速版本

📌 One-Sentence Summary 本文介绍了一种使用 AI 代理将 Apache Spark UDF 重写为 GPU 加速实现的工作流程，通过消除代价高昂的 CPU 回退操作，实现了显著的性能提升。 📝 Summary 文章描述了在 GPU 加速的 Spark 管道中使用 UDF 的挑战，其中不透明的用户代码会导致数据被强制传输回 CPU，造成大

快照阅读原文 ↗