DeepSeek 开源 6 个昇腾版基础组件，对标英伟达版
DeepSeek 于 9 月 30 日开源面向华为昇腾算力平台的 6 个基础设施组件，与此前面向英伟达开源的组件一一对应，完成从英伟达 GPU 到昇腾芯片的整套移植。
推荐理由：读者可以对照这套组件与英伟达版的对应关系，了解头部模型厂商把训练栈移植到国产算力生态的进展。
数据与训练
全部主题训练侧的门道：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。
最新精选
第 1–11 条 · 共 11 条AGI Hunt精选AI 评分7070
Towards Data Science精选AI 评分7171 如何从零手写你的第一个世界模型（CartPole 实战）
作者用 500 局 CartPole 数据训练了一个 13,635 参数的 GRU 世界模型，预测下一步状态变化与是否翻车。该模型单步预测误差为 3.8 毫米车位置和 0.00026 弧度杆角，可信滚动预测视界为 29 步；配合 200 条随机动作序列的规划，100 局全部拿到 500/500。
推荐理由：从 CartPole 出发手写世界模型，对比 DQN 展示同一模型如何零重训切换目标。
Latent Space精选AI 评分8181 小米发布 MiMo-V2.6 系列开放权重模型，旗舰 Pro 为 1T-A42B、训练成本 300 万美元
小米发布 MiMo-V2.6 系列开放权重模型，包含原生全模态的 MiMo-V2.6-Pro、MiMo-V2.6-Flash 以及 MiMo-V2.6-Pro-UltraSpeed，其中 Pro 以 1.02T 总参数、42B 激活参数在 Artificial Analysis 智能指数上以 46 分成为该榜首位开放权重模型。
推荐理由：原文给出 MiMo-V2.6 的 RL 训练细节与开源清单，可对照开放权重模型的成本与复现门槛。
HuggingFace Blog精选AI 评分6060 HF Jobs 上用 LoRA 跑异步 GRPO，500 步从 3 小时 27 分降到 53 分
TRL v1.14 的 AsyncGRPOTrainer 已支持只训练 LoRA 适配器并把它同步到 vLLM，这篇实践在此基础上把训练与推理拆到不同机器上。训练器、两个 vLLM 副本各跑一个 HF Jobs，通过挂载同一个 Storage Bucket 传递适配器而不依赖 NCCL，中间的一个代理负责按 KV 前缀路由 rollout 并向所有副本广播适配器加载。
推荐理由：这篇实践给出跨 Job 的 LoRA 异步 GRPO 配方与代理路由细节，其瓶颈定位方法可迁移到其他异步训练部署。
HuggingFace Blog精选AI 评分6565 用 TRL 和 OpenEnv 训练编码模型画水彩
作者用 TRL 和 OpenEnv 复现了让语言模型写 p5.brush 代码画水彩的训练流程，把参考池、RL 环境、训练脚本和训练好的模型全部开源在 Hugging Face 上，想法源自 Surya Narreddi 走红的模型水彩画视频。
推荐理由：整套训练流水线、参考池和三组奖励配比的产物都已开源，可据此复现用奖励模型训练模型画画的流程。
HuggingFace Blog精选AI 评分7979 Sentence Transformers 如何训练和微调多向量嵌入模型
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式后期交互检索，并配套完整的训练与微调流程。
推荐理由：文中给出可直接运行的微调脚本和六种起点对比，读者可据此判断在自有领域数据上训练多向量检索模型的成本。
HuggingFace Blog精选AI 评分6363 IBM 详解 Granite 4.2 系列 3B、8B、30B 推理模型的构建过程
IBM Granite 团队发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个 dense、decoder-only 规模，全部以 Apache 2.0 许可开放。
推荐理由：原文公开了从五阶段预训练到多阶段 RL 的完整构建配方，可对照其他推理模型的开源训练路径。
Google DeepMind精选AI 评分7979 Google DeepMind 开源 WeatherNext 气旋预测模型，预警可多出一天
Google DeepMind 的 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到当前最优精度，平均为预报员多争取约一天的有效提前量，成果发表在 Nature。
推荐理由：原文给出气旋路径与强度预测的领先幅度，并公开模型权重与代码，可对照传统预报方法理解改进来源。
Google Research精选AI 评分6060 Google Research 提出 SensorFM，用超一万亿分钟可穿戴数据训练通用健康模型
Google Research 提出大型传感器基础模型 SensorFM，基于 500 万名同意参与者、超过一万亿分钟的无标签多模态可穿戴数据完成预训练。在来自三项研究、共 13985 名参与者、覆盖心血管、代谢、心理健康、睡眠、人口统计和生活方式六类的 35 项健康任务中，冻结编码器加线性探针在 34 项上优于人工特征监督基线。
推荐理由：从超一万亿分钟无标签数据预训练的通用表征，读者可了解它如何在心血管、代谢、睡眠等多类健康任务间迁移。
HuggingFace Blog精选AI 评分6666 LeRobot v0.6.0 发布，新增世界模型策略、奖励模型 API 与六套仿真基准
LeRobot 发布 v0.6.0，围绕机器人学习闭环引入可想象未来的世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、奖励模型 API（lerobot.rewards）以及部署 CLI lerobot-rollout。
推荐理由：从世界模型策略到奖励模型、部署 CLI 与六套仿真基准，这篇发布说明勾勒出机器人学习闭环的工具链全貌。
Google Research精选AI 评分6262 Google 提出 PHRM 系统，用手机前置摄像头被动监测心率与静息心率
Google Research 在 Nature 发表研究，提出 PHRM 系统，可在日常使用手机时后台监测心率（HR）与静息心率（RHR）。该系统利用前置摄像头在面部解锁后的数秒内拍摄视频，通过端侧深度学习估计心率，与 ECG 相比 MAPE 低于 10%，符合所有肤色人群的行业精度标准，日 RHR 与 Fitbit Charge 6 相比 MAE 为 4.39 bpm。
推荐理由：论文公开了 PHRM 的跨肤色误差数据与大样本数据集规模，读者可对照可穿戴设备理解被动健康监测的量化标准。