NVIDIA与IIT Madras发布Indic预训练研究与2.8T token数据集
NVIDIA与IIT Madras及AI4Bharat将发布Nemotron-pretraining-Indic-v1，覆盖22种印度语言、约2.8万亿token，并同步开放GPU加速的数据生成流程。
推荐理由：报告同时给出2.8T token语料、生成流程与continued pretraining评测，便于理解印度语言数据扩展的方法和效果边界。
#部署/工程
Hugging Face Blog精选AI 评分7272
Microsoft Research精选AI 评分8181 Microsoft Research Asia 开源 Agent Lightning v1.0 轻量级 Agentic RL 框架
Microsoft Research Asia 发布并开源 Agent Lightning v1.0，以约 3,500 行代码构建轻量级 Agentic RL 控制平面。
推荐理由：原文同时说明框架架构、训练流程和编码智能体实验结果，便于评估其如何接入现有 Agent harness。
Microsoft ResearchAI 评分4444 Microsoft Research 机器学习系统预测空间天气对电网的风险
Microsoft Research 开发端到端机器学习系统，结合太阳风观测、AE 与 Dst 预报、地质和电网数据，为美国本土 66,935 座变电站生成空间天气风险预测。系统可提前 30-60 分钟发出预警，对重大、严重和极端事件的检测率分别为 76.5%、81.2% 和 64.1%。
Microsoft Research精选AI 评分6666 Microsoft Research 研究物理 AI 机器人推理卸载并扩展 Physical AI Toolchain
Microsoft Research 研究了将物理 AI 推理从机器人车载 GPU 卸载到边缘或云端 GPU 的方案。实验显示，卸载可提升映射、规划、导航和操作性能，并减少电池消耗；研究团队还在 Physical AI Toolchain 中加入基于 Kubernetes 的自动容器化、部署和推理卸载能力。
推荐理由：文章通过移动机器人实验展示推理卸载对任务性能、电池续航和部署规模的影响，并给出基于 Kubernetes 的实现工具。
Berkeley AI ResearchAI 评分5454 K-Search 通过 CUDA-to-MLX 翻译层优化 Apple Silicon kernel
UC Berkeley Sky Lab 与 IBM Research 扩展 K-Search，加入结构化 CUDA-to-MLX 翻译层，将已有 CUDA kernel 优化知识迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分5454 ABBEL：通过更新信念状态提升长程交互效率
ABBEL 将交互历史压缩为可更新的自然语言信念状态，并通过信念分级监督其信息保留能力。在 CollabBench 中，重构式信念分级将模型与完整上下文模型的性能差距缩小约 50%，训练步数减少 50%；在多目标问答中加入峰值信念长度惩罚后，模型在较少内存占用下保持了相近性能。
Berkeley AI ResearchAI 评分4040 自适应并行推理：高效推理扩展的下一范式
Berkeley AI Research 分析自适应并行推理，探索让 LLM 自主决定何时分解任务、生成多少并发推理线程及如何协调。现有的 Best-of-N、MCTS 和 GroupThink 等方法，通常将并行结构或搜索策略预设在模型之外，难以适应不同问题。 sequential 推理还可能带来上下文退化、延迟和计算成本上升。