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。
#数据/训练
Hugging Face Blog精选AI 评分7272
Mistral AI精选AI 评分6969 Mistral AI 发布 Timestral 时间序列基础模型
Mistral AI 发布 Timestral 时间序列基础模型家族，提供 5M、28M、123M 和 209M 四种参数量规格，支持概率预测、多变量目标以及历史和已知未来的协变量。最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开预测基准中位列预训练零样本模型首位，并可通过 Mistral Forge 微调或部署到本地、VPC 和隔离网络环境。
推荐理由：同时给出模型规模、基准表现、推理速度与部署方式，便于读者判断不同规格在预测任务中的取舍。
Microsoft ResearchAI 评分5252 Microsoft Research 发布 StudentSim 改进 AI 导师研究系统
Microsoft Research 提出 StudentSim，用公开且去标识化的学习记录训练个性化学生模拟器，并在 StudentSimEval 中评估其行为还原与指导响应能力。
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4040 Microsoft Research 访谈：AI 会如何出错，失败能教会我们什么
Microsoft 研究经理 Jennifer Neville 与首席应用科学家 Chad Atalla 探讨 AI 失效及其启示：模型在传统评测基准之外测试时，可能暴露意外失败。要理解这些结果，需要检查数据如何影响系统行为及其是否契合用户需求，并从异常结果中总结经验。
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%。
Mistral AIAI 评分4848 Mistral 与 Cloudera 携手推出面向企业数据的主权智能合作
Mistral 与 Cloudera 建立合作，将 Mistral 模型集成至 Cloudera 混合数据平台，支持企业跨越私有云、公共云、本地及完全隔离环境进行推理。企业还可利用受控环境中的专有数据训练并拥有定制模型；合作面向 Cloudera 平台上 30 exabytes 的客户管理数据。
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。