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 爱范儿AI 评分6868 爱范儿早报汇总 Apple 智能入华、模型开源与汽车智能化动态
爱范儿早报汇总 Apple 智能中国测试版、千问集成、Step 5 Preview 开源及多项产品与合作动态。报道还涉及 DeepSeek 服务故障、iPhone Duo 维修价格、台积电业绩、Anthropic IPO 估值、Rivian 接入第三方 AI 智能体及 Figma 推出 Specs 等信息。
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。
Latent SpaceAI 评分6161 Leash Bio 的 Ian Quigley 谈计算速度下的实验室闭环
Brandon Anderson 采访 Leash Bio 的 Ian Quigley，讨论 DEL 实验数据、科学基准、Hermes 模型及面向可验证科学推理的智能体环境。
Latent SpaceAI 评分6363 Dyna Robotics 首席科学家 Jason Ma 谈 Dyna-2 通用物理智能体
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 介绍了世界动作模型 Dyna-2 及物理机器人智能体 Dyna-2.1。Dyna-2 使用超过一百万小时的人类视频预训练，同时预测未来视频和机器人动作；Dyna-2.1 已实现连续 24 小时折叠餐厅餐巾、成功率 99.4%，并在 Din Tai Fung 多家门店每天折叠数千张餐巾。
MIT Technology Review · AIAI 评分7171 AI 实验室收购倒闭初创公司数据用于模型训练
AI 实验室正从倒闭初创公司手中购买代码、邮件、聊天和工作空间数据，用于模型训练和构建 AI 智能体训练环境。SimpleClosure 已处理超过 150 笔交易，Spirit Airlines 的相关数据以 $10 million 出售给 Google，但隐私授权、数据估值和实际训练收益仍缺乏清晰规则与测试。
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。
MIT Technology Review · AIAI 评分4040 将 AI 智能体连接至企业知识体系
MIT Technology Review 调查显示，平均仅 34% 的企业 AI 智能体项目进入生产环境，知识与数据能力不足是主要障碍。生产领先企业中，61% 的智能体项目越过试点阶段，且语义知识能力更强。55% 的受访者将数据碎片化列为扩大智能体知识访问的主要障碍，企业正投资知识图谱、检索技术、AI-ready API 和 RAG。
MIT Technology Review · AIAI 评分2222 预测分析如何迈向智能体 AI 的自主决策时代
企业 AI 正从预测分析迈向自主决策，重点在于让系统依据预测结果自主行动，同时不偏离业务意图。深度学习、生成式 AI、实时训练及非结构化交互数据，推动分析能力从回溯洞察转向前瞻决策。
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。