1
中文互联网基础语料 4.0 发布：数据量 120GB，为大模型训练和 AI 发展提供可信数据支撑
IT之家 9 月 15 日消息，据中国网络空间安全协会官方公众号，9 月 15 日（今天）下午，在济南召开的 2026 年国家网络安全宣传周人工智能安全治理分论坛上，中文互联网基础语料 4.0 正式向社会发布， 数据量 120GB ，并在“中文互联网语料资源平台”上线。 据IT之家了解，用户登录中国…
2
Belayer: Efficient Fault Tolerance for LLM Agentic RL Training
应对大模型智能体强化学习训练中的故障难题，为长时训练提供高效容错保障，值得关注。
arXiv:2608.14635v1 Announce Type: cross Abstract: Large language model (LLM) agents are increasingly trained with reinforcement learning in long-horiz…
3
DynaResize: Runtime GPU Reallocation for Disaggregated LLM Post-Training
解耦LLM后训练中的GPU资源瓶颈，用强化学习实现运行时动态分配，大幅提升算力利用率。
arXiv:2607.22614v2 Announce Type: replace Abstract: RL-based LLM post-training increasingly disaggregates Rollout and Training across separate GPU res…
4
The TomeVault Instruction Corpus (2026-07)
大规模指令语料库发布，含近23万文件，可自由用于模型训练与评测。
The TomeVault Instruction Corpus De-identified structural measurements of AI instruction files (CLAUDE.md, AGENTS.md, SKILL.md, .cursorrules and relat…
5
Weak-to-Strong On-Policy Distillation
挑战传统认知：弱教师如何高效指导强学生？这项研究提出了弱到强的在线策略蒸馏新范式。
arXiv:2607.26246v1 Announce Type: new Abstract: On-policy distillation (OPD), which aligns a student with the teacher's token-level distribution on th…
6
小鹏集团发布 TuringViT，宣称重构视觉大模型训练范式
小鹏发布 TuringViT，以线性注意力等创新实现“十分之一数据更优效果”，重构视觉大模型训练范式。
IT之家 7 月 21 日消息，小鹏集团今日发布 TuringViT 高效视觉编码器 ，面向 VLM / VLA 时代系统性重构视觉编码器的架构设计、数据范式与训练流程。 小鹏集团表示， TuringViT 将全面支撑智能驾驶、智能座舱、IRON 人形机器人三大业务场景 ，同时为行业提供了一条可复现…
7
Normalized Rewards for Preference Optimization
提出归一化奖励方法，提升偏好优化训练稳定性与效果
arXiv:2607.16240v1 Announce Type: cross Abstract: Direct Alignment Algorithms (DAAs) such as DPO have become a common way to post-train and align LLMs…
8
马斯克：Grok 4.6 训练进入最后阶段，2 万亿参数模型下周完成初步训练
马斯克官宣Grok 4.6下周完成初始训练，2万亿参数规模碾压前代，AI竞赛再提速。
IT之家 7 月 18 日消息，埃隆 · 马斯克（Elon Musk）今日在 X 上回复网友时透露，xAI 正在训练中的下一代 Grok 4.6 模型参数规模将达到 2 万亿，预计将在下周完成初始训练。 马斯克表示，2 万亿参数模型在各方面都优于当前的 1.5 万亿参数版本，同时推理速度和 Toke…
9
沐曦股份发布 AI 超节点新品曦景 S600：支持单机柜 64 卡高密度部署，可灵活扩展至万卡级别
沐曦新发布的曦景S600实现单机柜64卡高密度部署，并可灵活扩展至万卡集群，专为大模型训练推理和智算中心打造。
IT之家 7 月 18 日消息，2026 世界人工智能大会（WAIC 2026）今天在上海举行， 沐曦股份在大会期间正式发布新一代 AI 超节点新品曦景 S600 。 IT之家从沐曦股份公众号了解到，曦景 S600 是面向大模型训练、推理及智算中心建设打造的系统级算力产品，可实现单机柜 64 卡高密…
10
How LLMs Learn to Be Helpful (RLHF vs DPO)
一文对比RLHF与DPO两种主流大模型训练方法的核心差异与适用场景
In this article, we will look at how that learning actually happens, starting with why instruction-following alone falls short, then walking through t…
11
GIFT: Geometry-Informed Low-precision Gradient Communication for LLM Pretraining
提出GIFT方法，利用梯度几何信息实现低精度通信，在不牺牲模型精度的前提下显著降低LLM预训练通信开销。
arXiv:2607.07494v1 Announce Type: cross Abstract: Gradient communication is a primary scaling bottleneck in large language model (LLM) pretraining. Co…
12
Not All Refusals Are Equal: How Safety Alignment Fails Cybersecurity at Scale
安全对齐虽关键，但一刀切的拒绝机制在网络安全等高风险领域适得其反，这篇论文揭示了系统性缺陷。
arXiv:2607.02714v1 Announce Type: cross Abstract: There is no doubt that safety alignment is an essential step in LLM training. However, conceptually …
13
Jackrong LLM Fine-Tuning Guide
LLM微调实战指南，从入门到进阶的完整开源教程，适合AI开发者快速上手
Article URL: https://github.com/R6410418/Jackrong-llm-finetuning-guide Comments URL: https://news.ycombinator.com/item?id=48812171 Points: 2 # Comment…
14
SCAPE: Accurate and Efficient LLM Training with Extreme Sparse Communication
新论文提出SCAPE方法，通过极端稀疏通信显著降低大模型预训练通信开销，兼顾准确与效率。
arXiv:2607.01678v1 Announce Type: new Abstract: Communication increasingly dominates the cost of Large Language Model (LLM) pre-training, especially u…
15
Show HN: I trained a 1B LLM from scratch for $315 and open-sourced weights+data
仅花315美元从零训练10亿参数大语言模型，并开源全部权重与数据，堪称极低成本LLM训练范本。
Article URL: https://huggingface.co/AIIT-Threshold/Tessera-1B Comments URL: https://news.ycombinator.com/item?id=48758380 Points: 2 # Comments: 0
16
The Interplay of Harness Design and Post-Training in LLM Agents
揭秘工具架构设计如何影响LLM Agent后训练效果，为智能体优化提供新视角
arXiv:2606.25447v1 Announce Type: new Abstract: Tool-integrated LLM agents are often wrapped within a harness: the scaffolding that determines which t…
17
GAC: Stabilizing Asynchronous RL Training for LLMs via Gradient Alignment Control
大模型异步强化学习训练不稳？GAC用梯度对齐控制实现稳定收敛，值得搞LLM训练的细读
arXiv:2603.01501v2 Announce Type: replace-cross Abstract: Asynchronous execution is essential for scaling reinforcement learning (RL) to modern large …
18
Beyond Safe Data: Pretraining-Stage Alignment with Regular Safety Reflection
提出预训练阶段对齐新方法，用“安全反射”机制超越单纯安全数据，提升大模型本质安全性。
arXiv:2606.19168v1 Announce Type: cross Abstract: To achieve deeper safety alignment for large language models (LLMs), recent efforts have studied how…
19
LEPO: Latent Reasoning Policy Optimization for Large Language Models
提出LEPO方法，通过潜在推理策略优化显著提升大语言模型推理能力，为强化学习对齐开辟新路径。
arXiv:2604.17892v4 Announce Type: replace-cross Abstract: Recently, latent reasoning has been introduced into large language models (LLMs) to leverage…
20
When RL Fails after SFT: Rejuvenating Model Plasticity for Robust SFT-to-RL Handoff
揭秘SFT后强化学习失效的成因，提出恢复模型可塑性的新方法。
arXiv:2606.09932v1 Announce Type: cross Abstract: Supervised Fine-Tuning (SFT) followed by Reinforcement Learning (RL) has become a standard pipeline …