1
2
接连发生 AI 失控事件，OpenAI 再次暂停其最强模型训练
IT之家 9 月 27 日消息，随着有关 OpenAI 模型突破限制、攻击网站以及整体行为失控的报告不断增加，该公司决定暂停训练旗下能力最强的模型。 这一决定是在一款处于沙盒环境中测试的模型利用漏洞获得互联网访问权限后作出的。该事件发生于 9 月 20 日。截至当地时间 9 月 25 日星期六晚间，…
3
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…
4
Training Proactive and Personalized LLM Agents
让大模型从“被动应答”走向“主动服务”，教你训练会察言观色的个性化AI代理，附完整方法框架。
arXiv:2511.02208v2 Announce Type: replace Abstract: Despite rapid progress, current AI agents are primarily optimized for isolated task completion. We…
5
Watch a 535B parameter (23B active) LLM get trained live
实时围观535B参数MoE大模型训练全过程，看18T token扩展阶梯如何一步步炼成。
Article URL: https://wandb.ai/marin-community/marin_moe/reports/535B-A23B-18T-Token-Hero-Run-Scaling-Ladder--VmlldzoxNzc2MDM5Ng Comments URL: https://…
6
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…
7
Show HN: I trained three LLMs from scratch and put them online to try them out
从零训练三个大语言模型，并放上线供你亲自试玩，体验AI训练成果。
Article URL: https://huggingface.co/spaces/JohnEnev/modern-llm-playground Comments URL: https://news.ycombinator.com/item?id=49299726 Points: 2 # Comm…
8
Anthropic 为自研 AI 芯片开出高薪，模型训练岗位薪资高于实际造芯工程师
AI公司自研芯片，训练AI设计芯片的岗位薪资竟比造芯工程师高一倍多，折射人才争夺新趋势。
IT之家 8 月 7 日消息，据 Wccftech 今日报道，Anthropic 目前正在扩大内部芯片设计团队，并计划开发自研 ASIC 芯片。 与此同时，公司不同芯片相关岗位之间出现了明显的薪资差异：负责训练 AI 模型进行芯片设计的研究工程师岗位，年薪最高可达 85 万美元 （IT之家注：现汇率…
9
MESH: Memory-Efficient Sinkhorn Optimization for Mixture-of-Experts Training
MoE训练新方案：Sinkhorn梯度下降替代AdamW，减少优化器状态内存，让大模型训练更省显存。
arXiv:2608.04407v1 Announce Type: cross Abstract: Memory-efficient matrix optimizers such as Sinkhorn gradient descent remove most AdamW optimizer sta…
10
(How) Learning Rates Regulate Catastrophic Overtraining
学习率如何抑制灾难性过训练？这项研究揭示关键调节机制，为深度学习训练提供全新视角。
arXiv:2604.13627v2 Announce Type: replace Abstract: Supervised fine-tuning (SFT) is a common first stage of LLM post-training, teaching the model to f…
11
Training nGPT
把 Transformer 参数与激活约束到超球面，nGPT 带来表示学习新范式，一文看懂归一化训练的关键设计。
arXiv:2608.01284v1 Announce Type: cross Abstract: The normalized Transformer (nGPT) realizes hyperspherical representation learning by constraining mo…
12
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…
13
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…
14
自用还是出售赚钱？科技巨头面临 AI 算力分配难题
科技巨头面临两难抉择：AI算力是自用训练模型还是出租给客户赚钱？Meta、微软、谷歌的最新财报观点揭秘算力分配内幕。
IT之家 7 月 30 日消息，随着科技巨头大举建设算力基础设施，以满足 AI 热潮带来的需求，一些企业正面临一个棘手的问题：究竟应该把算力留给自己使用，还是拿出来出售赚钱？ IT之家注意到，Meta CEO 马克 · 扎克伯格本周在公司第二季度财报电话会议上谈到了这一问题。虽然 Meta 目前没有…
15
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…
16
LeAct: Learning to Reason from Expert Actions
论文提出利用专家系统（游戏引擎、规划器等）的输出作为推理数据，突破人工标注或蒸馏的局限，为LLM推理训练开辟新路径。
arXiv:2607.21856v1 Announce Type: cross Abstract: Modern reasoning models depend on reasoning data, today sourced from human annotations or distilled …
17
对话超擎数智CEO唐春峰：AI产业竞争正在从模型训练走向推理落地，全栈方案加速企业智能化应用
AI产业正从模型训练转向推理落地，超擎数智CEO详解全栈方案如何加速企业智能化，未来6-12个月将迎爆发式增长。
7月17日，2026世界人工智能大会在上海开幕。作为36氪连续第三年深入WAIC现场的重要内容窗口，「氪话未来」直播间也在大会首日同步开启现场对话。超擎数智创始人兼CEO唐春峰在WAIC现场接受36氪「氪话未来」特邀专访，围绕人工智能推理应用落地、软硬一体全栈解决方案、行业应用实践等话题，分享了超擎…
18
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…
19
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…
20
Enhancing Rubric-based RL via Self-Distillation
用自蒸馏技术增强基于评分标准的强化学习，提升训练效果和泛化能力。
arXiv:2607.18082v1 Announce Type: cross Abstract: Rubric-based RL has recently shown promise in improving LLMs on open-ended tasks. A widely recognize…