生成式推荐系统如何重新定义大规模 RecSys

生成式推荐系统正把 RecSys 从传统嵌入向量相似度目标转向生成式目标，即根据用户历史序列预测大目录中的下一个动作或物品。NVIDIA 技术博客指出，RecSys 是消费互联网中最普遍却极难大规模训练与服务的机器学习问题之一，LLM 的出现推动了这一范式转变。

Jim Fan@DrJimFanAI 评分5252

Jim Fan 发文分析 GEN-1.5 引发热潮的原因，认为关键在于人类采集数据中天然重复的动作，其来源有二：对称模式（如 IKEA 式装配中第二颗螺栓成为免费的模仿训练信号）和恢复行为，保留失败到捡起的完整过程让模型在测试时自然出现恢复能力。

Mistral 发布 Agentic Search，FinanceBench 准确率从 26.7% 升至 86%

Mistral 发布 Agentic Search，一种多步检索层，让模型在复杂文档中查找、翻阅并核实信息，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries。

VeRL-Omni v0.2.0 发布：更快的扩散模型 RL 与稳定的全模态训练

VeRL-Omni v0.2.0 发布，通过 vLLM-Omni 的请求级批处理让 Qwen-Image FlowGRPO rollout 的 GPU 利用率从约 80% 升至约 100%，单次生成时间从 226s 降至 108s，减少 52%。

用 CLI、Skills 和 AI 编程智能体开发 NVIDIA Holoscan 应用

NVIDIA 探索通用编程智能体能否借助 HoloHub 中的示例、文档和开发工具来开发 Holoscan 边缘实时 AI 应用。Holoscan 是面向医疗影像、机器人等边缘实时 AI 应用的平台，HoloHub 是其配套仓库，汇集了不断增长的参考应用与组件。

用 NVIDIA FLARE 构建联邦多模态 AI 工作流

NVIDIA 发布技术博客，介绍如何用 NVIDIA FLARE 构建联邦多模态 AI 工作流，在数据无法集中到一处的情况下跨数据本地站点协调视觉语言模型（VLM）训练。VLM 可支持视觉问答、图像描述和图文推理等任务，而联邦学习为这类分布式数据场景提供了训练协调方案。

Galaxea Dynamics@GalaxeaDynamicsAI 评分2323

身体在动。倒咖啡稳稳当当。☕🤖 在 WRC 2026 上，NEXO 通过全身零空间控制协调手臂、躯干和移动底座——全程还在倒咖啡。 #EmbodiedAI #WRC2026 #Galaxea #NEXO

Kimi.ai@Kimi_MoonshotAI 评分2929

Kimi Work 金融分析师教程 #2 用 Kimi Work 完成 3 个常见投资研究任务： - 构建实时投资者仪表盘 - 在电子表格中更新财务模型 - 批量处理并生成报告 敬请期待更多 Kimi Work 工作流！

jietang@jietangAI 评分5353

唐杰发文谈 Scaling Law，认为参数量只有结合数据量、算力分配和部署条件才有意义，并回顾了从 Kaplan 的 2.7:1 到 Hoffmann 的每参数约 20 token，再到 Llama-2-7B（约 290 TPP）与 Gemma-2-9B（约 889 TPP）过度训练、以及 MoE 中总参数与激活参数分别影响知识与推理链的演变。

Answer.AI 工程师解析为什么 LLM 无法简化你的代码

Pol Alvarez Vecino 借 Peter Naur 的《Programming as Theory building》指出，真正要降低的复杂度是存在于工程师头脑中的程序 Theory，而非代码本身，因此 LoC、圈复杂度等指标无法约束 LLM 的复杂度膨胀。

Karina@karinanguyenAI 评分3737

Grok 4.6 在 DiligenceBench 金融测试中以约 52–53% 位列第 2，与 Claude Opus 5 基本持平，Sonnet 5 以 46.2% 落后。

Z.ai@Zai_orgAI 评分6262

智谱宣布 GLM-5.3 API 正式上线，主要面向编码、防御性网络安全和长程智能体任务。定价与 GLM-5.2 相同，可通过官方 API 及合作模型网关使用，文档见 https://docs.z.ai/guides/llm/glm-5.3。配图引用 Artificial Analysis Intelligence Index，显示 GLM-5.3 在智能与单任务成本对比中位于最具吸引力象限。

智能体到底需要多少记忆？ALTK-Evolve 在 8 个模型上的剂量校准研究

ALTK-Evolve 让智能体从自身历史轨迹中蒸馏可复用准则并在推理时注入，无需更新权重或人工标注，在 AppWorld 的 585 个多步任务上测试了 8 个模型。

Jakub Pachocki@merettmAI 评分7474

Jakub Pachocki 表示 OpenAI 暂时放缓了部分前沿训练以加强安全与监控，其最大规模的前沿 RL run 仍暂停，继续用较小规模训练和评估测试防护措施并收集更多对齐证据。

MIT CSAIL 研究：生成图像的归因随训练数据规模增大而衰减

MIT CSAIL 团队在 Nature Communications 发表论文，提出“归因衰减”现象：训练数据越大，单个样本对生成结果的影响越小，删除任一图像甚至某艺术家的全部图像后输出不变。

Mark Chen@markchen90AI 评分2929

我们许多最强的研究员都选择专注于对齐，但我们也在招聘！ 如果你想在一个认真对待对齐、不假装它已解决的前沿实验室工作，请申请。

Karina@karinanguyenAI 评分3333

我觉得 AI 正在给创作者制造一种新的真实性焦虑：做出东西已经不够了，你还得证明是你做的。这有点像 indie sleaze，那种凌乱感意味着某种东西是真实的。只不过现在，不完美正在变成你是人类的证明。

Sentence Transformers v6.0 新增 MultiVectorEncoder：用同一 API 使用 ColBERT 式晚交互嵌入模型

Hugging Face 发布教程，介绍 Sentence Transformers v6.0 新增的第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索。

同一集群利用率提升 33 个百分点：约束感知 GPU 分配器如何改变分配顺序

一个约束感知 GPU 分配器在相同硬件与负载下，相比 FIFO 调度器将 GPU 利用率最多提升 33 个百分点，优先级加权产出在全部场景中上升，最高增幅 105%。在五个真实争用场景中，利用率从 52–85% 提升至 72–88%，优先级加权价值平均增长 52%。该分配器把实时推理需求当作随时步变化的曲线而非全天峰值预留，并按优先级在整个调度周期内放置批式任务。

Mark Chen@markchen90AI 评分6262

OpenAI 首席研究官 Mark Chen 宣布与 NVIDIA 达成大规模合作，签约 4+ GW 的算力容量。他表示这是前沿模型训练所需的规模。

Google Research 发布 PhotoScan：用智能手机照片估算体成分并预测胰岛素抵抗

Google Research 推出研究性深度学习框架 PhotoScan，从标准 2D 手机照片估算体脂率（BF%）、A/G 比和 V/S 比三项三维体成分指标。

蚂蚁 inclusionAI 发布 ConceptEdit：ConceptEdit-12M 数据集与 ConceptEdit-Bench 基准

蚂蚁 inclusionAI 在 GitHub 上线 ConceptEdit 项目，包含 ConceptEdit-12M 数据集与 ConceptEdit-Bench 基准。目前公开信息仅给出这两个名称，尚未披露模型规模、评测分数或使用方式等细节。

Unitree@UnitreeRoboticsAI 评分3434

宇树新机器人预告：“Superman”打破人类极限🥳 立定跳高 2 m，最高速度 12.66 m/s（腿长 0.85 m） 超越全球所有人类的立定跳高和奔跑速度纪录 这台新机器仅研发了三个多月，未来几个月还有很大的提升空间。

蚂蚁 inclusionAI 发布 SingProbe 官方训练代码

蚂蚁 inclusionAI 在 GitHub 上线 SingProbe 官方训练代码仓库。正文仅说明这是 SingProbe 的官方训练代码，未披露模型规模、训练数据或评测结果等细节。

vLLM-Omni 推出分布式逐层卸载，可在多卡上高效运行 200B+ 级 DiT 模型

vLLM-Omni 团队发布 Distributed Layerwise Offload，让超过单卡 HBM 的视频生成模型（如 Cosmos3-Super 64B / 124 GB）可在多块 NPU 或 GPU 上运行。

Together AI 推出端点级 LLM A/B 测试功能

Together AI 在平台上推出端点级 LLM A/B 测试功能，让团队用真实用户流量比较候选模型与现网模型，而非只看 benchmark 或影子流量。实验挂在端点上，须有一个 control 和一至多个 variant，variant 部署权重须为 0，百分比为固定流量份额且与副本数无关。

DeepSeek V4 Pro 0813 对比 Claude Fable 5：DeepSWE 上的成本、编码与路由实测

Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次试验，对比 DeepSeek V4 Pro 0813 与 Claude Fable 5。

Sierra 在慕尼黑开设办公室，服务德国、奥地利和瑞士企业

Sierra 宣布在慕尼黑开设办公室，服务德国、奥地利和瑞士的企业客户。Sierra 帮助大型企业构建服务与营收 AI 智能体，客户包括全球三分之一领先银行、40% 的 Fortune 50 企业及十大医疗组织中的五家。其客户 BBVA 30 天上线智能体，英国零售商 Next 用时 42 天，Singtel 用时 56 天。

vLLM 推出 DSpark 自适应验证：按置信度调度投机解码预算

vLLM 在 PR #47808 中引入 DSpark 置信度调度验证（enable_adaptive_verification），让引擎逐步决定验证多少 draft token，而非按部署固定 num_speculative_tokens。

Hugging Face 发布 2026 夏季开源模型生态观察报告

Hugging Face 发布 2026 年 1 至 8 月开源模型生态观察报告，指出 Hub 公开模型仓库从 243 万增至 296 万、数据集突破 100 万，但 85.6% 的模型终身下载不足 200 次。

Strands Agents、LeRobot 与 Hugging Face Storage Buckets 实现录制、训练、部署一体化数据闭环

Hugging Face 博客与 AWS Strands Robots 团队演示了在单个 Agent 中跑通机器人数据闭环：录制演示同步到 Storage Bucket，通过 Xet 内容定义分块实现字节级去重上传，再用 stream_dataset() 直接从 Hub 流式读取训练，无需先下载整个数据集。

Google DeepMind 发布 Gemini 3.7 Flash，主打编码与 Agent 能力

Google DeepMind 发布 Gemini 3.7 Flash，称其为迄今最智能的主力模型，面向编码与 Agent 场景，距 Gemini 3.6 Flash 发布仅三周。

Sierra 谈智能体时代的纵深防御：如何用 AI 守护 AI

Sierra 提出在基于目标与护栏构建的智能体上沿用纵深防御原则，让每条客户消息在回复前经过内容、规则与政策、Supervisor 模型、确定性护栏等多层检查，单条消息可触发多达六项校验。Sierra 还通过第三方对抗评估与红队测试、平台级 Threat Detection 与单智能体 Agent Monitors 持续监控，并用 Simulations 在上线前压测护栏回归。

Nous Research 发布 Hermes-Bot-Mode：Hermes 桌面端 Bot Mode

Nous Research 在 GitHub 发布 Hermes-Bot-Mode，为 Hermes 桌面端带来 Bot Mode，提供一组具名智能体，各自拥有独立聊天、头像、例程，并支持智能体间互发消息。该功能以桌面插件形式实现，无需修改核心代码。

DeepSeek@deepseek_ai精选AI 评分7373

DeepSeek 发布 DeepSeek Harness v0.1 开发者预览版，面向全球构建 Agent harness 的开发者开放，代码库以 MIT 许可开源，仓库地址为 https://github.com/deepseek-ai/deepseek-harness。

蚂蚁 inclusionAI 发布 Ling 模型系列使用指南 ling-cookbook

蚂蚁 inclusionAI 在 GitHub 上线 ling-cookbook 仓库，为 Ling 模型系列提供指南、文档与实用技巧。该仓库定位是帮助用户充分发挥 Ling 模型系列的能力，目前仅公布了仓库用途，未披露具体模型版本或功能细节。

Hugging Face 复现 2,226 篇 ICML 2026 论文的复盘与发现

Hugging Face 组织的 ICML 2026 Open Reproductions 挑战赛（7 月 15 日至 8 月 2 日）中，1,221 名社区成员用 Claude Code。

Karina@karinanguyenAI 评分1010

http://x.com/i/article/2087563423991414785

OlmoEarth Studio 推出自定义 embedding 导出用于下游分析

AllenAI 的 OlmoEarth Studio 现已支持计算并导出 OlmoEarth 开源基础模型的 embedding 向量，源代码、模型权重和研究论文公开可查。

MindTopo 揭示多模态大模型的空间推理能力短板

微软研究院推出 MindTopo 基准，从连续性、分离、顺序、包围、绳结五类拓扑关系评估多模态大模型的推理与规划能力。测试显示，模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，且整体远低于人类水平。图像与视频生成仅在单帧关系可见时偶有帮助，跨多步动作时难以维持拓扑约束。