微调训练

阿里Qwen团队发布QwenGyre，一个面向极端长周期Agent训练的弹性强化学习框架，通过未修改的黑盒工具链训练编码Agent，单次rollout可持续数小时、处理近百万token。

NVIDIA 提出 PivotOPD，一种 on-policy 蒸馏方法，训练多轮 LLM 智能体规避并挽回早期关键性错误，在三个智能体基准上对 13 个基线取得最佳平均成绩。

Hugging Face 上出现的一种典型现象：当现成模型无法满足特定需求，开发者选择自己训练、微调或组装一个。这背后是开源 AI 生态正在发生的结构性变化。

Hugging Face 分享了用同一模型家族微调 Nemotron，在 IOI 与 IMO 两类竞赛任务上均取得金牌级结果，展示出通用基座加针对性微调在推理密集型赛题上的潜力。

MarkTechPost 介绍了一套基于 NVIDIA Cosmos3-DROID 的端到端流式机器人学习管线，通过 byte-range Parquet 读取、行为克隆与时间集成，实现无需本地下载数据集的训练流程。

Cantina Security 与 Yeta Labs 发布专为漏洞研究训练的开放权重模型 apex-flash-1，基于 GLM-5.3-Flash 强化学习微调，MIT 许可，在 60 道留出漏洞任务中解出 40 道。

Hugging Face 上出现的 AutoSynthData 项目，尝试用自动化方式为企业智能体生成训练数据，缓解真实业务数据稀缺、标注成本高的问题。

成立七年的 Snorkel AI 完成 3.5 亿美元 E 轮融资，估值升至 35 亿美元。在企业争抢高质量训练与评测数据的当下，数据即服务正从边缘工具变成基础设施。

一项新研究把大模型的结构剪枝转化为伊辛优化问题，用物理学的组合优化视角决定该删掉哪些模块，为剪枝方法提供了新的理论框架。

Hacker News 上出现的 Mini-AGI 项目，尝试在 8GB 显存内训练一个持续学习模型，把「动态更新」而非「一次性训练」作为核心卖点。

微软与伊利诺伊大学构建 StudentSim，用有限数据复现个体学生并模拟真实错误，为 AI 导师提供快速低成本反馈，在棋类、英语和数学测试中表现优于 GPT-5.4。

Fyxer 借助 OpenAI 模型、微调、记忆机制与真实用户反馈，整理收件箱并以用户本人的语气起草邮件，试图解决 AI 助理最难的一环：信任。