北大董豪团队推出 HIL-UMI，让具身后训练摆脱真机依赖
北大与启元机器人董豪团队推出 HIL-UMI，在无本体 UMI 手持夹爪采集过程中接入模型实时比对动作分歧，只在模型预测跑偏时提示人补录纠错数据。在折毛巾、整理桌面、叠方块、盖章四项真机任务上，相同数据帧预算下常规 SFT 平均进度分从 44.3 升到 58.0，HIL-UMI 达到 94.8，叠方块与盖章任务成功率满分。
#数据/训练
雷锋网AI 评分5858 钛媒体AI 评分6363 麻省总医院布莱根团队在《柳叶刀·数字健康》发表研究：AI 凭人脸照片识别癌症患者死亡风险
10月20日，《柳叶刀·数字健康》发表麻省总医院布莱根医疗集团的研究，其FAHR-Face模型仅凭一张普通脸部照片即可区分癌症患者的死亡风险。在3820名未参与训练的癌症患者中，被评极高风险的122人拍照后90天内64人去世，占比52.5%；评分最低的975人仅20人去世，占比2.1%。
Turing Post (Ksenia Se)@TheTuringPostAI 评分4545
Emad@EMostaqueAI 评分3838初代Stable Diffusion的FID分数为12.63
引用Liang Zheng@LiangZheng_06(1/n) people used to think that pretraining a T2I model requires expensive A100/H100 GPUs. it is a barrier for beginners and educators. we break the barrier. we introduce MiniDog (NeurIPS Education Track): you can pretrain a T2I model on 3090s in 55 minutes. FID = 8.32. 👇
AK@_akhaliqAI 评分2626Player-1 从合成经验中学习博弈 论文：https://huggingface.co/papers/2610.20584
Latent SpaceAI 评分5858 Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与智能体科学推理沙盒
Latent Space 播客访谈 Leash Bio 的 Ian Quigley，讨论该公司如何用 DNA 编码库（DEL）获取高通量蛋白与小分子结合数据，并训练出在公开基准上跟上 Boltz 的 Hermes 模型。访谈还提到他们用多年积累的数据搭建智能体科学推理沙盒，让 LLM 在 6.5M 分子、100 次预算内寻找最佳结合物，相关预印本、博客和开放数据集即将发布。
Microsoft ResearchAI 评分5858 微软研究院提出 StudentSim：用学生模拟器为 AI 辅导系统提供反馈
微软研究院发布研究系统 StudentSim，用公开的去标识化学习记录训练个性化 AI 学生模拟器，在真实学习者测试之前评估和改进 AI 辅导系统。该系统采用两阶段训练，先在同学科多学生记录上学习共性，再针对单个学生适配，并配套提出覆盖国际象棋、第二语言英语写作和数学的评测协议 StudentSimEval。
Qwen@Alibaba_QwenAI 评分4848千问发布 QwenGyre，将弹性强化学习引入超长时程（XLong）智能体训练，核心设计包括 Elastic Scheduler 与 Trajectory Processor。
Aran Komatsuzaki@arankomatsuzakiAI 评分4545
OpenAI@OpenAI精选AI 评分7272推荐理由：OpenAI 公开内部前沿模型产出的数学结果，并说明发布方式参考了外部顾问组的建议。
Google AI@GoogleAIAI 评分5858Google AI 介绍 AI 研究实验室 Living Models 将 Gemma 4 与植物 DNA 专用模型 BOTANIC-1 组合，用于快速定位影响作物性状的基因突变。
Hugging Face@huggingface精选AI 评分7878Hugging Face 团队发布多 harness RL 训练指南，指出同一模型在相同权重下，在一个 agent harness 中得分 62%，在另一个中仅 33%。
推荐理由：同一模型在不同 agent harness 下得分相差近一倍，这篇开源研究给出了不改 harness 的多环境 RL 训练方法。
Microsoft ResearchAI 评分3838 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生构建的机器学习流水线可为美国本土66,935座变电站生成30-60分钟前的空间天气风险预报，评估期内检出近80%的重大空间天气事件。系统结合AE与Dst指数预报、纬度、地质电导率及电网数据，Dst预测在2020-2026年活动高峰时段有62.2%的小时优于Burton方程。
Google DeepMind精选AI 评分6666 Google DeepMind 推出 SynthID Bio，为 AI 生成的蛋白质加可验证水印
Google DeepMind 发布 SynthID Bio，把水印技术引入合成生物学，将不可感知的签名嵌入生物代码，在实验室测试中保持蛋白质生物功能不变。该方法针对序列微调氨基酸选择、针对 3D 结构调整原子坐标，并在 AlphaFold 3 扩散网络中微调部分权重，使预测坐标自带可检测签名。
推荐理由：Google DeepMind 把 SynthID 水印扩展到合成生物学，读者可了解其在蛋白质设计与结构预测中的嵌入方式及生物安全用途。
Microsoft Research精选AI 评分6262 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院推出 Quine，一个由跨模态生物学世界模型和连接模型、科学工具、文献与研究者的交互框架组成的 AI 研究系统。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，从数千个化合物中筛选并优先排序候选分子，湿实验显示排名最高的化合物产生了最大的经典态到基底态细胞状态转变，整个筛选到候选验证过程仅用一个周末。
推荐理由：微软研究院公开 Quine 的生物学世界模型与实验编排框架，并给出胰腺癌化合物筛选的湿实验验证结果。
- Google AI@GoogleAIAI 评分2020
哦，原来这就是我们绘制雄性果蝇全部 166,000 个神经元图谱的原因。来看看这项社区大规模协作成果，展示这些微小果蝇大脑究竟有多大能耐 🪰🧵
- Qwen@Alibaba_QwenAI 评分5050
千问推出 E-Commerce Bench，用于评测长周期自主商业运营：智能体以 ¥100,000 启动资金经营网店 365 天，需处理选品、议价、定价、促销、库存与现金流。
Berkeley AI ResearchAI 评分3838 ABBEL：通过信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言"信念状态"并对其内容单独监督。在协作编程基准 CollabBench 上，该方法把与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也明显低于全上下文设置。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以促进探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型状态-输入梯度脆弱等问题，使基于梯度的长时程规划更稳健。
Mira Murati@miramuratiAI 评分3636结合RL和SFT的优势，采用同策略蒸馏，这是一种有前景的方法，可用于训练小模型以提升领域表现和持续学习能力。
引用Thinking Machines@thinkymachinesOur latest post explores on-policy distillation, a training approach that unites the error-correcting relevance of RL with the reward density of SFT. When training it for math reasoning and as an internal chat assistant, we find that on-policy distillation can outperform other approaches for a fraction of the cost. https://thinkingmachines.ai/blog/on-policy-distillation/