北大数学系校友谈O/A两家AI解数学难题对学术共同体的冲击
一位北大数学系校友在与新智元的对谈中表示，OpenAI和Anthropic近期宣称攻克数学猜想更像是在拿奖杯刷榜，AI给出的结果往往是被解决但完全没有被理解，其配套宣传会误导公众和经费决策者。
#数据/训练
新智元AI 评分6060
NVIDIA BlogAI 评分2222 NVIDIA AI 工厂如何实现高产出、长寿命与通用性以最大化投资回报
NVIDIA 提出 AI 工厂投资回报由产能、使用寿命和需求三要素决定，其平台以每兆瓦吞吐量、硬件寿命和通用性同时优化这三项。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量超 GB300 NVL72 的 30 倍，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 分之一。
Latent SpaceAI 评分3434 Foundries vs Navigators：AI 如何降低科学研究的成本
Anthropic 前斯坦福 CS 博士 Adrian Sanborn 在 Latent Space 客座文章中提出，AI 对科学的影响分为两类：Foundries 用新一代测序、多重检测和物理自动化把实验数据生成速度提升一个数量级，Navigators 则用 AI 模型优化公司决策与流程。
Latent SpaceAI 评分5050 Radical Numerics CEO Eric Nguyen 谈生物安全：一场 AI 军备竞赛
Radical Numerics 联合创始人兼 CEO Eric Nguyen 认为，提升生物能力的模型同样能用于防御，主张更激进地推进前沿研究。其团队此前在 Arc Institute 参与开发 Evo 与 Evo 2 基因组语言模型，曾被用于生成完整噬菌体基因组并合成出功能性病毒。
Latent SpaceAI 评分5555 John Platt 谈 Google ERA：用 LLM 自动求解可打分的科学问题
Latent Space 访谈 Google 的 John Platt，介绍其团队提出的 Empirical Research Assistance（ERA）。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 2026 夏季开源模型观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型观察报告，基于 Hub 数据给出六项发现。报告显示公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，Spaces 从 100 万增至 144 万，但 85.6% 的模型终身下载量不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用自家 Hub 七个月数据勾勒开源模型格局，可看到中美模型规模、下载与点赞背离及智能体流量的具体分布。
Hugging Face BlogAI 评分2222 GPU 管理：为什么闲置 GPU 正在成为新的停场飞机
Hugging Face 博客指出，AI 的下一个真正瓶颈是 GPU 利用率而非模型智能。GPU 按日历小时计费，却只在计算小时产出，企业自建集群后问题从"能否买到加速器"变成"能否让它们保持忙碌"。文章以航空业停场飞机作类比，强调集群即使满载也可能浪费大部分潜力，因为 GPU 全天运行而需求并不持续。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10，数据系统面临三大新挑战：为智能体服务、运行智能体集群、由智能体合成。
Hugging Face BlogAI 评分2424 为什么专业化不可避免：从优化理论、进化生物学到机器学习
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，指出优化理论、进化生物学、竞争市场与机器学习共同预测同一结论：专业化不可避免。
Import AIAI 评分6262 Import AI 455：AI 系统即将开始自我构建
Import AI 作者 Jack Clark 认为，到 2028 年底有 60% 以上概率出现无需人类参与的 AI 研发，即前沿模型能自主训练出自己的后继版本。
Hugging Face BlogAI 评分3838 从 DeepSeek 到 AI+：全球开源 AI 生态的未来走向
Hugging Face 博客第三篇中国开源 AI 系列文章指出，开源已成为中国 AI 机构近期的主流路线。Qwen 在 Hugging Face 上的衍生模型超过 113k，远超 Llama 的 27k 和 DeepSeek 的 6k；腾讯自 2025 年 5 月起以混元品牌加速开源视觉、视频与 3D 模型，百度则通过 Ernie 4.5 系列和 PaddlePaddle 重返开源生态。
Hugging Face BlogAI 评分3636 中国开源 AI 生态的架构选择：MoE、多模态与国产硬件如何超越 DeepSeek
Hugging Face 博客梳理中国开源 AI 生态自 2025 年 1 月“DeepSeek 时刻”以来的架构与硬件选择：Kimi K2、MiniMax M2、Qwen3 等头部模型几乎一致转向 MoE 架构，0.5B–30B 小模型与 100B–700B 大 MoE 形成“教师—学生”结构，Apache 2.0 成为默认许可证。
Hugging Face Blog精选AI 评分6666 Hugging Face 分析全球算力格局变化：中国开源模型与国产芯片的相互牵引
Hugging Face 发布分析文章，指出中国开源权重模型的推理已开始由华为昇腾、寒武纪等国产芯片承载，部分模型开始用国产芯片训练。文章认为美国出口管制与中国芯片产能提速高度相关，算力稀缺也促使 DeepSeek 的 MLA、GRPO 等效率创新走向开源，并推动 CUDA 之外的软件生态成形。
推荐理由：梳理中国开源模型与国产芯片互相牵引的路径，可看到算力受限如何反过来塑造模型架构与部署生态。
Hugging Face BlogAI 评分2222 Hugging Face 伦理与社会通讯 #6：构建更好的 AI，数据质量为何至关重要
Hugging Face 发布《伦理与社会通讯 #6》，聚焦 AI 数据质量，提出高质量数据应满足相关性、全面性、时效性和偏见缓解等要求。文章以 Reddit 与 Google 的 RAG 搜索合作为例，说明低质数据会导致"披萨加胶水"这类错误推荐。文中强调数据质量需贯穿 AI 开发全生命周期，并给出数据去重、内容过滤、人工反馈和治理框架等实践策略。
Hugging Face BlogAI 评分1515 Hugging Face 机器学习专家 Sasha Luccioni：测量 AI 碳足迹与 Big Science 数据治理
Hugging Face 研究科学家 Sasha Luccioni 在播客中介绍其工作：她担任 Big Science 碳足迹工作组联合主席，研究语言模型训练的环境影响，包括 GPU 小时之外的制造与人员投入成本，并参与数据治理与多语言工作。她此前曾与 Yoshua Bengio 合作开展 AI for climate change 项目，并联合创立 Climate Change AI。
Hugging Face BlogAI 评分1515 Hugging Face 工程师 Lewis Tunstall 谈 Transformers 与大规模模型评估
Hugging Face 机器学习工程师 Lewis Tunstall 在播客中介绍了与 Leandro von Werra、Thom Wolf 合著的《NLP with Transformers》，并讲述自己在 transformers 库中推动 ONNX 导出功能，让用户只需一行代码即可将 PyTorch 模型转换格式，从而获得更低延迟和更高吞吐。
Hugging Face BlogAI 评分2222 Hugging Face 机器学习专家访谈：Margaret Mitchell 谈伦理 AI 与数据偏见
Hugging Face 发布机器学习专家访谈，嘉宾 Margaret Mitchell 曾任 Google 伦理 AI 团队创始人兼联合负责人，现于 Hugging Face 负责伦理 AI 研究协议与包容性招聘。她因在微软 Seeing AI 项目中目睹模型将爆炸场景描述为"美丽景色"而转向伦理 AI，并指出 ML 团队普遍缺乏对偏见概念的认知与沟通词汇。
Hugging Face BlogAI 评分2828 大语言模型：新的摩尔定律？
微软和 NVIDIA 发布 Megatron-Turing NLG 530B，号称全球最大最强的生成式语言模型，但训练需数百台 DGX A100 服务器、成本近 1 亿美元。作者质疑这类超大模型趋势：基准提升有限，却带来高昂成本、复杂度和碳足迹，并建议改用预训练模型、更小模型（如 DistilBERT 保留 97% 语言理解、体积小 40%、速度快 60%）和微调。
Hugging Face BlogAI 评分2222 机器学习即代码时代已到来
Hugging Face 发文指出，2021 年 State of AI Report 与 Kaggle 调查显示 Transformer 已从 NLP 扩展为通用 ML 架构，在语音、视觉、点云等任务上表现优异，其使用率逐年上升，而 RNN、CNN 和梯度提升算法持续下滑。