用 AWS CDK 编排 SageMaker AI 端点自动扩缩容
针对 SageMaker AI 实时端点更新时自动扩缩容导致 CloudFormation/CDK 部署失败的问题，AWS 给出一个可复用 CDK construct，用三个自定义资源在端点更新前后自动注销并重新注册扩缩容目标。方案通过 node.add_dependency 强制依赖顺序，单次部署即可同时更新端点配置与扩缩容参数，无需人工干预。
#开源/仓库
AWS Machine Learning BlogAI 评分2222
Hugging Face BlogAI 评分3838 Hugging Face 上线 torch-neuronx 模型支持查询 Space，可查模型能否在 AWS Trainium 上运行
Hugging Face 推出 torch-neuronx 模型支持 Space，用于查询 Hub 上的模型能否在 AWS Trainium 上原样运行，并给出复现脚本。
Hugging Face Blog精选AI 评分6060 微软与 Hugging Face 开源 ThinkingBox-Training：用数据库终态校验作 RL 奖励训练 Agent
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 1/0 可执行校验直接当作 RL 奖励，用于训练 ThinkingBox-Bench 之外的任务。
推荐理由：微软与 Hugging Face 联合开源了把数据库终态校验当作 RL 奖励的训练栈，并给出 Qwen3.8-27B 的可复现结果与成本对比。
AWS Machine Learning BlogAI 评分5858 Amazon SageMaker AI 推出训练会话 API，自写训练循环无需管理 GPU
Amazon SageMaker AI 的 Serverless 模型定制新增训练会话 API，把 forward_backward()、optim_step()、sample() 等操作变成 API 调用，模型在 GPU 上保持加载，由服务负责分布式执行、梯度同步与故障恢复。
Hugging Face BlogAI 评分4242 IBM Granite 时序模型集成预测：四模型组合与可扩展接口
IBM 推出 Granite Timeseries Ensemble，用一套配方组合四个预训练 Granite 时序模型（PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1、TTM-r3），无需重训即可输出中位数与分位数预测。
NVIDIA BlogAI 评分3838 NVIDIA Earth-2 开放模型在欧洲落地：StormScope EU 与多行业天气预测应用
NVIDIA 在 GTC Berlin 展示与 Earthmover 合作的 StormScope EU 实时预报演示，该模型基于 EUMETSAT 卫星观测，以 10 分钟间隔预测 16 个 Meteosat 通道的云况。
Hugging Face Blog精选AI 评分7878 NVIDIA 发布 Kumo Relational 关系基础模型，无需训练即可预测
NVIDIA 发布预训练关系基础模型 Kumo Relational，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表扁平化。
推荐理由：原文给出预训练关系基础模型在 41 个任务上的对比结果与开源入口，可据此判断免训练预测能否替代现有 XGBoost 流水线。
Mistral AI精选AI 评分8282 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族及基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说合成一条实时流式管线，每轮对话在一秒内完成。
推荐理由：原文给出语音模型与智能体 SDK 的完整能力、定价和部署方式，可据此判断实时语音智能体的落地成本。
Mistral AI精选AI 评分7171 Mistral 发布时间序列基础模型 Timestral，最大 209M 参数
Mistral 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M、209M 四个尺寸，最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准的预训练零样本模型中排名第一，参数量约为此前 SOTA 的三分之二。
推荐理由：原文给出四个尺寸的参数量、三项基准排名和 CPU 推理延迟，便于判断时间序列基础模型的选型边界。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量 Agentic RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量 Agentic RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架内重写 agent。
推荐理由：原文给出框架的代码规模、Kubernetes 部署方式和完整训练示例，读者可据此判断接入现有 agent harness 做 RL 的成本。
Berkeley AI ResearchAI 评分5858 K-Search 从 CUDA 迁移到 MLX：把内核优化经验带到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架扩展出 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中驱动输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展到数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。
Berkeley AI ResearchAI 评分2424 伯克利提出信息驱动成像系统设计框架，登NeurIPS 2025
伯克利AI Research团队在NeurIPS 2025论文中提出直接以互信息评估和优化成像系统的框架，用已知噪声物理直接计算噪声项、用自回归模型学习测量分布，估计值只会上偏不会低估。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化出的设计达到SOTA端到端方法水平，且内存和算力需求更低、无需任务专用解码器。