摩尔线程：计划推出两款芯片，分别面向高性能图形渲染以及专注AI训练与推理加速

CPO概念股集体创新高，集邦咨询预测其市场规模将从2025年约1亿美元增至2030年超390亿美元，增长迅猛。CPO通过共封装降低功耗、提升带宽，已成为业界公认的超大规模AI训练集群必选技术路径，未来成长空间极为广阔。

蚂蚁集团联合西湖大学等提出RODS方法，让AI训练系统实时定位模型能力边界并动态生成新题，仅用400道种子题即可达到近17000道离线数据的训练效果，显著提升多轮工具调用智能体的性能。

由清华大学深圳国际研究生院与腾讯混元联合提出的STARE方法，通过词级别优势重加权有效缓解了AI强化学习中的策略熵崩溃问题。在1.5亿至320亿参数模型上验证，AIME24与AIME25基准测试准确率提升4%至8%，并支持更长训练周期。

卡内基梅隆大学与Meta研究发现，AI训练中的奖励模型存在过度敏感性，对同等质量的答案给出差异悬殊的分数，导致AI学偏方向。研究提出奖励聚类离散化方法，无需重新训练即可消除该问题，实验证实其能显著提升训练效果。

引言随着模型规模和数据量的不断增大，分布式训练已经成为了工业界主流的 AI 模型训练方式。基于 Kubernetes 的 Kubeflow 项目，能够很好地承载分布式训练的工作负载，业已成为了云原生 AI 领域的事实标准，在诸多企业内广泛落地。尽管 Kubeflow 让基于 Kubernetes 的

中南大学与香港科技大学提出DataEvolver系统，通过分析被淘汰训练图片的失败信号，形成反馈闭环持续优化数据收集策略。在75万数据规模下，训练模型在文字渲染质量上提升超85%，且数据集覆盖更广，避免了冷门主题被忽略。

三种训练方法GRPO、Dr.GRPO、DAPO本质是对同一数字——组内标准差的不同操作：作分母、去分母或过滤零值。组内标准差即学习信号本身，答案分歧越大学习越多，全对或全错时无学习信号。该发现揭示了强化学习信号的本质。

三星健康更新强制选项，用户若拒绝将睡眠、用药、医疗记录等数据用于AI训练，将无法备份数据，且相关数据可能被删除。三星声称此举旨在提升应用体验，部分数据由人工审核。

针对稀疏混合专家模型，独立研究者提出分层优化器SkewAdam，将优化器状态从50.55GB降至1.29GB，训练峰值内存从81.4GB降至31.3GB，使40GB显卡可训练67亿参数模型。该方法对骨干网络保留动量，对专家层仅用分解式二阶动量，验证困惑度优于AdamW等基线，内存节省显著且收敛更快。

清华大学提出单轮异步优化方法，通过单轮异步训练、双边裁剪屏蔽、价值模型及冻结注意力等机制，解决大型语言模型强化学习中的同步等待和离策略偏差问题。在数学推理和编程任务上超越GRPO，训练稳定超1000步，性能达世界顶尖水平。