标签
PyTorch 宣布将举办一场关于 PyTorch 2.15 版本的在线问答网络研讨会，届时 Meta 工程师将详细介绍各项新功能，包括重写的 NCCL 后端、NIXL 单边传输、更精细的 FSDP2/流水线并行内存控制，以及在 NVIDIA Blackwell 和 Apple 芯片上更快的 NVFP4/FP8 解码。
麻省理工学院研究人员蕾吉娜·巴尔齐莱和吉姆·柯林斯凭借利用人工智能发现 halicin 和 abaucin 等抗生素以对抗耐药病原体的开创性工作，荣获2026年普利兹克人工智能科学研究卓越奖。
该论文提出了 CUTTIE，一种分层检验方法。该方法将训练好的网络中的单元聚类成树状结构，并通过条件独立性检验自上而下地对这些单元进行检验，以定位具有预测作用的概念（例如调控性 DNA 基序），同时控制族错误率。论文在一个根据序列预测染色质可及性的模型上展示了该方法。
TensorSSM 提出了一种用于函数式张量分解的隐式神经表示，在动态状态空间模型中记忆空间位置，编码从粗到细的空间标记和跨模态依赖关系，以提高在多种张量数据集上的重建精度和存储效率。
该论文探讨了使用大型语言模型（Claude Opus 5）为《自然》《科学》《细胞》系列期刊研究中的36项深度学习任务自动构建简单基线的方法，发现这些基线弥合的性能差距中位数达到95.5%，并在12项研究中达到或超过已发表的深度学习模型的性能，表明自动化基线检验可作为科学同行评审中一种可规模化应用的保障措施。
DeepLearning.AI 宣布举办 AI Dev NYC 大会（11月30日至12月1日，切尔西码头），由 Yann LeCun、吴恩达以及来自 OpenAI、贝莱德、Hugging Face 和 Neo4j 的工程师讲授评估驱动开发、智能体系统构建与生产环境规模化运维等主题。
开源推理工程仓库的第 6 部分已发布，涵盖使用真实模型推理和 DynamicCache 进行 KV 缓存内存分配、增长、释放，以及容量感知调度。
推荐2026年通过斯坦福大学免费公开的10门AI与机器学习课程（如CS221人工智能、CS229机器学习、CS230深度学习、CS234强化学习、CS236深度生成模型、CS336从零构建大语言模型）进行自我提升。
该论文指出，权重归一化（WN）训练的收益主要源于其诱导出的有效学习率（ELR）轨迹，而非归一化本身，并据此提出 AIR（仿射平方根倒数衰减）调度策略。在 1280 亿词元的混合专家模型（MoE）预训练实验中，AIR 在训练损失、下游性能和超参数鲁棒性方面均优于余弦退火等调度方案。
斯坦福大学的 CS 312“深度学习炼金术”课程将构建理论的重担交给学生（以及他们的 Claude 助手），让他们在一个用 6.14 亿个 token 训练的 8 层 Transformer 上开展消融实验，以实证方式探究 Transformer 的各个组件——这引发了一个反思：也许死记硬背的机器学习知识从来就没那么重要。
PyTorch 2.15 发布，包含 3,117 次提交，重写的 NCCL 后端成为默认、新增 NIXL 单向传输、FSDP2 与流水线并行的更细粒度控制，并在 NVIDIA Blackwell（NVFP4）和 Apple Silicon（FP8）上带来更快的 LLM 解码，同时扩展了 AMD、Intel、ROCm 等平台支持。
DeepLearning.AI 新推出课程《使用 LangChain Deep Agents 进行循环工程》，由 LangChain 的 Sydney Runkle 与 Esmaeil Gargari 授课，讲解围绕 AI 代理构建代理循环、验证循环、事件驱动循环和爬山循环这四种循环的工程方法。
一篇关于 MLCheatSheets 的推广帖——这是一个包含 500 多张机器学习和深度学习速查表的免费开源合集，涵盖理论、公式、代码示例、学习路线图和练习题。
ReliMorph 提出一个可靠性引导的对称框架，将局部对应评估与空间专家路由及残差速度门控耦合，用于 3D 可变形医学图像配准，并在单模态和多模态任务上超越现有方法。
该论文提出了一种综合性数据生成策略，结合传统数据增强、CutMix、MixUp 和 DCGAN 生成的图像，以解决橄榄树病害分类中的数据不足和类别不平衡问题，并使用 EfficientNetV2B0 进行评估，结果显示准确率显著提高。
一项针对阿拉伯湾卫星反演水深的多站点基准研究，对比了经验模型、机器学习（LightGBM）模型和深度学习（U-Net）模型，并使用285,000个多波束测深点进行了无数据泄漏验证。结果表明，验证设计比模型选择更重要，简单的Stumpf比值模型在迁移应用场景中的表现优于复杂模型。
该论文提出了 H-Glow，一种风险率引导的框架，通过将连续时间马尔可夫链的生成元分解为风险率和条件跳转分布，加速用于图生成的离散流匹配（DFM），从而在分子和合成基准测试中，以显著更少的采样步数实现高质量图生成。
提出了增强引导的对抗训练（AGAT）框架，利用基于增强的局部稳定性（ALS）得分选择邻域不稳定的样本进行对抗训练，在仅对 20–30% 的样本施加对抗监督的情况下达到相当或更高的鲁棒准确率，同时降低训练成本。
该论文定义了一种与 Fisher 信息矩阵对齐的参数分布，使得在保证低损失的同时获得与 Fisher 信息矩阵零特征值数量成正比的参数对数体积，从而得到一个随 Fisher 信息矩阵期望秩缩放的高概率 PAC 泛化误差界。
该论文在Avazu数据集上系统评估了CTR模型的后校准（Platt缩放与保序回归）在不同时间切片长度下的效果，发现随机划分严重低估校准误差，且使用约12小时的较宽时间窗拟合校准通常优于使用最新几小时的数据，并建议离线评估应采用多时间原点、多随机种子的时序校准评估协议。