标签
一条Twitter帖子对Anthropic关于构建Claude代理的2小时培训视频做出反应，强调“Skills”功能可以持久化工作流程和专业知识，并对之前手动重复的工作表示遗憾。
Anthropic发布了关于构建Claude代理的全面2小时培训，由Claude Code背后的工程师主持，涵盖代理结构设计、终端访问、内存管理和幻觉预防。
dLLM是一个开源Python库，能以极少的计算资源将任意自回归语言模型转换为扩散语言模型，统一训练和评估。
本文介绍了DynMuon，一种动态频谱塑形优化器，它在训练过程中将更新参数p从正值调度为轻微负值，从而持续获得更低的验证损失，并且达到相同目标损失所需的步数比标准Muon优化器减少10.6%–26.5%。
AstraFlow是一个面向数据流的强化学习系统，支持智能体大语言模型的高效多策略协同训练与弹性扩展，训练速度相比现有系统提升2.7倍。
描述了一种训练技术，涉及 Spike-aware 教学奖励（惩罚不合理跳跃）和 Surprisal-gated 模仿（学生快速学习简单标记，缓慢学习困难标记）。
斯坦福NLP将CS336课程推广为学习成功训练最先进语言模型技巧的途径。
MinT 是一种托管基础设施系统，通过保持基础模型常驻并移动轻量级 LoRA 适配器，实现数百万个 LLM 的高效训练和服务，可跨模型架构、存储和策略管理进行扩展。
一位开发者训练了一个350M参数的模型，其处理电子表格的能力优于Anthropic的Opus 4.6。
作者询问2026年中AMD的ROCm生态系统在AI训练领域的当前可行性，将其与NVIDIA的CUDA进行比较，并询问它是否已达到PyTorch的“开箱即用”阶段。
Google发布第八代TPU：TPU 8t用于训练，TPU 8i用于推理，专为大规模、高能效AI智能体工作负载打造，将于今年晚些时候推出。
一位用户希望获得关于改进其YOLO11n目标检测模型的建议，计划将其部署在Raspberry Pi 5上，但困扰于理论mAP50指标与实际检测性能之间的差距。
DataFlex是一个面向大语言模型数据驱动动态训练的统一框架，集成了样本选择、领域混合调整和样本重加权，兼容标准工作流程并支持高效大规模部署，相比静态训练实现了一致的性能提升。
Ulysses 序列并行是一种用于训练具有百万Token上下文的大语言模型的技术，通过将序列块分布在多个GPU上来降低内存需求，实现高效的长上下文训练。它与HuggingFace Accelerate、Transformers Trainer和TRL集成，支持Flash Attention和DeepSpeed ZeRO。
# 为新闻机构推出 OpenAI 学院 来源：[https://openai.com/index/openai-academy-for-news-organizations/](https://openai.com/index/openai-academy-for-news-organizations/) OpenAI 与美国新闻项目（American Journalism Project）和伦费斯特研究所（The Lenfest Institute）合作，为使用 AI 的记者和出版商推出一个新的学习中心。在 OpenAI，我们认为新闻业对于健康的民主至关重要。人们依靠可靠的地方和国家报道来了解他们的社区和
本直播教程展示了如何使用监督微调（SFT）在代理跟踪记录数据集上训练一个小型代码代理（Gemma 4 2B），并利用HF Jobs和Track IO自动化参数扫描与评估，体现“用代理训练代理”的理念。