一年後：主權 AI 與選擇權之戰
Cloudflare 今年推出了兩款歐洲開放語言模型 EuroLLM 與 Apertus，並開啟 AI 防禦工作坊，為政府與關鍵基礎設施提供多模型選擇。 - EuroLLM：支援 35 程式語言（含 24 個 EU 官方語言），在 EU 多語言基準上表現優於同規模模型。
推薦理由：文章說明 Cloudflare 如何透過開放模型與多模型防禦，促進 AI 主權與網路安全，對政府與關鍵基礎設施有實際應用價值。
数据与训练
全部主題训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
最新精選
第 1–9 條 · 共 9 條cloudflare blog精選AI 評分7575
AWS Machine Learning Blog精選AI 評分7070 Amazon SageMaker HyperPod 与 Qumulo 实现多区域训练
本文介绍了如何使用 Amazon SageMaker HyperPod 与 Qumulo 的 Cloud Native 解决方案，在不同 AWS 区域间进行大规模 AI 模型训练，并给出了跨区域训练的性能验证结果。
推薦理由：文章详细说明如何使用 SageMaker HyperPod 与 Qumulo 进行跨区域训练，并给出验证结果，帮助读者评估跨区域训练的性能与成本。
Hugging Face Blog精選AI 評分6464 让知识蒸馏足够低成本以实现规模化运行
Multiverse Computing 在其最新论文《Efficient Knowledge Distillation for LLMs: Offline Top‑K Logits and a Fused Chunked KL Loss》中提出离线 Top‑100 logits 缓存与分块 KL 损失两项改进。
推薦理由：本文提出的离线Top‑K logits缓存和分块KL损失显著降低显存需求，使大规模LLM蒸馏可在单GPU上完成，降低成本并提升实验效率。
Google Research精選AI 評分7070 让量子计算机从错误中学习
Google Research 在其 Willow 超导处理器上演示了利用强化学习实现量子计算机持续校准的方法，显著降低了逻辑错误率。实验中，RL 训练将错误率降低 3.5 倍，最终逻辑错误率低至每千个纠错周期不到一次，并在数百量子比特的模拟中验证了可扩展性。该方法将量子错误检测事件作为主动学习信号，展示了可持续计算的新范式。
推薦理由：通过强化学习实现量子计算机持续校准，显著降低逻辑错误率，展示了可扩展的自适应控制方法，为未来大规模量子计算提供可行路径。
Google Research精選AI 評分6262 揭示扩散模型创造力的奥秘
Google Research 通过数学分析解释了扩散模型的创造力来源，指出正则化导致的分数平滑使模型在去噪过程中产生插值，从而生成新颖图像。文章以一维示例说明分数平滑如何软化梯度，并通过实验验证权重衰减对其影响；在多维情形下，分数平滑帮助模型在数据流形上平衡质量与新颖性。作者已公开实验代码。
推薦理由：本文阐释扩散模型创造力来源，揭示正则化导致的分数平滑如何产生新颖图像，并指出可通过调节正则化实现更具创造性的生成。
Google Research精選AI 評分7272 Google开源水文框架，开启洪水韧性新篇章
Google Research公开了其水文模型框架，供各国气象机构在GitHub上使用和构建AI洪水预报模型。该框架基于PyTorch实现LSTM网络，支持使用Caravan数据集训练，并已在Czech Hydrometeorological Institute验证，提升预测时效6天。
推薦理由：Google公开的水文框架让各国气象机构可自行训练AI洪水预报模型，提升预测时效并降低技术门槛。
Berkeley AI Research精選AI 評分6868 大规模 LLM 交互识别方法
本文介绍了 SPEX 与 ProxySPEX 两种算法，利用稀疏恢复和层次结构在大规模 LLM 交互识别中显著降低计算成本。SPEX 通过信号处理和编码理论实现数千个组件的交互发现，ProxySPEX 在保持性能的同时将 ablation 数量减少约 10 倍。两种方法已在 SHAP‑IQ 仓库公开，支持特征、数据和模型组件的解释。
推薦理由：SPEX 和 ProxySPEX 通过稀疏恢复和层次结构显著降低了交互发现的计算成本，为大规模 LLM 解释提供了可行方案。
Google Research精選AI 評分6868 AI 驱动闪洪预测，守护城市
Google Research 推出 AI 驱动的城市闪洪预测系统，并在 Flood Hub 上提供服务。该系统利用 Groundsource 数据集和 Gemini 分析新闻报道，构建 24 小时预警模型。
推薦理由：Google 通过 AI 预测城市闪洪，提供 24 小时预警，填补全球南方缺乏预警的空白，可能挽救数千人生命，并提升灾害响应效率。
Google Research精選AI 評分7272 推出 Groundsource：利用 Gemini 将新闻报道转化为数据
Google Research 推出 Groundsource，利用 Gemini 将全球新闻报道转化为结构化灾害数据，首次公开 260 万条洪水记录，覆盖 150+ 国家。该方法通过新闻文本提取、时间空间推理和地图映射，验证准确率达 82%，显著扩展现有灾害数据库，为城市规划、保险和应急响应提供可靠的历史基线。
推薦理由：Groundsource 利用 Gemini 将全球新闻报道转化为结构化灾害数据，首次公开 260 万条洪水记录，覆盖 150+ 国家，显著提升灾害预测精度，为城市规划、保险和应急响应提供可靠的历史基线。