Miles 如何用 Token-In-Token-Out 消除智能体 RL 的训练-推理不匹配
Miles 团队提出 Token-In-Token-Out（TITO）原则，要求第 n 轮 prompt 的 token 序列必须与第 n-1 轮 prompt+response 逐位一致，以消除智能体 RL 中训练与推理的 token 序列不匹配。
#数据/训练
#数据/训练
今日 8 条LMSYS BlogAI 评分4040
Microsoft AI News精选AI 评分7474 Microsoft AI 发布七款新 MAI 模型并推出 Frontier Tuning
Microsoft AI 发布七款新 MAI 模型，将上线 Foundry、OpenRouter、Fireworks 和 Baseten，并首次允许开发者自行微调模型权重。
推荐理由：官方完整说明了模型开放方式、Frontier Tuning 效率数据和医疗合作安排，读者可以据此评估其模型路线与可调性。
Import AIAI 评分5353 Import AI 459：AI经济难以测量、自动化对齐更难、GPIC数据集与Biohub发布ESMFold2
Import AI 第459期：一篇论文估算美国AI经济2025年名义规模约2500亿美元、质量调整产出年增约2600%，但常规GDP统计难以体现；UK AI Security Institute论文说明自动化对齐研究的错误比人类基线更难识别，并给出测量与红队等干预建议。
Import AIAI 评分4848 Import AI 457：AI 版 Stuxnet、有缺陷的 Muon 优化器与正向对齐
Import AI 457 聚焦三项研究：SentinelOne 拆解出约 20 年前的病毒 fast16.sys，它通过篡改 LS-DYNA 970、PKPM、MOHID 等高精度计算软件的内存结果来破坏科研与工程计算。
LMSYS BlogAI 评分4545 SGLang 用 RDMA P2P 实现 1T 参数秒级权重传输，Kimi-K2 提速 7 倍
SGLang 为 RL 工作负载引入基于 RDMA 的 P2P 权重更新机制，通过 Mooncake TransferEngine 传输，将 1T 参数 Kimi-K2 的权重传输从 53 秒缩短至 7.2 秒，提速 7 倍，代价是每个训练 rank 额外占用 32G CPU 内存的推理引擎副本。
Google DeepMindAI 评分5252 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo（分布式低通信）训练架构，将训练拆分为异步的算力孤岛，硬件故障被隔离后其余部分可继续学习。
Google ResearchAI 评分4646 Google Research 推出 TurboQuant：用极致压缩重新定义 AI 效率
Google Research 发布压缩算法 TurboQuant，可在零精度损失下大幅压缩模型，兼顾 KV cache 压缩与向量搜索，将亮相 ICLR 2026。
Mistral AIAI 评分4747 Mistral AI 推出 Forge：面向企业构建前沿级定制模型
Mistral AI 推出 Forge，一套让企业基于自有专有知识训练前沿级 AI 模型的系统，支持预训练、后训练与强化学习全流程。Forge 同时支持 dense 与 MoE 架构，并可处理多模态输入，模型可在企业自有基础设施内训练与治理。该平台以智能体优先设计，Mistral Vibe 等自主智能体可用其微调模型、寻找最优超参数并生成合成数据。
LMSYS BlogAI 评分4343 Miles 强化学习框架新增 ROCm 支持，可在 AMD Instinct GPU 上运行
Miles 开源强化学习框架现已支持 ROCm，可在 AMD Instinct MI300/350 系列 GPU 上原生运行大规模 RL 后训练。该框架基于 SGLang 和 Slime 生态，支持 GRPO/PPO、Ray 编排及 Megatron-LM 集成，并提供预构建容器。
Microsoft AI NewsAI 评分5353 微软发布 Health Check 报告：分析 50 万条 Copilot 健康对话的使用模式
Microsoft AI 分析 2026 年 1 月超过 50 万条 Copilot 健康与 wellbeing 相关对话，发现近 1/5 对话涉及用户描述自身症状、解读检查结果或管理病情，约 40% 的问题聚焦症状、疾病和治疗信息。
LMSYS BlogAI 评分4646 SGLang RL 团队实现 INT4 QAT 端到端训练：1TB 模型单卡 H200 部署
SGLang RL 团队联合 InfiXAI、蚂蚁集团等团队，在 slime 框架上落地了 INT4 QAT 端到端方案，训练用 fake quantization、推理用 W4A16，实现与 BF16 全精度相当的训练-推理一致性。
Mistral AIAI 评分4848 Mistral 通过微调 Pixtral-12B 提升卫星图像视觉语言模型性能
Mistral 用 LoRA 微调 Pixtral-12B 处理卫星图像，在 Aerial Image Dataset（AID）上显著优于基座模型。基座模型在 Playground 与 Stadium 等模糊类别上易混淆，甚至幻觉出不存在的类别名，微调后分类更准确。微调通过 Mistral 微调 API 或 LaPlateforme UI 完成，无需大量超参数调优。
AI as Normal TechnologyAI 评分6060 Sayash Kapoor 撰文分析 AI 为何可能拖慢而非加速科学进步
Sayash Kapoor 在 AI as Normal Technology 框架下撰文指出，科学论文产出指数级增长但实际进步停滞甚至放缓，AI 很可能加剧这一生产-进步悖论。